온라인 리뷰의 감성분석과 순환신경망을 적용한 국내 인바운드 관광수요 예측 모형

김은미

doi:10.21298/IJTHR.2021.3.35.3.69

추천

검색

질문

자료유형: 학술저널

저자정보: 김은미 (경희대학교)

저널정보: 한국관광연구학회 관광연구저널 관광연구저널 제35권 제3호

발행연도: 2021.3

수록면: 69 - 79 (11page)

DOI: 10.21298/IJTHR.2021.3.35.3.69

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

관광객의 수요예측은 관광 상품 개발 및 정책수립 시 중요한 자료로 활용되고 있어 관광객의 정확한 수요예측은 중요하다. 기존의 관광수요 예측은 과거의 시계열 자료를 기반으로 하였으나 급변하는 관광환경에서 보다 정확한 수요예측을 위해 다양한 정보를 활용한 새로운 방식의 수요예측이 필요하다. 따라서 본 연구에서는 관광 수요예측을 위해 관광지에 대한 온라인 리뷰를 적용하고자 한다. 온라인 리뷰는 실제 방문한 관광객이 자신의 관광경험을 토대로 작성하기 때문에 잠재고객들에게 새로운 여행정보로 인식되고 있으며 관광지 선정을 위한 의사결정과정에도 영향을 미친다. 또한 관광지에 대한 온라인 리뷰는 과거자료로는 파악하기 어려운 관광지의 현재상황에 대해서도 실시간으로 파악할 수 있다. 이를 위해 세계 최대의 온라인 플랫폼인 TripAdvisor에서 서울 관광지 10곳에 대한 온라인 리뷰 총 29,467개에 대한 평점, 리뷰내용, 리뷰작성일에 대한 데이터를 수집하였다. 방문자 수는 관광지식정보시스템에서 제공하는 입국관광통계자료를 활용하였으며 온라인 리뷰에 대한 감성분석을 통해 리뷰의 감성값을 활용하여 감성의 강도차이를 반영하였다. 관광수요 예측모형을 구축하기 위해 ARIMA, 인공지능 기법, 딥러닝 기법을 적용하여 관광객 수만으로 구축한 예측모형과 온라인 리뷰정보가 반영된 예측모형의 성과를 비교하였다. 모형의 성과를 비교한 결과, 방문객 수로만 구축된 예측모형보다 온라인 리뷰의 정보를 반영하여 구축한 예측모형의 성과가 우수한 것으로 나타났으며 RNN을 적용한 딥러닝 기법에서 MAPE가 10.29%로 가장 우수하게 나타났다.

It is essential to predict tourism demands accurately because it is used as essential data for tourism product development and policy establishment. The existing tourism demand forecasting model was based on past time series data. In a rapidly changing tourism environment, a new demand forecasting method using various information is needed to predict demand more accurately. Therefore, in this study, online reviews of tourist destinations were applied to predict tourism demand. Since online reviews are written by tourists who have visited destinations and are based on their tourism experiences, they are recognized as new form of travel information by potential customers and they influence tourist destination selection. Besides, online reviews of tourist destinations can provide real-time information on the status of tourist destinations that is difficult to know from historical data. For this, TripAdvisor, the world"s largest online platform, collected data on ratings, review contents, and review submission dates for a total of 29,467 online reviews of ten tourist attractions in Seoul. For the number of visitors, statistical data provided by the Tourism Knowledge & Information System were used. Online reviews reflected the difference in sentiment intensity by using the review"s polarity value through sentiment analysis. Building a predicted tourism demand model applied the ARIMA, AI (Artificial Intelligence), and deep learning techniques such as RNN (Recurrent Neural Networks). The predicted model was divided into two types: the predictive model with only visitors and the predictive model with online review information. As a result of comparing the models’ performance, it was found that the performance of the prediction model built by reflecting the information from online reviews was superior to the prediction model built only with the number of visitors.

#Tourism demands #Prediction model #Sentiment analysis #Online review #Recurrent neural networks #관광수요 #예측모형 #감성분석 #온라인 리뷰 #순환신경망

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김은미

소속기관 국민대학교

주요연구분야 사회과학 > 관광학 공학 > 산업공학

논문수 5 이용수 2,612

이 논문과 함께 이용한 논문

온라인 리뷰 탐색이 화장품 구매의도에 미치는 영향

박은주 , 정유진 한국생활과학회지 2013 .04

텍스트마이닝 기법과 ARIMA 모형을 활용한 배달의 민족 앱 리뷰 분석

정지훈 , 정혜인 , 이준기 디지털콘텐츠학회논문지 2021 .02

국내 관광지 탐색 및 여행 후기 커뮤니티

조규철 , 김민호 한국컴퓨터정보학회 학술발표논문집 2024 .01

역사문화관광지 온라인 리뷰의 매력속성과 추천의도의 영향 관계 연구: 해석수준이론을 적용하여

장민희 , 고은희 호텔경영학연구 2023 .12

전문가조사(FGI) 기반, 관광도시 활성화를 위한 실증적 제언

곽강희 관광연구저널 2023 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)