استفاده از مدل های یادگیری عمیق در داده های توییتر برای تشخیص کیفیت خدمات فرودگاهی
| عنوان | استفاده از مدل های یادگیری عمیق در داده های توییتر برای تشخیص کیفیت خدمات فرودگاهی |
|---|---|
| نویسنده | برکات، هدی محمد محمد، ینیترزی، ر.، مارتین-دومینگو، لوئیس |
| تاریخ انتشار: | 2021-03 |
| محل انتشار | - الزویر |
| موضوع | کیفیت خدمات فرودگاهی، ASQ، یادگیری عمیق، تحلیل احساسات، توییتر |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 0969-6997 |
| شماره ثبت | 559b489f-c097-4df8-ad4d-b0b0a9c6896f |
| محل کتابخانه | مدیریت هوانوردی |
| تاریخ | 2021-03 |
| متن نمونه | اندازه گیری کیفیت خدمات فرودگاهی (ASQ) یک فرآیند مهم برای شناسایی کمبودها و پیشنهاد بهبودهایی است که تصمیمات مدیریتی را هدایت می کند. این تحقیق یک چارچوب کلی برای اندازهگیری ASQ با استفاده از توییتهای مسافران درباره فرودگاهها معرفی میکند. چارچوب پیشنهادی توییتها را به هر زبانی، نه فقط به زبان انگلیسی، برای پشتیبانی از ارزیابی ASQ در کشورهای انگلیسی زبان غیر انگلیسی که مسافران با سایر زبانها در ارتباط هستند، در نظر میگیرد. بر این اساس، این کار از مجموعه داده بزرگی استفاده میکند که شامل توییتهایی به دو زبان (انگلیسی و عربی) و از چهار فرودگاه است. علاوه بر این، برای استخراج ارزیابیهای مسافران از توییتها، چارچوب ما از دو مدل یادگیری عمیق مختلف (CNN و LSTM) استفاده میکند و نتایج آنها را با هم مقایسه میکند. این دو مدل با دادههای عمومی و دادههای حوزه هوانوردی آموزش داده میشوند تا تأثیر نوع داده بر عملکرد مدل را روشن کنند. نتایج نشان می دهد که عملکرد بهتر با مدل LSTM زمانی که با داده های خاص دامنه آموزش داده می شود، به دست می آید. این مطالعه پیامدهای روشنی برای محققان و مدیران فرودگاه با هدف استفاده از روشهای جایگزین برای اندازهگیری ASQ دارد. |
| DOI | 10.1016/j.jairtraman.2020.102003 |
| Cilt | 91 |
