Clasificación de rutas turísticas por medio de deep learning

Resumo

Introducción. Actualmente el deep learning o aprendizaje profundo tiene aplicaciones de todo tipo, el turismo no es la excepción, la minería de datos ha permitido optimizar procesos dentro de la industria del turismo como la demanda turística, conocer la preferencia de rutas turísticas de las personas permite optimizar recursos y plantear mejoras dentro de este sector.  Objetivo. Determinar si se pueden clasificar rutas turísticas por medio de herramientas del deep learning o aprendizaje profundo. Metodología. El diseño de investigación fue cualitativo, se empleó técnicas como la entrevista, para ello se plantean dos hipótesis, la primera tiene que ver con la relación entre el tipo de clima del destino turístico y la preferencia de los turistas, la segunda hipótesis es la verificación de la conformación de clusters turísticos en base a la preferencia de las personas. Como herramientas de verificación se empleó la comprobación directa y el programa Weka con la opción de clusters SimpleKMeans que permite la identificación de las preferencias de los turistas en base a la minería de datos de 31 personas. Resultados. Los resultados indican que la mayor cantidad de personas entrevistadas prefieren destinos turísticos en climas calurosos, sin embargo, este no fue un parámetro determinante en la conformación de clusters. Conclusión. En el estudio se determinó que sí se puede formar clusters de clasificación de rutas turísticas en base a las preferencias de las personas.