Математическое обеспечение управления коллаборативными процессами индустрии путешествий на основе данных социальных медиа тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат наук Мухина Ксения Дмитриевна
- Специальность ВАК РФ05.13.10
- Количество страниц 290
Оглавление диссертации кандидат наук Мухина Ксения Дмитриевна
ОГЛАВЛЕНИЕ
РЕФЕРАТ
SYNOPSIS
ВВЕДЕНИЕ
1 Обзор предметной области
1.1 Концепция умного туристического города
1.2 Системы управления туристической активностью
1.3 Методы решения задач ориентирования для туристических маршрутов
1.4 Методы поиска событий на основе данных социальных медиа
1.5 Общая модель туристической активности
2 Моделирование распространения информации среди туристов
2.1 Модель контактной сети туристической группы
2.2 Модель передачи информации в сети контактов
2.3 Классификация участников контактной сети на основе паттернов поведения
2.4 Экспериментальные исследования модели распространения информации
2.5 Выводы к главе
3 Метод идентификации событий в пространственных данных социальных медиа на основе адаптивных сеток
3.1 Метод обработки данных социальных медиа
3.2 Метод пространственного разбиения области на основе ретроспективной активности в социальных медиа
3.3 Метод определения событий в количественных адаптивных сетках
3.4 Экспериментальные исследования метода определения событий
3.5 Выводы к главе
4 Технология управления туристическими маршрутами в динамической среде
4.1 Постановка задачи ориентирования в условиях динамически изменяющейся среды
4.1.1 Функция оценки локаций для динамической задачи ориентирования
4.1.2 Метод решения задачи ориентирования
4.2 Система построения туристических маршрутов FOPS
4.3 Экспериментальные исследования возможностей FOPS
4.3.1 Объединение данных из разных источников
4.3.2 Обобщенные туристические маршруты
4.3.3 Построение пешеходных маршрутов с учетом контекста
4.3.4 Построение туристических маршрутов с учетом рекомендаций пользователей
4.4 Выводы к главе
5 Экспериментальные исследования управления туристической активностью в динамически изменяющейся городской среде
5.1 Извлечение публикаций туристов из социальных сетей, основанных на пространственных данных
5.2 Экспериментальное исследование метода распространения информации среди туристов с учетом событий
5.3 Экспериментальное исследование метода построения туристических маршрутов с учетом обмена информации между пользователями
5.4 Экспериментальное исследование метода построения туристических маршрутов на основе происходящих событий
5.5 Экспериментальные исследования качества туристических маршрутов
5.6 Выводы к главе
ЗАКЛЮЧЕНИЕ
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
Рекомендованный список диссертаций по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК
Метод и модели управления индивидуальными туристическими маршрутами на основе глубоких нейронных сетей2021 год, кандидат наук Михайлов Сергей Андреевич
Многомасштабное моделирование и прогнозирование информационных процессов в цифровых социальных системах2020 год, кандидат наук Северюхина Оксана Андреевна
Социальное конструирование достопримечательностей в туризме2005 год, кандидат социологических наук Отнюкова, Маринэ Сельбертовна
Архитектурно-ландшафтная организация туристических маршрутов: на примере города Москвы2010 год, кандидат архитектуры Дьяченко, Евгения Викторовна
Конкурентоспособность туристического бизнеса в России2004 год, кандидат экономических наук Саакян, Арсен Левонович
Введение диссертации (часть автореферата) на тему «Математическое обеспечение управления коллаборативными процессами индустрии путешествий на основе данных социальных медиа»
РЕФЕРАТ
Актуальность темы исследования связана с непрерывной цифровой трансформацией во всех сферах жизни в том числе и в индустрии путешествий. Это обусловлено тем, что туристические города находятся в условиях постоянной конкуренции друг с другом, стремясь повысить свою привлекательность для новых туристов и поднять уровень комфорта во время пребывания в городе, чтобы обеспечить поток возвращающихся туристов. Для достижения этой цели современный туристический город должен активно внедрять информационные технологии, в том числе повышать покрытие города беспроводным интернетом, обеспечивать доступ к данным о доступных культурных объектах и музеях с помощью информационных порталов и опорных пунктов, упрощать взаимодействие туристов с общественным транспортом с помощью онлайн табло и мобильных приложений. В России вопрос применения информационных технологий управления в туризме был исследован в работах А.Д. Чудновского, М.А. Жуковой, А.М. Ветитнева, С.П. Есауловой, В.А. Квартальнова и других. Несмотря на подробные исследования проблемы потребительской мотивации в туристической поездке и формирования конкурентоспособного туристического продукта с использованием современных информационных технологий, в настоящий момент отсутствуют решения, предполагающие взаимодействие туристов между собой в течение поездки. Правительственные программы, посвященные развитию туристического потенциала города, ориентированы на то, чтобы предоставить все услуги в одном месте или приложении, что приводит к обособленности туриста от других отдыхающих и жителей города. Тогда как зачастую, планируя свой отдых, туристы полагаются на информацию, предоставляемую другими туристами, изучая сайты с отзывами или тематические блоги. Имея возможность общаться друг с другом, туристы могут обогатить свой опыт, а также установить новые социальные контакты, что также повысит благоприятное впечатление от посещения города.
В то же время существующие информационно-аналитические системы, системы поддержки принятия решений для управления туристической активностью, а также методы и средства, лежащие в их основе, базируются на наперед заданном наборе критериев и используют статические данные. Однако, важнейшим объектом в такой системе является город, его достопримечательности, происходящие в нем события и объекты инфраструктуры, характеристики которых могут изменяться с течением времени, что приводит к устареванию критериев и критическому снижению качества принимаемых управленческих решений. Таким образом, приоритетной задачей становится разработка
специализированного математического обеспечения, как предполагающего взаимодействие между туристами, так и учитывающей динамический характер изменений в городе. Для этого необходимо разрабатывать специальные методы, предусматривающие адаптацию получаемых решений при условии постоянного изменения состояния среды и при возможной коллаборации пользователей.
