一种结合博弈论与深度学习的混合框架：基于大数据分析与意见领袖检测的游客到达量预测
机器学习
2025-07-08 v1 计算机科学与博弈论
信号处理
摘要
在工业5.0时代，数据驱动的决策对于优化工业工程领域的系统已变得不可或缺。本文通过提出一种新颖的非线性混合方法，用于预测两种不同情境下的国际游客到达量，从而论证了大数据分析的价值：（i）来自五个主要客源国到达香港的游客量（COVID-19疫情前），以及（ii）到达中国海南省三亚的游客量（COVID-19疫情后）。该方法整合了多种互联网大数据源，并采用一种创新的基于博弈论的算法来识别社交媒体平台上的意见领袖。随后，通过经验小波变换（EWT）处理旅游需求数据中的非平稳属性，确保精细的时频分析。最后，使用具有记忆感知能力的堆叠双向长短期记忆（Stacked BiLSTM）网络生成准确的需求预测。实验结果表明，该方法优于现有最先进技术，并在动态和波动条件下保持稳健，突显了其在更广泛的工业工程领域的适用性，例如物流、供应链管理和生产规划，其中预测和资源分配是关键挑战。通过融合先进的深度学习（DL）、时频分析和社交媒体洞察，所提出的框架展示了大规模数据如何提升决策过程的质量和效率。
引用
@article{arxiv.2507.03411,
title = {A Hybrid Game-Theory and Deep Learning Framework for Predicting Tourist Arrivals via Big Data Analytics and Opinion Leader Detection},
author = {Ali Nikseresht},
journal= {arXiv preprint arXiv:2507.03411},
year = {2025}
}