A Deep Learning-Based Hotel Image Classifier for Online Travel Agencies

Fatma BOZYİĞİT; Alperen TAŞKIN; Kadir AKAR; Deniz KILINÇ

doi:https://doi.org/10.21205/deufmd.2021236722

Makale detayları

A Deep Learning-Based Hotel Image Classifier for Online Travel Agencies

Yazarlar:

Fatma BOZYİĞİT | Alperen TAŞKIN | Kadir AKAR | Deniz KILINÇ

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 67, pp.257-264

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937708

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236722

Anahtar kelimeler:

Özet:

 

Along with the extensive application of information technologies, there has been increased usage of online travel agencies (OTA) to search holiday alternatives. Hotel images demonstrated by OTAs plays a critical role in providing information to ease selection process. Although serving the images in the right context is an important task to clearly reflect hotel properties, there has been no attempt in previous studies to organize hotel images into appropriate category. For this reason, we aim to conduct a study to organize and classify 20,000 hotel images using Convolutional Neural Networks (CNN), a prominent deep learning method widely applied in the field of computer vision. Due to the limited training data, we experiment transfer learning to train experimented models. In this phase, we choose a widely applied CNN models, VGG-16, VGG-19, and Inception-v3 which are trained on over one million images. The results demonstrate that experimented models achieve effective categorization of hotel images with the considerable accuracy scores. We believe that our study can help improve OTAs performance in competitive tourism market.

 

Bilgi teknolojileri uygulamaların yaygınlaşması ile birlikte, tatil alternatifleri arayışında çevrimiçi seyahat acentelerinin kullanımı artmıştır. Çevrimiçi seyahat acenteleri tarafından sunulan otel görüntüleri, tatilcilere bilgi sağlayarak seçim sürecini kolaylaştırma aşamasında kritik bir rol oynamaktadır. Görüntülerin doğru bağlamda sunulması, otel özelliklerini açıkça yansıtmak için önemli bir işlem olduğu halde otel görüntülerini düzenleme ve uygun kategorilere yerleştirme girişiminde bulunan bir çalışmaya rastlanılmamaktadır. Bu sebeple, çalışmamıza bilgisayarlı görü alanında yaygın olarak uygulanan önemli bir derin öğrenme yöntemi olan Konvolüsyonel Sinir Ağları kullanılarak 20.000 otel görüntüsünü sınıflandıran bir yaklaşım gerçekleştirimi hedeflenmiştir. Sınırlı eğitim verileri nedeniyle, önerilen modelimizin eğitimi aşamasında transfer öğrenme yöntemi uygulanmıştır. Bu bağlamda, önerilen yaklaşımımız için bir milyondan fazla görüntü üzerinde eğitilmiş, yaygın olarak uygulanan CNN modelleri olan VGG-16, VGG-19 ve Inception-v3 tercih edilmiştir. Sonuçlar, test ettiğimiz modellerin otel görüntülerini göz ardı edilemeyecek doğruluk skoru ile etkin bir şekilde sınıflandırılmasını sağladığını göstermektedir. Çalışmamızın rekabetçi turizm pazarında çevrimiçi seyahat acentelerinin performansını artırmaya yardımcı olabileceğine inanmaktayız.

Makale detayları

A Deep Learning-Based Hotel Image Classifier for Online Travel Agencies

Yazarlar:

Fatma BOZYİĞİT | Alperen TAŞKIN | Kadir AKAR | Deniz KILINÇ

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 67, pp.257-264

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937708

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236722

çevrimiçi seyahat acenteleri

görüntü sınıflandırma

Konvolüsyonel Sinir Ağları

transfer öğrenme

Sayı

Makale detayları

A Deep Learning-Based Hotel Image Classifier for Online Travel Agencies

Yazarlar: Fatma BOZYİĞİT | Alperen TAŞKIN | Kadir AKAR | Deniz KILINÇ

Yayıncı: Dokuz Eylul University

Ana Başlıklar: Mühendislik ve uygulamalı operasyonlar

Dergi: Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 67, pp.257-264

Belge Tipi: Makale

Yayın Tarihi: 1/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000937708

Sıklık: Üç Yıllık

eISSN: 2547-958X

pISSN: 1302-9304

DOI: https://doi.org/10.21205/deufmd.2021236722

çevrimiçi seyahat acenteleri

görüntü sınıflandırma

Konvolüsyonel Sinir Ağları

transfer öğrenme

Sayı

Yazarlar:

Fatma BOZYİĞİT | Alperen TAŞKIN | Kadir AKAR | Deniz KILINÇ

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 67, pp.257-264

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937708

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236722