Целью диссертационной работы является повышение качества планирования туристической активности посредством разработки математических моделей, методов и алгоритмов для генерации туристических маршрутов, учитывающих динамически изменяющееся состояние городской среды и взаимодействие между пользователями.
Для достижения цели в ходе диссертационного исследования решаются следующие задачи:
- обоснование требований к математическому обеспечению для управления туристической активностью в динамически изменяющейся городской среде на основе обзора текущего состояния предметной области;
- разработка модели взаимодействия пользователей и передачи информации между ними;
- разработка метода извлечения событий на основе анализа ретроспективных и потоковых данных социальных сетей;
- формализация задачи ориентирования, учитывающей динамические события и взаимодействия между пользователями;
- разработка метода и алгоритма для решения соответствующей задачи ориентирования, а также их программная реализация;
- экспериментальные исследования разработанных методов и алгоритмов управления процессами индустрии путешествий для характерных сценариев проектирования туристических маршрутов.
Научная новизна обусловлена комплексным подходом к решению задачи управления туристической активностью в условиях динамически изменяющейся городской среды с учетом обмена информацией между туристами и представителями индустрии путешествий Для этого предложены новые методы и модели идентификации привлекательных для туристов событий в городской среде по косвенным данным, оценки информированности туристов об этих событиях, а также планирования соответствующих туристических маршрутов.
Теоретическая значимость работы заключается в расширении математического и алгоритмического аппарата для создания проблемно-ориентированных систем поддержки
принятия решений для управления процессами, обусловленными мобильностью населения в городской среде, при фрагментарной наблюдаемости влияющих на них событий.
Практическую значимость работы составляют следующие программные системы:
1. Программный комплекс автоматизированного решения многокритериальных задач ориентирования в пространстве (FOPS), предназначенный для построения туристических маршрутов;
2. Программа для построения адаптивных пространственных сеток на основе свёрточных деревьев квадрантов (AdaptiveGrid), предназначенная для использования в рамках комплекса обнаружения массовых событий;
3. Программный комплекс автоматической идентификации событий в городской среде на основе данных из социальных сетей (GridEventDetection);
4. Программа прогнозирования состояния городской среды на основе данных социальных сетей с использованием методов глубокого обучения. Разработанные системы внедрены при проведении международного эксперимента
Кумбха-Мела (Удджайн, Индия) и в деятельности ООО "МЭЙЛ.РУ". Основные положения, выносимые на защиту:
1) динамическая модель передачи информации среди туристов о событиях различной значимости посредством звонков и мгновенных сообщений, позволяющая оценить событийную осведомленность клиентов при различном числе представителей индустрии путешествий в контактной сети;
2) метод обнаружения массовых событий в городской среде на основе адаптивных пространственных сеток в форме сверточных деревьев, предназначенный для выявления негативных и позитивных событий, влияющих на туристический опыт;
3) метод построения туристических маршрутов с учетом динамически изменяющейся городской среды и обмена информацией, позволяющий рекомендовать клиентам привлекательные пешеходные путешествия на основе решения задачи ориентирования.
Внедрение результатов работы. Результаты диссертационного исследования были использованы в рамках проектов Национального центра когнитивных разработок, а также при выполнении следующих проектов: соглашение №18-71-00149 от 06.08.2018 г. «Разработка интеллектуальных методов прогнозирования изменения состояния городской среды на основе большого объема разнородных данных»; соглашение №18-37-00076\18 от 27.03.2018 г. «Разработка методов поиска и идентификации событий с помощью адаптивных пространственных сеток»; в рамках международного эксперимента Кумбха-Мела (The Kumbh Mela Experiment).
Степень достоверности и апробация результатов. Степень достоверности научных достижений подтверждается корректным использованием методов, обоснованием постановки задач, экспериментальными исследованиями, покрывающими разработанные технологии и алгоритмы. Основные результаты исследования были представлены на следующих международных конференциях:
- International Conference on Computational Science 2016, ICCS 2016, 6-8 June 2016, San Diego, California, USA;
- 5th International Young Scientist Conference on Computational Science, YSC 2016, 2628 October 2016, Krakow, Poland;
- International Conference on Computational Science, ICCS 2017, 12-14 June 2017, Zurich, Switzerland;
- The 23rd Conference of Open Innovations Association FRUCT, 13-16 November 2018, Bologna, Italy;
- NetGloW 2018 (Networks in the Global World), 4-6 July, Saint Petersburg, Russia;
- 26th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (ACM SIGSPATIAL 2018), 6-9 November 2018, Seattle, Washington, USA;
- 8th International Young Scientists Conference on Computational Science, YSC2019, 2428 June 2019, Heraklion, Greece;
- 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (ACM SIGSPATIAL 2019), 5-8 November 2019, Chicago, Illinois, USA.
По результатам, представленным в диссертации было получено 4 свидетельства о регистрации программ для ЭВМ и опубликовано 10 статей в рецензируемых научных журналах, входящих в международные реферативные базы данных и системы цитирования Scopus и Web of Science, и 1 статья в журнале, входящим в перечень российских рецензируемых журналов. Полученные научные результаты соответствуют пункту 9 паспорта специальности 05.13.10 «Управление в социальных и экономических системах».
