토픽모델링과 LSTM기반 텍스트 분석을 통한 부산방문 외국인 관광객의 선호관광지 및 관광매력요인 분석
Analysis of Region of Attraction and Attractive Factors Using Topic Modeling and LSTM-based Text Classification: Focusing on Busan
- 주제(키워드) social network service , text mining , topic modeling , deep learning , LSTM , Flickr. , 소셜네트워크서비스 , 텍스트마이닝 , 토픽모델링 , 딥러닝 , LSTM , 플리커.
- 주제(기타) 지리학
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002673267
- 등재 KCI등재
- 발행기관 한국도시지리학회
- 발행년도 2020
- URI http://www.dcollection.net/handler/ewha/000000176505
- 본문언어 한국어
초록/요약
본 연구는 소셜 네트워크 서비스 중 플리커데이터 분석을 통해 부산을 방문한 외국인 관광객의 선호관광지와 관광지 키워드를 분석하고자 하였다. 최근 SNS의 보편화로 위치정보, 시간 및 텍스트 등의 데이터를 활용하는연구가 증가하고 있다. 특히, 여행과 관련된 게시글에는 관광수요자의 니즈와 선호도가 드러나므로 여행 트렌드 및매력요소 등을 분석하는데 활용도가 높다. 본 연구에서는 부산에 게시된 사진과 태깅된 텍스트 데이터를 기반으로토픽모델링을 통해 여행 카테고리를 생성하고, 딥러닝 모델인 LSTM을 활용하여 여행 카테고리별로 텍스트를 분류한 후, DBSCAN을 통해 여행 카테고리별 선호관광지를 도출하고 관광지별 매력요인을 해석하였다. 분석결과, 토픽모델링을 통해 시장/음식거리, 문화유산/역사적 명소, 전망/조망 명소, 문화/축제 명소, 공원/자연경관 명소, 종교적 장소, 쇼핑/도심경관 명소, 해안경관 명소, 문화마을의 9개 여행 카테고리를 생성하였고 텍스트 분류 모델의 정확도는 약 94%로 비교적 잘 분류해냈으며 부산 내 여행카테고리별로 매력요인을 확인할 수 있었다.
more초록/요약
This study attempted to analyze the preferred tourist destinations and keywords of tourist destinations of foreign tourists visiting Busan through Flickr data analysis among social network services. Recently, with the widespread use of SNS, studies using data such as location information, time and text are increasing. In particular, travel-related postings reveal the needs and preferences of tourists, so they are highly useful for analyzing travel trends and attractive factors. In this study, a travel category was created through topic modelling based on photos posted in Busan and tagged text data. By using the deep learning model LSTM, text is classified by travel category. Through the DBSCAN technique, preferred tourist destinations were derived for each travel category, and attractive factors for each tourist destination were analyzed. As a result of analysis, nine travel categories were created through topic modeling including markets/food streets, cultural heritage/historic attractions, prospects/viewing attractions, cultural/festival attractions, parks/natural scenery attractions, religious places, shopping/city scenery attractions, coastal scenery attractions, cultural villages. The accuracy of the text classification model is about 94%, which is relatively well classified. The attractive factors were identified for each travel category in Busan.
more