초록 ▼

합성곱 신경망을 활용한 SNS 이미지 데이터의 관광 목적 분류 및 관광객별 선호도 분석 방법은, 지오태깅(Geo tagging)되어 SNS에 게시된 이미지 데이터를 획득하여 합성곱 신경망(CNN)을 통해 관광객의 관광 활동(What)을 학습하는 단계; 상기 학습의 결과를 이용하여, 관광 목적의 이미지 전용 분류 체계에 따라 이미지 데이터를 분류하는 단계; 분류된 이미지 데이터를 시간순으로 정렬하여 각 관광객의 이동 궤적(trajectory)을 도출하는 단계; 3D 밀도 기반 클러스터링(Density-based spatial clus

합성곱 신경망을 활용한 SNS 이미지 데이터의 관광 목적 분류 및 관광객별 선호도 분석 방법은, 지오태깅(Geo tagging)되어 SNS에 게시된 이미지 데이터를 획득하여 합성곱 신경망(CNN)을 통해 관광객의 관광 활동(What)을 학습하는 단계; 상기 학습의 결과를 이용하여, 관광 목적의 이미지 전용 분류 체계에 따라 이미지 데이터를 분류하는 단계; 분류된 이미지 데이터를 시간순으로 정렬하여 각 관광객의 이동 궤적(trajectory)을 도출하는 단계; 3D 밀도 기반 클러스터링(Density-based spatial clustering of applications with noise, DBSCAN)을 통하여, 상기 각 관광객의 이동 궤적으로부터 시공간 클러스터를 추출하는 단계; 및 상기 시공간 클러스터를 통해 일정 지역 관광의 시공간적 관심 특성을 분석하는 단계;를 포함한다. 이에 따라, 관광 목적의 분류 체계를 기반으로 사용자별 관광 활동에 대한 맥락적 정보를 제공할 수 있다.

대표청구항 ▼

학습부에서 지오태깅(Geo tagging)되어 SNS에 게시된 이미지 데이터를 획득하여 합성곱 신경망(CNN)을 통해 관광객의 관광 활동(What)을 학습하는 단계;관광 이미지 분류부에서 상기 학습의 결과를 이용하여, 관광 목적의 이미지 전용 분류 체계에 따라 이미지 데이터를 분류하는 단계; 궤적 데이터 구축부에서 분류된 이미지 데이터를 시간순으로 정렬하여 각 관광객의 이동 궤적(trajectory)을 도출하는 단계;클러스터링부에서 3D 밀도 기반 클러스터링(Density-based spatial clustering of appli

학습부에서 지오태깅(Geo tagging)되어 SNS에 게시된 이미지 데이터를 획득하여 합성곱 신경망(CNN)을 통해 관광객의 관광 활동(What)을 학습하는 단계;관광 이미지 분류부에서 상기 학습의 결과를 이용하여, 관광 목적의 이미지 전용 분류 체계에 따라 이미지 데이터를 분류하는 단계; 궤적 데이터 구축부에서 분류된 이미지 데이터를 시간순으로 정렬하여 각 관광객의 이동 궤적(trajectory)을 도출하는 단계;클러스터링부에서 3D 밀도 기반 클러스터링(Density-based spatial clustering of applications with noise, DBSCAN)을 통하여, 상기 각 관광객의 이동 궤적으로부터 시공간 클러스터를 추출하는 단계; 및분석부에서 상기 시공간 클러스터를 통해 일정 지역 관광의 시공간적 관심 특성을 분석하는 단계;를 포함하는, 합성곱 신경망을 활용한 SNS 이미지 데이터의 관광 목적 분류 및 관광객별 선호도 분석 방법.