Похожие диссертационные работы по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК
Теоретические и методологические основы стратегического управления развитием региональной туристической отрасли и ее продвижением на внутреннем и международном рынках туристических услуг2011 год, доктор экономических наук Орджоникидзе, Марианна Марговна
Клиентоориентированные стратегии на рынке китайского выездного туризма: на примере российских компаний2007 год, кандидат экономических наук Блинова, Екатерина Артуровна
Анализ и организация продвижения туристических услуг на рынок1996 год, кандидат экономических наук Молчанова, Винера Фавиловна
Архитектоника социального пространства2004 год, доктор социологических наук Черняева, Татьяна Ивановна
Современное состояние и перспективы экотуризма в Иране2012 год, кандидат географических наук Голамхассан Хейдари
Заключение диссертации по теме «Управление в социальных и экономических системах», Мухина Ксения Дмитриевна
ЗАКЛЮЧЕНИЕ
В ходе выполнения диссертационного исследования было:
- на основе проведенного аналитического обзора сформулированы и обоснованы требования к математическому обеспечению для управления туристической активностью в динамически изменяющейся городской среде;
- разработана динамическая модель передачи информации среди туристов о событиях различной значимости посредством звонков и мгновенных сообщений, позволяющая оценить событийную осведомленность клиентов при различном числе представителей индустрии путешествий в контактной сети;
- разработан метод обнаружения массовых событий в городской среде на основе адаптивных пространственных сеток в форме сверточных деревьев, предназначенный для выявления негативных и позитивных событий, влияющих на туристический опыт;
- сформулирована и решена задача ориентирования с функциональной зависимостью оценки локации, которая учитывает динамически изменяющуюся городскую среду и обмен информацией между туристами и представителями индустрии путешествий;
- разработаны и экспериментально исследованы методы и алгоритмы для решения задачи ориентирования с функциональной зависимостью оценки локации. Проведены экспериментальные исследования, демонстрирующие что до 84% пользователей предпочитают рекомендации маршрутов, полученные с помощью предложенных методов и алгоритмов, существующим экспертным рекомендациям.
Развитие темы диссертационного исследования возможно в направлении расширения предложенной задачи ориентирования для построения тематических маршрутов. Представленная модель распространения информации в контактной сети может быть дополнена с помощью учета дополнительных механизмов взаимодействия между пользователями.
Список литературы диссертационного исследования кандидат наук Мухина Ксения Дмитриевна, 2019 год
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Abdelhaq H., Gertz M., Armiti A. Efficient online extraction of keywords for localized events in twitter // GeoInformatica. 2017. № 2 (21). C. 365-388.
2. Aksen D., Shahmanzari M. A Periodic Traveling Politician Problem with Time-Dependent Rewards под ред. A. Fink, A. Fugenschuh, M. Geiger, Springer, Cham, 2018. 277283 с.
3. Anagnostopoulos A. [и др.]. Tour recommendation for groups // Data Mining and Knowledge Discovery. 2017. № 5 (31). C. 1157-1188.
4. Atefeh F., Khreich W. A survey of techniques for event detection in Twitter // Computational Intelligence. 2015. № 1 (31). C. 133-164.
5. Baffo I., Carotenuto P., Rondine S. An orienteering-based approach to manage emergency situation // Transportation Research Procedia. 2017. № 00 (22). C. 297-304.
6. Bao J. [и др.]. Recommendations in location-based social networks: a survey // GeoInformatica. 2015. № 3 (19). C. 525-565.
7. Barabasi A.L., Albert R. Emergence of scaling in random networks // The Structure and Dynamics of Networks. 2011. № 5439 (9781400841). C. 349-352.
8. Boettcher A., Lee D. EventRadar: A real-time local event detection scheme using Twitter stream // Proceedings - 2012 IEEE Int. Conf. on Green Computing and Communications, GreenCom 2012, Conf. on Internet of Things, iThings 2012 and Conf. on Cyber, Physical and Social Computing, CPSCom 2012. 2012. C. 358-367.
9. Borras J., Moreno A., Valls A. Intelligent tourism recommender systems: A survey // Expert Systems with Applications. 2014. № 16 (41). C. 7370-7389.
10. Brilhante I. [и др.]. Where shall we go today? Planning touristic tours with TripBuilder // International Conference on Information and Knowledge Management, Proceedings. 2013. C. 757-762.
11. Brilhante I.R. [и др.]. On planning sightseeing tours with TripBuilder // Information Processing and Management. 2015. № 2 (51). C. 1-15.
12. Broido A.D., Clauset A. Scale-free networks are rare // Nature Communications. 2019. № 1 (10). C. 1-10.
13. Buhalis D., Amaranggana A. Smart Tourism Destinations Enhancing Tourism Experience Through Personalisation of Services под ред. I. Tussyadiah, A. Inversini, 2015. 377389 с.
14. Burton S.H. [и др.]. «Right time, right place» health communication on Twitter: Value and accuracy of location information // Journal of Medical Internet Research. 2012. № 6 (14). C.
1-11.
15. Campagna M. Social Media Geographic Information: Why social is special when it goes spatial? // European Handbook of Crowdsourced Geographic Information. 2016. C. 45-54.
16. Cao T., Nguyen Q. Semantic approach to travel information search and itinerary recommendation // International Journal of Web Information Systems. 2012. № 3 (8). C. 256-277.
17. Chekuri C., Pal M. A recursive greedy algorithm for walks in directed graphs // Proceedings - Annual IEEE Symposium on Foundations of Computer Science, FOCS. 2005. (2005). C. 245-253.
18. Chen C. [h gp.]. TripPlanner: Personalized trip planning leveraging heterogeneous crowdsourced digital footprints // IEEE Transactions on Intelligent Transportation Systems. 2015. № 3 (16). C. 1259-1273.
