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

گسترش فناوری‌های نوین در دستگاه‌های رقمی و ارتباطات باعث محبوبیت و فراگیر شدن شبکه‌های اجتماعی شده است. محتوای دارای برچسب مکانی با افزودن بعد جدیدی به شبکه‌های اجتماعی، امکان ارتباط بین فضای مجازی و واقعی را فراهم کرده‌اند. این تصاویر می‌توانند نشان‌دهنده‌ی تعامل کاربران با محیط باشند؛ به همین دلیل در کاربردهای فراوانی مثل کشف مناطق جذاب، مدیریت و برنامه‌ریزی شهری و توصیه به گردشگران می‌توانند مورداستفاده قرار گیرند. استفاده از تصاویر دارای برچسب مکانی نسبت به روش‌های سنتی مانند سرشماری و نظرسنجی به‌منظور کشف و تحلیل مناطق جذاب‌ مزایایی مثل صرفه‌جویی در وقت و هزینه را دارند، از ‌این ‌رو موردتوجه محققان قرار گرفته‌اند. هدف این تحقیق کشف مناطق جذاب با استفاده از داده‌های دارای برچسب مکانی است، به‌گونه‌ای که از داده‌های توصیفی جهت بهبود خوشه‌های ایجادشده استفاده گردد و نتایج نسبت به روش‌های رایج پیشین بهبود یابد. همچنین استخراج اطلاعات معنایی مناسب و تحلیل در شرایط مختلف جهت شناخت مناطق جذاب و درک دلیل جذابیت آن‌ها از دیگر اهداف این تحقیق است. در این تحقیق از تصاویر دارای برچسب مکانی فلیکر که از شهر نیویورک، در بازه‌ی زمانی 2015 تا 2018 میلادی اخذ شده بودند، نوفه و افزونگی داده‌ها در مرحله‌ی پیش‌پردازش حذف شد. سپس با استفاده از روش hdbscan، داده‌ها خوشه‌بندی شدند و خوشه‌های مجاور که از نظر برچسب‌های متنی مشابه بودند، با یکدیگر ادغام شدند و 106 منطقه‌ی جذاب شناسایی شد. سپس سطح مقعری با استفاده از روش α-shape به نقاط برازش شد و اطلاعات معنایی شامل برچسب‌‌های متمایز، نام و دسته‌بندی 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 چگالی‌های مختلف است. این مناطق با 66 درصد از کل جاذبه‌های برتر tripadvisor مطابقت داشته‌اند، درحالی‌که برای روش dbscan ساده 53 درصد مطابقت وجود داشته است. در مناطقی که با جاذبه‌های tripadvisor هم‌پوشانی داشتند، نام‌گذاری آن‌ها 76 درصد مشابهت داشته است.

discovering and analyzing regions of interest based on geo-tagged images

the deployment of new technologies in digital devices and communications has increased social networks’ popularity and pervasiveness. geo-tagged content has connected cyberspace to the real world by adding a new dimension to social networks. among geo-tagged content available on social networks, geo-tagged images show users’ communication and interaction with the environment in a better way. because users frequently photograph regions of interest, these images can be used in many applications, including discovering regions of interest. compared to traditional methods such as censuses and surveys, geo-tagged images benefit from saving time and expense to discover and analyze regions of interest. therefore, researchers can use them in urban management and tourist recommendation. the purpose of this study is to discover the region of interest using geo-tagged data. also, extracting appropriate semantic information and analysis in different contexts to identify regions of interest and understand the reason for their attractiveness is another goal of this research. this paper uses the flickr geo-tagged images taken from new york city between 2015 and 2018. in the preprocessing phase, noise and data redundancy was removed. then the data were clustered by the hdbscan method, and adjacent clusters that were similar in terms of text tags were merged. as a result, 106 regions of interest were identified. at the next step, a concave surface was fitted to points by α-shape method, and semantic information including distinguished labels, names, and categories, was selected for regions of interest. finally, attractive regions were analyzed based on the type of visitors, users’ sentiment and the number of visits in different contexts. the evaluation results show the discovery of regions of interest in different shapes, dimensions, and densities. our result corresponded for 66% with tripadvisor’s top attractions, while for the simple dbscan method this value was 53%. in regions that overlapped with tripadvisor attractions, the naming was 76% similar.