كليدواژه :
مناطق جذاب , شبكه هاي اجتماعي مكان مبنا , تصاوير داراي برچسب مكاني , خوشه بندي مكاني , فليكر
چكيده فارسي :
گسترش فناوري‌هاي نوين در دستگاه‌هاي رقمي و ارتباطات باعث محبوبيت و فراگير شدن شبكه‌هاي اجتماعي شده است. محتواي داراي برچسب مكاني با افزودن بعد جديدي به شبكه‌هاي اجتماعي، امكان ارتباط بين فضاي مجازي و واقعي را فراهم كرده‌اند. اين تصاوير مي‌توانند نشان‌دهنده‌ي تعامل كاربران با محيط باشند؛ به همين دليل در كاربردهاي فراواني مثل كشف مناطق جذاب، مديريت و برنامه‌ريزي شهري و توصيه به گردشگران مي‌توانند مورداستفاده قرار گيرند. استفاده از تصاوير داراي برچسب مكاني نسبت به روش‌هاي سنتي مانند سرشماري و نظرسنجي به‌منظور كشف و تحليل مناطق جذاب مزايايي مثل صرفه‌جويي در وقت و هزينه را دارند، از اين رو موردتوجه محققان قرار گرفته‌اند. هدف اين تحقيق كشف مناطق جذاب با استفاده از داده‌هاي داراي برچسب مكاني است، به‌گونه‌اي كه از داده‌هاي توصيفي جهت بهبود خوشه‌هاي ايجادشده استفاده گردد و نتايج نسبت به روش‌هاي رايج پيشين بهبود يابد. همچنين استخراج اطلاعات معنايي مناسب و تحليل در شرايط مختلف جهت شناخت مناطق جذاب و درك دليل جذابيت آن‌ها از ديگر اهداف اين تحقيق است. در اين تحقيق از تصاوير داراي برچسب مكاني فليكر كه از شهر نيويورك، در بازه‌ي زماني 2015 تا 2018 ميلادي اخذ شده بودند، نوفه و افزونگي داده‌ها در مرحله‌ي پيش‌پردازش حذف شد. سپس با استفاده از روش HDBSCAN، داده‌ها خوشه‌بندي شدند و خوشه‌هاي مجاور كه از نظر برچسبهاي متني مشابه بودند، با يكديگر ادغام شدند و 106 منطقه‌ي جذاب شناسايي شد. سپس سطح مقعري با استفاده از روش α-shape به نقاط برازش شد و اطلاعات معنايي شامل برچسبهاي متمايز، نام و دسته‌بندي براي مناطق جذاب انتخاب شد. آنگاه مناطق جذاب بر اساس نوع كاربران بازديدكننده، ميزان بازديد در شرايط بافت مختلف و احساسات كاربران تحليل شدند. نتايج حاصل از ارزيابي نشان از كشف مناطق جذاب در اشكال، ابعاد و چگالي‌هاي مختلف است. اين مناطق با 66 درصد از كل جاذبه‌هاي برتر TripAdvisor مطابقت داشته‌اند، درحالي‌كه براي روش DBSCAN ساده 53 درصد مطابقت وجود داشته است. در مناطقي كه با جاذبه‌هاي TripAdvisor هم‌پوشاني داشتند، نام‌گذاري آن‌ها 76 درصد مشابهت داشته است.
چكيده لاتين :
The deployment of new technologies in digital devices and communications has increased social networks' popularity and pervasiveness. Geo-tagged content has connected cyberspace to the real world by adding a new dimension to social networks. Among geo-tagged content available on social networks, geo-tagged images show users' communication and interaction with the environment in a better way. Because users frequently photograph regions of interest, these images can be used in many applications, including discovering regions of interest. Compared to traditional methods such as censuses and surveys, geo-tagged images benefit from saving time and expense to discover and analyze regions of interest. Therefore, researchers can use them in urban management and tourist recommendation. The purpose of this study is to discover the region of interest using geo-tagged data. Also, extracting appropriate semantic information and analysis in different contexts to identify regions of interest and understand the reason for their attractiveness is another goal of this research. This paper uses the Flickr geo-tagged images taken from New York City between 2015 and 2018. In the preprocessing phase, noise and data redundancy was removed. Then the data were clustered by the HDBSCAN method, and adjacent clusters that were similar in terms of text tags were merged. As a result, 106 regions of interest were identified. At the next step, a concave surface was fitted to points by α-shape method, and semantic information including distinguished labels, names, and categories, was selected for regions of interest. Finally, attractive regions were analyzed based on the type of visitors, users’ sentiment and the number of visits in different contexts. The evaluation results show the discovery of regions of interest in different shapes, dimensions, and densities. Our result corresponded for 66% with TripAdvisor's top attractions, while for the simple DBSCAN method this value was 53%. In regions that overlapped with TripAdvisor attractions, the naming was 76% similar.
