【技术实现步骤摘要】
本专利技术涉及图像分类和短视频分析领域，特别涉及一种基于短视频视觉内容呈现风格的用户旅游意愿量化方法。
技术介绍
1、随着数字化时代的到来，文化娱乐及旅游消费领域经历了重大变革。尤其是短视频平台，如tiktok等，已成为推广旅游目的地和打造旅游品牌的重要工具，短视频凭借其低成本、快速传播的特性，在吸引观众和增强旅游意愿方面展现出显著的效果。
2、此外，结合虚拟现实（vr）等新媒体形式，短视频为用户提供沉浸式旅游体验，从而在某种程度上改变了传统的旅游营销模式。
3、现有技术中，尽管已有研究证实了短视频在旅游营销中的有效性，但多数研究集中于分析文本内容和观众互动，如评论和网络口碑，而往往忽视了视觉内容对旅游意愿的影响。部分研究虽关注拍摄视角和触发旅游灵感的视觉因素，但这些研究主要依赖主观的观众反馈，因此可能存在一定的偏差。
4、因此，需要进一步进行短视频视觉元素影响的深入分析，提供更精确和客观的分析框架，量化用户的旅游意愿，以客观地评估不同视觉呈现风格如何实际影响观众的旅游意愿。
技术实现思路
1、本专利技术所要解决的问题是：提供一种基于短视频视觉内容呈现风格的用户旅游意愿量化方法，使用机器学习图像分类模型，分析人像和景色两种关键视觉场景，客观评估短视频中的视觉内容如何影响观众的旅游意愿。
2、本专利技术采用如下技术方案：一种基于短视频视觉内容呈现风格的用户旅游意愿量化方法，包括如下步骤：
3、步骤s1、数据采集与图像预处理：
4、步骤s2、关键帧提取和标注：对样本数据集中的短视频数据，通过帧间差分法提取局部极大值，作为每条短视频的关键帧，从关键帧中随机选择部分数据进行标注；
5、步骤s3、旅游意愿编码：基于样本数据集中短视频的评论信息，随机选择部分数据，通过三级编码方法进行旅游意愿分类，通过关键词匹配法统计样本数据集中所有样本的旅游意愿评论数量；
6、步骤s4、inception-v3模型训练与评估：将预处理后的图像数据划分为训练集、验证集和测试集，调整预训练的inception-v3模型，移除顶层，添加全局平均池化层、自定义的全连接层和输出层，在训练过程中使用验证集评估性能，根据性能图表调整inception-v3模型参数，通过测试集验证inception-v3模型的分类准确性和泛化能力；
7、步骤s5、图像分类与风格判断：将待分类图像输入步骤s4训练好的inception-v3模型，自动提取图像特征并进行分类，每次分类输出一个二元结果，分别表示图像不包含或包含特定的目标元素，基于inception-v3模型分类结果，判断图像的视觉呈现风格；
8、步骤s6、影响量化分析：基于步骤s5得到的图像分类结果和步骤s3得到的视频中旅游意愿评论数量，构建多元线性回归模型，量化分析短视频的视觉呈现风格及对用户旅游意愿的影响。
9、优选地，步骤s1中，旅游类短视频样本，包括：评论、点赞数、收藏数、分享数、粉丝数量、视频时长和发布时间信息；所述图像预处理，包括：删除重复数据和、修正缺失值、去除图文类视频。
10、优选地，步骤s2中，关键帧提取和标注，包括如下子步骤：
11、s2.1、将样本数据集中的短视频数据逐帧分割为帧序列，计算每一帧与前一帧间的像素差异，识别帧间显变化；
12、s2.2、采用移动平均法对帧间差异值进行平滑处理，采用局部极大值法在平滑处理后的差异数据中检测关键变化点，提取出视频中的关键帧；
13、s2.3、按预设比例从关键帧中随机选择部分数据，进行人工标注，形成标准化数据集，加载标准化数据集中的关键帧数据并进行图像数据处理，包括：色彩校正、尺寸调整、对比度增强，并将图像分辨率设置为统一尺寸，保持彩色格式，将图像像素值缩放至0到1之间。
14、优选地，步骤s3所述三级编码方法，包括：开放编码、主轴编码和选择性编码；所述旅游意愿分类，包括：表达兴趣和计划、询问旅游地信息、互动行为。
15、优选地，步骤s3中，旅游意愿编码，包括如下子步骤：
16、s3.1、基于标注后的样本数据集中短视频的评论信息，随机选择部分数据，筛选出体现旅游意愿的评论，并进行初步编码。
17、s3.2、通过三级编码方法对旅游意愿评论内容进行类型划分：
18、s3.2.1、在开放编码阶段，利用软件逐字阅读原始评论信息，进行概念化得到初始概念，采用双重编码方法分别进行标注和编码，对比并统一编码结果后，将初始概念进行分类；
19、s3.2.2、在主轴编码阶段，对具有相似和相关含义的类别进行逻辑分类和合并，形成超类别；
20、s3.2.3、在选择性编码阶段，将主轴编码阶段形成的超类汇聚为核心类别，包括：强烈意愿、探索兴趣、具体计划、行动准备、游玩活动、位置查询、联系方式、费用信息、旅游准备、交通路线、寻找同伴和社交活动参与；
21、s3.2.4、概括用户关于旅游意愿的核心：对短视频评论区中的评论进行整合，对含有旅游意愿的短视频评论进行分类。
22、s3.3、通过关键词匹配法统计样本数据集中所有样本的旅游意愿评论数量：
23、s3.3.1、基于编码类别的关键词选择：基于步骤s3.2.4对含有旅游意愿的短视频评论的分类结果，选择代表各类别核心内容的若干个关键词；
24、s3.3.2、关键词匹配：在样本数据集的所有评论中进行关键词匹配，将每一条包含一个或多个关键词的评论都标记为含有特定旅游意愿的评论；