19. Cheng A.J. [h gp.]. Personalized travel recommendation by mining people attributes from community-contributed photos // MM'11 - Proceedings of the 2011 ACM Multimedia Conference and Co-Located Workshops. 2011. C. 83-92.
20. Choudhury M. De [h gp.]. Automatic construction of travel itineraries using social breadcrumbs // HT'10 - Proceedings of the 21st ACM Conference on Hypertext and Hypermedia. 2010. C. 35-44.
21. Cramer H., Rost M., Holmquist L.E. Performing a check-in: Emerging practices, norms and «conflicts» in location-sharing using foursquare // Mobile HCI 2011 - 13 th International Conference on Human-Computer Interaction with Mobile Devices and Services. 2011. C. 57-66.
22. Davies D.L., Bouldin D.W. A Cluster Separation Measure // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1979. № 2 (PAMI-1). C. 224-227.
23. Dodds P.S., Muhamad R., Watts D.J. An experimental study of search in global social networks // Science. 2003. № 5634 (301). C. 827-829.
24. Dorogovtsev S.N., Mendes J.F.F. Evolution of Networks: From Biological Nets to the Internet and WWW / S.N. Dorogovtsev, J.F.F. Mendes, Oxford Scholarship, 2003. 280 c.
25. Dunn J.C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters // Journal of Cybernetics. 1973. № 3 (3). C. 32-57.
26. Dzogang F., Lansdall-Welfare T., Cristianini N. Seasonal Fluctuations in Collective Mood Revealed by Wikipedia Searches and Twitter Posts // IEEE International Conference on Data Mining Workshops, ICDMW. 2017. C. 931-937.
27. Egele M. [h gp.]. Towards Detecting Compromised Accounts on Social Networks // IEEE Transactions on Dependable and Secure Computing. 2017. № 4 (14). C. 447-460.
28. Erdogan G., Laporte G. The orienteering problem with variable profits // Networks. 2013. № 2 (61). C. 104-116.
29. Erdos P., Rényi A. On Random Graphs // Publicationes Mathematicae. 1959. (6). C. 290-297.
30. Fang S.H., Lu E.H.C., Tseng V.S. Trip recommendation with multiple user constraints by integrating point-of-interests and travel packages // Proceedings - IEEE International Conference on Mobile Data Management. 2014. (1). C. 33-42.
31. Farseev A. [h gp.]. Cross-social network collaborative recommendation // Proceedings of the 2015 ACM Web Science Conference. 2015. C. 2-3.
32. Farseev A. [h gp.]. Cross-domain recommendation via clustering on multi-layer graphs // SIGIR 2017 - Proceedings of the 40th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2017. (10). C. 195-204.
33. Finkel R.A., Bentley J.L. Quad trees a data structure for retrieval on composite keys // Acta Informatica. 1974. № 1 (4). C. 1-9.
34. Fiori K.L., Antonucci T.C., Cortina K.S. Social network typologies and mental health among older adults // Journals of Gerontology - Series B Psychological Sciences and Social Sciences. 2006. № 1 (61). C. 25-32.
35. Fomin F. V., Lingas A. Approximation algorithms for time-dependent orienteering // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2001. № 2 (2138). C. 508-515.
36. Freeman N.K., Keskin B.B., Çapar i. Attractive orienteering problem with proximity and timing interactions // European Journal of Operational Research. 2018. № 1 (266). C. 354370.
37. Fu C.Y. [h gp.]. TravelBuddy: Interactive travel route recommendation with a visual scene interface // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2014. № PART 1 (8325). C. 219230.
38. Fuchs M., Hopken W. E-Business horizons in the tourism industry -Challenges for research and practice nog peg. K. Sidali, A. Spiller, S. B., Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. 140-160 c.
39. Fuchs M., Hopken W., Lexhagen M. Big data analytics for knowledge generation in tourism destinations - A case from Sweden // Journal of Destination Marketing and Management. 2014. № 4 (3). C. 198-209.
40. Garimella K., Tyson G. WhatsApp, doc? A first look at whatsapp public group data // 12th International AAAI Conference on Web and Social Media, ICWSM 2018. 2018. C. 511-517.
41. Gavalas D. [h gp.]. Mobile recommender systems in tourism // Journal of Network and Computer Applications. 2014. № 1 (39). C. 319-333.
42. Gavalas D. [и др.]. A survey on algorithmic approaches for solving tourist trip design problems // Journal of Heuristics. 2014. № 3 (20). C. 291-328.
43. Gavalas D. [и др.]. Scenic route planning for tourists // Personal and Ubiquitous Computing. 2017. № 1 (21). C. 137-155.
44. Gavalas D. TouristHub Project [Электронный ресурс]. URL: https://touristhub-project.aegean.gr/en/contact-en/ (дата обращения: 13.05.2019).
45. Geem Z.W., Tseng C.L., Park Y. Harmony search for generalized orienteering problem: Best touring in China // Lecture Notes in Computer Science. 2005. № PART III (3612). C. 741750.
46. Gendreau M., Laporte G., Semet F. A branch-and-cut algorithm for the undirected selective traveling salesman problem // Networks. 1998. № 4 (32). C. 263-273.
47. Getz D. Event tourism: Definition, evolution, and research // Tourism Management. 2008. № 3 (29). C. 403-428.
48. Getz D., Page S.J. Progress and prospects for event tourism research // Tourism Management. 2014. (52). C. 593-631.
49. Girardin F. [и др.]. Leveraging explicitly disclosed location information to understand tourist dynamics: A case study // Journal of Location Based Services. 2008. № 1 (2). C. 41-56.
