T-ECBM:基于深度学习的文本图像多式模式,用于旅游景点推
Jianfu Chen1, Jiaxu Cong2, Mingxiao Li1
1School of Intelligence Science and Engineering, Qinghai Minzu University, Xining, China.
Scientific reports
|November 25, 2025
概括
一个新的深度学习模型,T-ECBM,通过结合文本和图像数据,增强了中国西北地区的旅行建议. 这种智能系统改善了游客的目的地发现,克服了现有的推方法的局限性.
科学领域:
- 人工智能的人工智能
- 计算机科学 计算机科学
- 旅游信息学 旅游信息学
背景情况:
- 中国西北地区的旅游业正在增长,但游客缺乏目的地知识.
- 现有的推系统在新用户,当前需求和多式联运数据方面扎.
研究的目的:
- 为中国西北旅游业开发一个智能,多式联运推系统.
- 解决传统推模型在捕获用户偏好和利用各种数据方面的局限性.
主要方法:
- 提议T-ECBM,一个深度学习多式联络推模型.
- 使用BERT进行文本审查分析,使用EfficientNet-CA进行图像特征提取.
- 合并的文本和视觉特征用于多类分类推任务.
主要成果:
- T-ECBM实现了96.71%的Top-1和99.82%的Top-5精度.
- 显著优于纯文本 (82.67%) 和纯图像 (83.68%) 的模型.
- 证明了卓越的性能,F1得分为96.70%.
结论:
- T-ECBM有效地整合了多式联运信息,以提供优质的旅游建议.
- 该模型减少了信息不对称性,并增强了旅行者的决策能力.
- 为中国西北地区提供智能,高效和个性化的旅游指南.