25、s3.3.3、统计分析：对单个短视频中包含旅游意愿的评论数量进行统计分析，量化用户对不同旅游目的地的兴趣分布情况，以及用户在表达旅游意愿时的具体关注点和行为模式。
26、优选地，步骤s3.2.4中，对含有旅游意愿的短视频评论进行分类，归纳为：表达兴趣和计划类、询问旅游地信息类、互动行为类。
27、将涉及用户表达对旅游目的地的兴趣或未来旅行打算的评论归纳为表达兴趣和计划类；
28、将寻求特定旅游目的地的位置、费用、攻略等信息的行为归类为询问旅游地信息类；
29、将寻找同伴、参与社交活动等与他人互动的行为定义为互动行为类。
30、优选地，步骤s4中，调整预训练的inception-v3模型，包括如下子步骤：
31、s4.1、基于预训练的inception-v3模型，加载不包含顶层的模型，并将基础层设置为不可训练；
32、s4.2、添加自定义输出层，包括：全局平均池化层和全连接层，以及一个二分类的sigmoid激活输出层；
33、s4.3、使用adam优化器和二元交叉熵损失函数进行编译，使用早停法以防止过拟合；
34、s4.4、通过数据增强和类别权重调整，增强inception-v3模型的泛本文档来自技高网...
【技术保护点】
1.一种基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S1中，所述旅游类短视频样本，包括：评论、点赞数、收藏数、分享数、粉丝数量、视频时长和发布时间信息；所述图像预处理，包括：删除重复数据和、修正缺失值、去除图文类视频。
3.根据权利要求1所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S2中，所述关键帧提取和标注，包括如下子步骤：
4.根据权利要求3所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S3所述三级编码方法，包括：开放编码、主轴编码、选择性编码；所述旅游意愿分类，包括：表达兴趣和计划、询问旅游地信息、互动行为。
5.根据权利要求4所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S3所述旅游意愿编码，包括如下子步骤：
6.根据权利要求5所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S3.2.4中
7.根据权利要求5所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S4中，调整预训练的Inception-v3模型，包括如下子步骤：
8.根据权利要求7所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S5中，所述Inception-v3模型基于图像特征进行分类，每次分类输出一个二元结果0或1，分别表示图像不包含或包含目标元素；
9.根据权利要求8所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤S6中，所述多元线性回归模型为广义线性模型泊松回归，多元线性回归模型的变量包括：用户旅游意愿评论数量，视频关键帧中以风景为主的图片数量，视频关键帧中以人像为主的图片数量，视频时长为，视频发布到视频采集的时间间隔，发布者的粉丝数量，视频点赞数量，视频评论数量，视频分享数量，视频收藏数量；
10.根据权利要求9所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，在应用多元线性回归模型前，对关键变量、、、进行对数变换和标准化处理，对每个变量加1后取自然对数，再进行中心化和缩放到单位方差，用于减小关键变量数据的偏态和缩放差异。
...【技术特征摘要】
1.一种基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤s1中，所述旅游类短视频样本，包括：评论、点赞数、收藏数、分享数、粉丝数量、视频时长和发布时间信息；所述图像预处理，包括：删除重复数据和、修正缺失值、去除图文类视频。
3.根据权利要求1所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤s2中，所述关键帧提取和标注，包括如下子步骤：
4.根据权利要求3所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤s3所述三级编码方法，包括：开放编码、主轴编码、选择性编码；所述旅游意愿分类，包括：表达兴趣和计划、询问旅游地信息、互动行为。
5.根据权利要求4所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤s3所述旅游意愿编码，包括如下子步骤：
6.根据权利要求5所述的基于短视频视觉内容呈现风格的用户旅游意愿量化方法，其特征在于，步骤s3.2.4中，对含有旅游意愿的短视频评论进行分类，归纳为：表达兴趣和计划类、询问旅游地信息类...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。