50. Giridhar P. [и др.]. On localizing urban events with Instagram // IEEE INFOCOM 2017 - IEEE Conference on Computer Communications. 2017. C. 1-9.
51. Giridhar P. [и др.]. Social Fusion: Integrating Twitter and Instagram for Event Monitoring // Proceedings - 2017 IEEE International Conference on Autonomic Computing, ICAC 2017. 2017. C. 1 -10.
52. Girvan M., Newman M.E.J. Community structure in social and biological networks // Proceedings of the National Academy of Sciences of the United States of America. 2002. № 12 (99). C. 7821-7826.
53. Golden B., Levy L., Dahl R. Two generalizations of the traveling salesman problem // Omega. 1981. № 4 (9). C. 439-441.
54. Golden B.L., Levy L., Vohra R. The orienteering problem // Naval Research Logistics (NRL). 1987. № 3 (34). C. 307-318.
55. Gunawan A., Lau H.C., Vansteenwegen P. Orienteering Problem: A survey of recent variants, solution approaches and applications // European Journal of Operational Research. 2016. № 2 (255). C. 315-332.
56. Guttman A. R-trees: A dynamic index structure for spatial searching // Proceedings of the ACM SIGMOD International Conference on Management of Data. 1984. C. 47-57.
57. Herrera-Yague C. [и др.]. The anatomy of urban social networks and its implications
in the searchability problem // Scientific Reports. 2015. (5). C. 1-27.
58. Hochman N., Manovich L. Zooming into an Instagram City: Reading the local through social media // First Monday. 2013. № 7 (18). C. 1-40.
59. Huang H. Context-aware location recommendation using geotagged photos in social media // ISPRS International Journal of Geo-Information. 2016. № 11 (5). C. 1-19.
60. Jain A.K. Data clustering: 50 years beyond K-means // Pattern Recognition Letters. 2010. № 8 (31). C. 651-666.
61. Jin X. [h gp.]. Significance and Challenges of Big Data Research // Big Data Research. 2015. № 2 (2). C. 59-64.
62. Kadar B., Gede M. Where Do Tourists Go? Visualizing and Analyzing the Spatial Distribution of Geotagged Photography // Cartographica. 2013. № 2 (48). C. 78-88.
63. Kara I., Bicakci P.S., Derya T. New Formulations for the Orienteering Problem // Procedia Economics and Finance. 2016. (39). C. 849-854.
64. Karsai M. [h gp.]. Small But Slow World: How Network Topology and Burstiness Slow Down Spreading 2010. C. 1-4.
65. Khelil A. [h gp.]. An epidemic model for information diffusion in MANETs // Proceedings of the International Workshop on Modeling, Analysis and Simulation of Wireless and Mobile Systems. 2002. C. 54-60.
66. Kobeaga G., Merino M., Lozano J.A. An efficient evolutionary algorithm for the orienteering problem // Computers & Operations Research. 2018. (90). C. 42-59.
67. Korakakis M., Mylonas P., Spyrou E. Xenia: A context aware tour recommendation system based on social network metadata information // Proceedings - 11th International Workshop on Semantic and Social Media Adaptation and Personalization, SMAP 2016. 2016. C. 59-64.
68. Krumm J., Horvitz E. Eyewitness: Identifying local events via space-time signals in Twitter feeds // GIS: Proceedings of the ACM International Symposium on Advances in Geographic Information Systems. 2015. C. 1-10.
69. Kulakov K., Shabaev A. An approach to creation of smart space-based trip planning service // Conference of Open Innovation Association, FRUCT. 2014. C. 38-44.
70. Laestadius L. lnstagram nog peg. L. Sloan, A. Quan-Haase, SAGE Publishing, 2017. 573-592 c.
71. Lamsfus C. [h gp.]. Human-centric ontology-based context modelling in tourism // KEOD 2009 - 1st International Conference on Knowledge Engineering and Ontology Development, Proceedings. 2009. (64). C. 424-434.
72. Laporte G., Martello S. The selective travelling salesman problem // Discrete Applied
Mathematics. 1990. № 2-3 (26). C. 193-207.
73. Lee R., Wakamiya S., Sumiya K. Discovery of unusual regional social activities using geo-tagged microblogs // World Wide Web. 2011. № 4 (14). C. 321-349.
74. Li X.R. [и др.]. A systematic comparison of first-time and repeat visitors via a two-phase online survey // Tourism Management. 2008. № 2 (29). C. 278-293.
75. Lim B.H. [и др.]. #mytweet via Instagram: Exploring user behaviour across multiple social networks // Proceedings of the 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, ASONAM 2015. 2015. C. 113-120.
76. Lim K.H. [и др.]. Personalized itinerary recommendation with queuing time awareness // SIGIR 2017 - Proceedings of the 40th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2017. C. 325-334.
77. Liu C., Zhang Z.K. Information spreading on dynamic social networks // Communications in Nonlinear Science and Numerical Simulation. 2014. № 4 (19). C. 896-904.
78. López De Ávila A. [и др.]. Smart Destinations Report: building the future / A. López De Ávila, E. Lancis, S. García, A. Alcantud, B. García [и др.]., Madrid, Spain:, 2015. 207 c.
79. Lu E.H.C., Lin C.Y., Tseng V.S. Trip-mine: An efficient trip planning approach with travel time constraints // Proceedings - IEEE International Conference on Mobile Data Management. 2011. (1). C. 152-161.
80. Lu X. [и др.]. Photo2Trip: Generating travel routes from geo-tagged photos for trip planning // MM'10 - Proceedings of the ACM Multimedia 2010 International Conference. 2010. C.143-152.
