Analysis on the Characteristics of Tourism Flow of Chinese Independent Tourists in Vietnam
Notice bibliographique
Résumé
Background/Objectives: As Vietnam’s largest tourists-generating country, China is an important tourism market for Vietnam.Methods/Statistical analysis: Through data mining and classification of online travel notes for Chinese independent tourists to Vietnam, this study analyzes the characteristics of tourism nodes of Chinese independent tourists in Vietnam by using the social network analysis method.Findings: The results showed that Ha Noi, Ho Chi Minh, Da Nang, Nha Trang, Da Lat were the main tourist destinations for Chinese independent tourists in Vietnam. Cities such as Ha Noi, Ho Chi Minh, Da Nang, Lao Cai, NhaTrang, Dalat have strong degree centrality that have strong aggregation and radiation ability to other tourism nodes. The closeness centrality of Ha Noi, Ho Chi Minh, Da Nang, Lao Cai, Nha Trang, Da Lat is higher that reflets the mobility and accessibility between these travel nodes and other nodes is good. Ha Noi, Ho Chi Minh, Da Lat, Da Nang and Lao Cai have high betweenness centrality, and they have strong control over other tourism nodes. This study once again verifies the research value of online travel notes, and the results can provide scientific basis for developing the regional tourism, designing the tourism routes, improving the tourism service facility and planning the tourism traffic in Vietnam.Improvements/Applications: The source of tourism flow of Chinese independent tourists to Vietnam should be studied, providing a basis for Vietnam to develop China’s tourism market and make precise marketing.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».