Research on strategic research of red tourism culture platform construction and brand development based on big data
Notice bibliographique
Résumé
The red spirit is an important part of the Chinese culture that needs to be inherited and developed, but it may also face the problem of insufficient attraction to the general masses.This study is based on big data model, visualization model and risk model, geographical location, historical culture, policy support, population and red culture platform for independence of variables, risk degree and popularity, the actual number of visitors for the red tourism culture platform construction and brand development, at the same time with the visual model of the dynamic red tourism experience application, dynamic real-time monitoring attractions red platform and brand construction, realize the red tourism culture platform construction and brand development strategy research dynamic visualization development and provide effective decisions.In the model design, the measures taken by the experimental group have a significant effect on improving the visibility of scenic spots, and the risk degree is significantly lower than that of the control group, which indicates that the experimental group is significantly better than the control group in reducing the risk degree, improving the visibility of scenic spots and increasing the actual number of tourists.This further shows that the joint use of big data analysis model and risk assessment model has effectively promoted the construction of red tourism culture platform and brand development.At the same time, compared with the people of different age groups, the satisfaction of red scenic spots soared, reaching more than 98%.Therefore, this model plays a key role in the strategic decision-making of red tourism culture platform construction and brand development, and also provides new ideas and methods for the inheritance and protection of red culture.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».