81. Majid A. [и др.]. A context-aware personalized travel recommendation system based on geotagged social media data mining // International Journal of Geographical Information Science. 2013. № 4 (27). C. 662-684.
82. Manikonda L., Hu Y., Kambhampati S. Analyzing User Activities, Demographics, Social Network Structure and User-Generated Content on Instagram // arXiv. 2014. C. 1-5.
83. Marco Dorigo, Mauro Birattari T.S. Ant Colony Optimization . A Computational Intelligence Technique // IEEE Computational Intelligence Magazine. 2006. № 4 (1). C. 28-39.
84. Mariani M. [и др.]. Business intelligence and big data in hospitality and tourism: a systematic literature review // International Journal of Contemporary Hospitality Management. 2018. № 12 (30). C. 3514-3554.
85. McDiarmid A. [и др.]. Nodobo: Detailed Mobile Phone Usage Dataset // Nodobo.Com [Электронный ресурс]. URL: http://nodobo.com/papers/iet-el.pdf (дата обращения: 21.06.2018).
86. Memon I. [и др.]. Travel Recommendation Using Geo-tagged Photos in Social Media
for Tourist // Wireless Personal Communications. 2015. № 4 (80). C. 1347-1362.
87. Morrisonn A.M. [h gp.]. Predicting Usage of the Internet for Travel Bookings: An Exploratory Study // Information Technology & Tourism. 2012. № 1 (4). C. 15-30.
88. Moussai'd M. [h gp.]. The walking behaviour of pedestrian social groups and its impact on crowd dynamics // PLoS ONE. 2010. № 4 (5). C. 1-7.
89. Mukhina K.D. [h gp.]. Technologies of cognitive visualization of temporal complex networks // Izvestiä vyssih ucebnyh zavedenij. Priborostroenie. 2017. № 3 (60). C. 195-203.
90. Mukhina K.D. [h gp.]. Forecasting of the Urban Area State Using Convolutional Neural Networks // 2018 23rd Conference of Open Innovations Association (FRUCT). 2018. (2018-Novem). C. 268-275.
91. Mukhina K.D. [h gp.]. Intelligent sightseeing in immensely manifold cities: a case of 2018 FIFA World Cup host cities // Proceedings of the 3rd ACM SIGSPATIAL International Workshop on Location-based Recommendations, Geosocial Networks and Geoadvertising. 2019. (1). C. 1 -10.
92. Mukhina K.D., Rakitin S. V., Visheratin A.A. Detection of tourists attraction points using Instagram profiles // Procedia Computer Science. 2017. (108). C. 2378-2382.
93. Mukhina K.D., Visheratin A.A., Nasonov D. Building City-Scale Walking Itineraries Using Large Geospatial Datasets // Conference of Open Innovation Association, FRUCT. 2018. (2018-Novem). C. 261-267.
94. Mukhina K.D., Visheratin A.A., Nasonov D. Urban events prediction via convolutional neural networks and Instagram data // Procedia Computer Science. 2019. (156). C. 176-184.
95. Mukhina K.D., Visheratin A.A., Nasonov D. Orienteering Problem with Functional Profits for multi-source dynamic path construction // PLoS ONE. 2019. № 4 (14). C. 1-15.
96. Newman M.E.J. Assortative Mixing in Networks // Physical Review Letters. 2002. № 20 (89). C. 208701:1-208701:4.
97. Newman M.E.J. Networks. An introduction / M.E.J. Newman, Oxford University Press, 2010. 772 c.
98. Newman M.E.J., Watts D.J. Scaling and percolation in the small-world network model // Phys. Rev. E. 1999. № 6 (60). C. 7332-7342.
99. Okuyama K., Yanai K. A travel planning system based on travel trajectories extracted from a large number of geotagged photos on the Web nog peg. S.J. Jesse, X. Changsheng, X. Min, Springer-Verlag New York, 2013. 657-670 c.
100. Oliveira E., Brilhante I.R., Macedo J.A.F. De TrajectMe: planning sightseeing tours with hotel selection from trajectory data // LocalRec 2018 - Proceedings of the 2nd ACM SIGSPATIAL International Workshop on Recommendations for Location-Based Services and
Social Networks. 2018. C. 1-10.
101. Osborne M. [и др.]. Real-Time Detection, Tracking, and Monitoring of Automatically Discovered Events in Social Media // The 52nd annual meeting of the Association for Computational Linguistics (ACL). 2015. C. 37-42.
102. Pantano E., Priporas C.-V., Stylos N. 'You will like it!' using open data to predict tourists' response to a tourist attraction // Tourism Management. 2017. (60). C. 430-438.
103. Petkos G. [и др.]. Social event detection at MediaEval: a three-year retrospect of tasks and results // Proceedings of the ACM ICMR 2014 Workshop on Social Events in Web Multimedia. 2014. C. 1-8.
104. Pietz J., Royset J.O. Generalized orienteering problem with resource dependent rewards // Naval Research Logistics. 2013. № 4 (60). C. 294-312.
105. Quercia D., Schifanella R., Aiello L.M. The shortest path to happiness: Recommending beautiful, quiet, and happy routes in the city // HT 2014 - Proceedings of the 25th ACM Conference on Hypertext and Social Media. 2014. C. 116-125.
106. Refanidis I. [и др.]. myVisitPlannerGR: Personalized itinerary planning system for tourism // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2014. (8445). C. 615-629.
107. Reimann M., Doerner K., Hartl R.F. D-Ants: Savings Based Ants divide and conquer the vehicle routing problem // Computers & Operations Research. 2004. № 4 (31). C. 563-591.
108. Rosenwein M., Kantor G., Moshe B. The Orienteering Problem with Time Windows // Journal of the Operational Research Society. 1992. № 6 (43). C. 629-635.
