Datos de redes sociales en el diseño urbano y la investigación del paisaje: una revisión exhaustiva de la literatura
Autores: Yang, Chenghao; Liu, Tongtong
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Datos de redes sociales en el diseño urbano y la investigación del paisaje: una revisión exhaustiva de la literatura
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Datos de redes sociales
Diseño urbano
Investigación paisajística
Marcos de aprendizaje profundo
Revisiones de literatura
Visualización bibliométrica
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los datos de las redes sociales se han utilizado ampliamente en las ciencias naturales y sociales en los últimos 5 años, beneficiándose del rápido desarrollo de los marcos de aprendizaje profundo y la Web 2.0. Sus ventajas han ido surgiendo gradualmente en el diseño urbano, la planificación urbana, el diseño de arquitectura paisajística, el turismo sostenible y otras disciplinas. Este estudio tiene como objetivo obtener una visión general de los datos de redes sociales en el diseño urbano y la investigación paisajística a través de revisiones de literatura y visualización bibliométrica como un artículo de revisión integral. El conjunto de datos consta de 1220 artículos y trabajos de revisión de SSCI, SCIE y A&HCI, basado en la colección central de Web of Science, respectivamente. Se introducen los avances en la investigación y las principales direcciones de desarrollo de las redes sociales basadas en la ubicación, la minería de texto y la visión por computadora. Además, presentamos Citespace, una visualización bibliométrica basada en redes informáticas, y discutimos las tendencias en la línea de tiempo, las palabras clave de gran impacto y los artículos de investigación con altas puntuaciones de co-citación basadas en Citespace. La herramienta de visualización bibliométrica Citespace se utiliza para delinear las tendencias futuras en la investigación. La revisión de la literatura muestra que el marco de aprendizaje profundo tiene un gran potencial de investigación para el análisis emocional de texto, la clasificación de imágenes, la detección de objetos, la segmentación de imágenes y la clasificación de expresiones de datos de redes sociales. La intersección de texto, imágenes y metadatos también ofrece oportunidades atractivas.
Descripción
Los datos de las redes sociales se han utilizado ampliamente en las ciencias naturales y sociales en los últimos 5 años, beneficiándose del rápido desarrollo de los marcos de aprendizaje profundo y la Web 2.0. Sus ventajas han ido surgiendo gradualmente en el diseño urbano, la planificación urbana, el diseño de arquitectura paisajística, el turismo sostenible y otras disciplinas. Este estudio tiene como objetivo obtener una visión general de los datos de redes sociales en el diseño urbano y la investigación paisajística a través de revisiones de literatura y visualización bibliométrica como un artículo de revisión integral. El conjunto de datos consta de 1220 artículos y trabajos de revisión de SSCI, SCIE y A&HCI, basado en la colección central de Web of Science, respectivamente. Se introducen los avances en la investigación y las principales direcciones de desarrollo de las redes sociales basadas en la ubicación, la minería de texto y la visión por computadora. Además, presentamos Citespace, una visualización bibliométrica basada en redes informáticas, y discutimos las tendencias en la línea de tiempo, las palabras clave de gran impacto y los artículos de investigación con altas puntuaciones de co-citación basadas en Citespace. La herramienta de visualización bibliométrica Citespace se utiliza para delinear las tendencias futuras en la investigación. La revisión de la literatura muestra que el marco de aprendizaje profundo tiene un gran potencial de investigación para el análisis emocional de texto, la clasificación de imágenes, la detección de objetos, la segmentación de imágenes y la clasificación de expresiones de datos de redes sociales. La intersección de texto, imágenes y metadatos también ofrece oportunidades atractivas.