Resumen

La civilización social urbana y la calidad de vida de los residentes están mejorando gradualmente, y la escala de desarrollo y la tendencia de la industria del turismo de ocio han ido en aumento. Este artículo construye un modelo de fusión de datos de múltiples fuentes basado en un algoritmo de aprendizaje por conjuntos, utiliza el conjunto de datos abiertos de Ctrip 2020 para entrenar el modelo y, a continuación, obtiene los resultados del procesamiento y la predicción de los datos de información turística. Este trabajo toma los datos de Ctrip como conjunto de entrenamiento y compara el modelo entrenado con los datos de Tunic y Feizhu. En este trabajo, se utiliza la tecnología de detección de sensores para analizar muchos lugares escénicos famosos de China, incluidos el tipo de turista, el género y la ubicación. Los resultados muestran que los resultados de la extracción de características turísticas son coherentes con los datos de trending flying bamboo, tunic y otros sitios web, según los resultados de una fusión multifuente de información turística. Entre ellos, en los datos del primer semestre de 2020, la precisión de predicción del modelo tras el procesamiento de datos es de aproximadamente el 62%. Afectada por la situación epidémica, la precisión del modelo es baja. En el segundo semestre, la precisión de la predicción es del 78%, lo que permite fusionar la información turística en poco tiempo. Por tanto, los datos muestran que el modelo tiene una gran capacidad de aprendizaje y de predicción de tendencias en el tratamiento de datos turísticos, lo que puede proporcionar la información necesaria a los turistas.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:datos, modelo, artículo, precisión de la predicción, información turística, gran capacidad de predicción de tendencias, muchos lugares escénicos famosos, modelo de fusión de datos de origen, resultados de la extracción de características turísticas, tratamiento de datos de información turística
• Keywords:data, model, paper, prediction accuracy, tourism information, high trend prediction ability, many famous scenic spots, source data fusion model, tourism feature extraction results, tourism information data processing