109. Rousseeuw P.J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis // Journal of Computational and Applied Mathematics. 1987. № C (20). C. 53-65.
110. RoutePerfect Tour Planner - Plan a Perfect Trip with Our Itinerary Planner [Электронный ресурс]. URL: https://www.routeperfect.com/trip-planner (дата обращения: 13.05.2019).
111. Sakaki T., Okazaki M., Matsuo Y. Earthquake shakes Twitter users: Real-time event detection by social sensors // Proceedings of the 19th International Conference on World Wide Web, WWW '10. 2010. C. 851-860.
112. Schilde M. [и др.]. Metaheuristics for the bi-objective orienteering problem // Swarm Intelligence. 2009. № 3 (3). C. 179-201.
113. Secundo G. [и др.]. Intellectual capital in the age of Big Data: establishing a research agenda // Journal of Intellectual Capital. 2017. № 2 (18). C. 242-261.
114. Silva T.H. [и др.]. A comparison of Foursquare and Instagram to the study of city dynamics and urban social behaviour // Proceedings of the 2nd ACM SIGKDD International
Workshop on Urban Computing - UrbComp '13. 2013. C. 1-8.
115. Stone M.J. Eat there! Shop here! Visit that! Presenting the city in mass media travel writing // Current Issues in Tourism. 2018. № 9 (21). C. 998-1013.
116. Sun Y. [и др.]. Road-based travel recommendation using geo-tagged images // Computers, Environment and Urban Systems. 2015. (53). C. 110-122.
117. Tang J. [и др.]. Social influence analysis in large-scale networks // Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2009. C. 807-815.
118. Thomaz G.M. [и др.]. Content mining framework in social media: A FIFA world cup 2014 case analysis // Information and Management. 2017. № 6 (54). C. 786-801.
119. Tiefenbacher J.P., Day F.A., Walton J.A. Attributes of repeat visitors to small tourist-oriented communities // The Social Science Journal. 2000. № 2 (37). C. 299-308.
120. Travefy Inc. Travel Itinerary Builder - Online Trip Planner | Travefy [Электронный ресурс]. URL: https://hello.travefy.com/travel-itinerary-builder/ (дата обращения: 13.05.2019).
121. Trofimenko T.B., Mukhina K.D., Visheratin A.A. Mobile contacts network reconstruction using call domain records data // Proceedings - 2016 3rd European Network Intelligence Conference, ENIC 2016. 2016. C. 55-60.
122. Trusov M., Bodapati A. V, Bucklin R.E. Determining influential users in internet social networks // Journal of Marketing Research. 2010. № 4 (47). C. 643-658.
123. Tsiligirides T. Heuristic methods applied to orienteering // Journal of the Operational Research Society. 1984. № 9 (35). C. 797-809.
124. Tu Q., Liu A. Framework of Smart Tourism Research and Related Progress in China // Proceedings of the International Conference on Management and Engineering (CME 2014). 2014. C. 140-146.
125. Vansteenwegen P. [и др.]. The city trip planner: An expert system for tourists // Expert Systems with Applications. 2011. № 6 (38). C. 6540-6546.
126. Vansteenwegen P., Souffriau W., Oudheusden D. Van The orienteering problem: A survey // European Journal of Operational Research. 2011. № 1 (209). C. 1-10.
127. Varol O. [и др.]. Online human-bot interactions: Detection, estimation, and characterization // Proceedings of the 11th International Conference on Web and Social Media, ICWSM 2017. 2017. C. 280-289.
128. Vasavada D.M., Padhiyar Y.J. «Smart Tourism» : Growth for Tomorrow // Journal for Research. 2016. № 12 (01). C. 55-61.
129. Vecchio P. Del [и др.]. Creating value from Social Big Data: Implications for Smart Tourism Destinations // Information Processing and Management. 2018. № 5 (54). C. 847-860.
130. Verbeeck C., Vansteenwegen P., Aghezzaf E.H. The time-dependent orienteering problem with time windows: a fast ant colony system // Annals of Operations Research. 2017. № 1-2 (254). C. 481-505.
131. Visheratin A.A. [h gp.]. Urgent information spreading multi-layer model for simulation in mobile networks // Procedia Computer Science. 2016. (80). C. 2086-2097.
132. Visheratin A.A. [h gp.]. A multi-layer model for diffusion of urgent information in mobile networks // Journal of Computational Science. 2017. (20). C. 129-142.
133. Visheratin A.A. [h gp.]. Multiscale event detection using convolutional quadtrees and adaptive geogrids // Proceedings of the 2nd ACM SIGSPATIAL International Workshop on Analytics for Local Events and News, LENS 2018. 2018. C. 1:1--1:10.
134. Walther M., Kaisser M. Geo-spatial event detection in the Twitter stream // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2013. (7814). C. 356-367.
135. Wang X.F., Chen G. Complex networks: Small-world, scale-free and beyond // IEEE Circuits and Systems Magazine. 2003. № 1 (3). C. 6-20.
136. Watts D.J., Strogatz S.H. Collective dynamics of «small-world» networks. // Nature. 1998. (393). C. 440-442.
137. Wilken R. Places nearby: Facebook as a location-based social media platform // New Media and Society. 2014. № 7 (16). C. 1087-1103.
138. Worndl W., Hefele A., Herzog D. Recommending a sequence of interesting places for tourist trips // Information Technology and Tourism. 2017. № 1 (17). C. 31-54.
139. Xu D., Tian Y. A Comprehensive Survey of Clustering Algorithms // Annals of Data Science. 2015. № 2 (2). C. 165-193.
