کشف و تحلیل مناطق جذاب با استفاده از تصاویر دارای برچسب مکانی

گسترش فناوری های نوین در دستگاه های رقمی و ارتباطات باعث محبوبیت و فراگیر شدن شبکه های اجتماعی شده است. محتوای دارای برچسب مکانی با افزودن بعد جدیدی به شبکه های اجتماعی، امکان ارتباط بین فضای مجازی و واقعی را فراهم کرده اند. این تصاویر می توانند نشان دهنده ی تعامل کاربران با محیط باشند؛ به همین دلیل در کاربردهای فراوانی مثل کشف مناطق جذاب، مدیریت و برنامه ریزی شهری و توصیه به گردشگران می توانند مورداستفاده قرار گیرند. استفاده از تصاویر دارای برچسب مکانی نسبت به روش های سنتی مانند سرشماری و نظرسنجی به منظور کشف و تحلیل مناطق جذاب مزایایی مثل صرفه جویی در وقت و هزینه را دارند، از این رو موردتوجه محققان قرار گرفته اند. هدف این تحقیق کشف مناطق جذاب با استفاده از داده های دارای برچسب مکانی است، به گونه ای که از داده های توصیفی جهت بهبود خوشه های ایجادشده استفاده گردد و نتایج نسبت به روش های رایج پیشین بهبود یابد. همچنین استخراج اطلاعات معنایی مناسب و تحلیل در شرایط مختلف جهت شناخت مناطق جذاب و درک دلیل جذابیت آن ها از دیگر اهداف این تحقیق است. در این تحقیق از تصاویر دارای برچسب مکانی فلیکر که از شهر نیویورک، در بازه ی زمانی 2015 تا 2018 میلادی اخذ شده بودند، نوفه و افزونگی داده ها در مرحله ی پیش پردازش حذف شد. سپس با استفاده از روش HDBSCAN، داده ها خوشه بندی شدند و خوشه های مجاور که از نظر برچسب های متنی مشابه بودند، با یکدیگر ادغام شدند و 106 منطقه ی جذاب شناسایی شد. سپس سطح مقعری با استفاده از روش α-shape به نقاط برازش شد و اطلاعات معنایی شامل برچسب های متمایز، نام و دسته بندی برای مناطق جذاب انتخاب شد. آنگاه مناطق جذاب بر اساس نوع کاربران بازدیدکننده، میزان بازدید در شرایط بافت مختلف و احساسات کاربران تحلیل شدند. نتایج حاصل از ارزیابی نشان از کشف مناطق جذاب در اشکال، ابعاد و چگالی های مختلف است. این مناطق با 66 درصد از کل جاذبه های برتر TripAdvisor مطابقت داشته اند، درحالی که برای روش DBSCAN ساده 53 درصد مطابقت وجود داشته است. در مناطقی که با جاذبه های TripAdvisor هم پوشانی داشتند، نام گذاری آن ها 76 درصد مشابهت داشته است.