Clasificación de los datos turísticos
A partir de los textos descriptivos, los destinos de las excursiones y los lugares de interés deben clasificarse en distintas clases para sugerirlos a los turistas como destinos de viaje adecuados.
Desarrollo de un primer algoritmo de clasificación en 2 semanas
Precisión de clasificación (Accuracy) de hasta el 81 %
Identificación de los 20 principales factores de influencia (palabras) por clase
Desafío
- Un club automovilístico se enfrenta al reto de clasificar automáticamente los destinos turísticos a partir de descripciones.
- En el primer paso, 12.000 destinos diferentes deben clasificarse en 12 clases distintas (por ejemplo, horarios de apertura).
Solución
- Centrarse en 800 destinos etiquetados manualmente por el departamento.
- Preparación de los textos descriptivos para darles un formato legible para un modelo de aprendizaje automático (tokenización, lematización, puntuación, diccionario de palabras, ...) utilizando paquetes Python adecuados del ámbito del procesamiento del lenguaje natural.
- Utilización de un algoritmo para clasificar los destinos y evaluación de los resultados
- Comparación de los resultados del modelo de aprendizaje automático con una simple heurística ("adivinación estratégica")
Resultado
- en 12 clases diferentes (script Python).
- Análisis descriptivos para generar transparencia de destinos para turistas y análisis para el departamento del cliente (Jupyter Notebook)
¿Le interesan sus propios casos de uso?
Desafío
Una empresa automovilística desea visualizar diversos datos específicos del mercado para crear un Análisis de la competencia para el mercado estadounidense.
Solución
Habrá un interactivo y Aplicación flexible, que incluye de mapas diferentes con dos vistas distintas implementadas.
Resultado
Los mercados de referencia son identifica, analiza y visualiza. El distribuidor o el departamento de ventas correspondiente tienen la posibilidad de comparar la competencia directa con su propio producto y visualizar los datos pertinentes.