Ученые поняли, как предсказать место отдыха туристов по данным соцсетей

МОСКВА, 29 окт — РИА Новости. Ученые Национального исследовательского технологического университета "МИСиС" (НИТУ "МИСиС") разработали математическую модель, которая позволяет спрогнозировать следующее местоположение пользователей Twitter. Исследователи считают, что это поможет туроператорам и всем, кто связан с туристическим бизнесом, предсказать востребованность курортов на отпускной период. Результаты опубликованы в журнале Journal of Ambient Intelligence and Humanized Computing.

Ранее аналогичный подход был апробирован при исследовании отзывов о сервисах в скоростных поездах Индии.

Каждый день люди делятся фотографиями, публикациями, комментариями и местоположением в социальных сетях. Ученые НИТУ "МИСиС" провели исследование: прогнозирование следующего места посещения пользователя на основе методов машинного обучения (ML) и анализа больших данных (Big Data), взятых из открытых источников данных Twitter. Методы ML позволяют компьютеру изучать исторические записи и использовать их для прогнозирования и принятия решений при получении новых данных.

«

"Мы использовали не только открытые данные о путешествиях, но и о личностях самих путешественников. Сначала мы извлекли из данных все геотегируемые твиты (твиты с информацией о местоположении) и категоризировали. Из случайного набора 5000 профилей пользователей разных европейских стран (Франция, Германия, Швеция, Испания, Италия, Швейцария, Польша, Греция и многие другие) было выложено более 800 тыс. твитов. При отборе данных наиболее посещаемыми в поездках категориями оказались "Еда", "Ночные клубы", "Вокзалы", "Церкви", "Морские пляжи". Для каждой категории мы подготовили отдельный набор данных", – прокомментировала автор исследования, директор Института информационных бизнес-систем НИТУ "МИСиС" Марина Нежурина.

Как сообщила Нежурина, при отборе данных категории сопоставлялись с характеристиками личности пользователя, так как выбор слов в твитах пользователей в основном зависит от их личных ценностей.

"Для любой прогнозной модели критичным и обязательным параметром является точность. Если модель прогнозирования не обеспечивает хорошей точности, ее нельзя признать надежной. Поэтому мы использовали метод ансамблевой классификации, объединяющей результаты всех базовых классификаторов", – рассказал автор исследования, постдок НИТУ "МИСиС" Сачин Кумар.

По мнению ученых, более конкретный прогноз можно получить с помощью сбора таких параметров, как гражданство, пол, возраст пользователей. Следующий этап работы – анализ и построение моделей с помощью ансамбля методов машинного обучения.