140. Yang K. [h gp.]. Arming the public with artificial intelligence to counter social bots // Human Behavior and Emerging Technologies. 2019. № 1 (1). C. 48-61.
141. Yeoman I. A futurist's thoughts on consumer trends shaping future festivals and events // International Journal of Event and Festival Management. 2013. № 3 (4). C. 249-260.
142. Yu V.F. [h gp.]. Team orienteering problem with time windows and time-dependent scores // Computers and Industrial Engineering. 2019. (127). C. 213-224.
143. Zhang C. [h gp.]. GeoBurst: Real-time local event detection in geo-tagged tweet streams // SIGIR 2016 - Proceedings of the 39th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2016. C. 513-522.
144. Zhang C. [h gp.]. TrioVecEvent: Embedding-based online local event detection in geo-tagged tweet streams // Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2017. C. 595-604.
145. Zhang C. [и др.]. GeoBurst+: Effective and real-time local event detection in geotagged tweet streams // ACM Transactions on Intelligent Systems and Technology. 2018. № 3 (9). C. 1-24.
ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
Научные издания, входящие в международные реферативные базы данных и системы цитирования:
1. Mukhina, K.D. Orienteering Problem with Functional Profits for multi-source dynamic path construction / K.D. Mukhina, A.A. Visheratin, D. Nasonov // PLoS ONE. - 2019. -Vol. 14. - № 4. - Pp. 1-15
2. Mukhina, K.D. Intelligent sightseeing in immensely manifold cities: case of 2018 FIFA world cup host cities / K.D. Mukhina, A.A. Visheratin, D. Nasonov, L. Manovich // Proceeding LocalRec '19 Proceedings of the 3rd ACM SIGSPATIAL International Workshop on Location-based Recommendations, Geosocial Networks and Geoadvertising. - 2019. - Pp. 1-10
3. Mukhina, K.D. Building City-Scale Walking Itineraries Using Large Geospatial Datasets / K.D. Mukhina, A.A. Visheratin, D. Nasonov // Proceedings of the 23rd Conference of Open Innovations Association FRUCT. - 2018. - Pp. 261-267
4. Visheratin, A.A. Multiscale event detection using convolutional quadtrees and adaptive geogrids / A.A. Visheratin, K.D. Mukhina, A.K. Visheratina, D. Nasonov, A.V. Boukhanovsky // 2nd ACM SIGSPATIAL International Workshop on Analytics for Local Events and News, LENS 2018. - 2018. - Pp. 1-10
5. Mukhina, K.D. Urban events prediction via convolutional neural networks and Instagram data / K.D. Mukhina, A.A. Visheratin, D. Nasonov // Procedia Computer Science. - 2019. - Vol. 156. - Pp. 176-185
6. Mukhina, K.D. Forecasting of the Urban Area State Using Convolutional Neural Networks / K.D. Mukhina, A.A. Visheratin, G. Mbogo, D. Nasonov // Proceedings of the 23rd Conference of Open Innovations Association FRUCT. - 2018. - Pp. 268-275
7. Visheratin, A.A. A multi-layer model for diffusion of urgent information in mobile networks / A.A. Visheratin, T.B. Trofimenko, K.D. Mukhina, D.A. Nasonov, A.V. Boukhanovsky // Journal of Computational Science. - 2017. - Vol. 20. - Pp. 129-142
8. Mukhina K.D., Rakitin S.V., Visheratin A.A. Detection of tourists attraction points using Instagram profiles//Procedia Computer Science, IET - 2017, Vol. 108. - Pp. 2378-2382
9. Visheratin, A.A. Urgent information spreading multi-layer model for simulation in mobile networks / A.A. Visheratin, T.B. Trofimenko, K.D. Mukhina, D.A. Nasonov, A.V. Boukhanovsky // Procedia Computer Science. - 2016. - Vol. 80. - Pp. 2086-2097
10. Trofimenko, T.B. Mobile contacts network reconstruction using call domain records data / T.B. Trofimenko, K.D. Mukhina, A.A. Visheratin // Proceedings - 2016 3rd European Network Intelligence Conference, ENIC 2016. - 2016. - Pp. 55-60
Научные издания, входящие в перечень российских рецензируемых журналов:
11. Мухина, К.Д. Технологии когнитивной визуализации темпоральных комплексных сетей / К.Д. Мухина, К.О. Боченина, А.С. Карсаков, А.В. Бухановский // Известия высших учебных заведений. Приборостроение. - 2017. - Т. 60. - № 3. - С. 195-203
Публикации, которые приравниваются к рецензируемым научным изданиям:
12. Программный комплекс автоматизированного решения многокритериальных задач ориентирования в пространстве (FOPS) / Мухина К.Д., Вишератин А.А., Насонов Д. Св-во о гос. регистрации программы для ЭВМ № 2019615951 от 15.05.2019 г.
13. Программа прогнозирования состояния городской среды на основе данных социальных сетей с использованием методов глубокого обучения / Мухина К.Д., Вишератин А.А., Насонов Д. Св-во о гос. регистрации программы для ЭВМ № 2019615952 от 15.05.2019г.
14. Программа для построения адаптивных пространственных сеток на основе свёрточных деревьев квадрантов (AdaptiveGrid) / Вишератин А.А., Мухина К.Д., Насонов Д. Св-во о гос. регистрации программы для ЭВМ № 2019615693 от 06.05.2019 г.
15. Программный комплекс автоматической идентификации событий в городской среде на основе данных из социальных сетей (GridEventDetection) / Вишератин А.А., Мухина К.Д., Насонов Д. Св-во о гос. регистрации программы для ЭВМ № 2018665487 от 05.12.2018 г.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.