خلاصه

درک تصویری از مقاصد گردشگری نقش مهمی در بازاریابی و مدیریت مقصد دارد. با توجه به اینکه اطلاعات ویژگی های دوردست متن مرور سفر دشوار است و اطلاعات کلیدی محلی نادیده گرفته می شود، BiLSTM و CNN برای ارائه یک روش طبقه بندی متن سفر بر اساس مدل شبکه عصبی ترکیبی BERT-BiLSTM-CNN-Attention بهبود یافته اند. با در نظر گرفتن شهر سانیا به عنوان هدف تحقیق، ما روش‌های طبقه‌بندی احساسات و تحلیل محتوا را اتخاذ می‌کنیم و چارچوب تحلیل درک تصویر مقصد گردشگری را بر اساس مدل سه‌بعدی «شناختی-عاطفی» ایجاد می‌کنیم و چشم‌اندازی پژوهشی برای توسعه پایدار گردشگری ارائه می‌کنیم. شهر سانیا نتایج نشان می دهد که دقت مدل پیشنهادی به ۹۳٫۱۸ درصد می رسد که نسبت به سایر مدل ها بهتر است. درک گردشگران از تصویر مقصد شامل چهار جنبه است: منابع گردشگری، درک محیط گردشگری، زیرساخت های گردشگری و خدمات پشتیبانی و همچنین فعالیت های گردشگری. احساسات مثبت بر تصویر عاطفی غالب است و احساسات منفی عمدتاً بر زیرساخت های گردشگری و خدمات پشتیبانی متمرکز است. در ادراک کلی تصویر، گردشگران ارزیابی بالایی از تصویر گردشگری شهر سانیا دارند. این تحقیق پیامدهایی برای مقاصد گردشگری مانند بهبود برنامه‌های مدیریتی، ارتقای استراتژی‌های بازاریابی و دستیابی به توسعه پایدار درازمدت مقاصد دارد.