保继刚,楚义芳,1999. 旅游地理学[M]. 修订版. 北京: 高等教育出版社.
陈涛,林杰,2013. 基于搜索引擎关注度的网络舆情时空演化比较分析: 以谷歌趋势和百度指数比较为例[J]. 情报杂志,32(3): 7-10.
陈玉萍,刘嘉毅,郭修金,2020. 基于网络关注度的中国冰雪旅游产业发展启示[J]. 天津体育学院学报,35(5): 519-524.
程钰婷,李悦铮,江海旭,等,2017. 主题公园旅游地网络关注度时空特征及影响因素研究: 以长隆欢乐世界为例[J]. 云南地理环境研究,29(4): 65-71.
丁鑫,汪京强,李勇泉,2018. 基于百度指数的旅游目的地网络关注度时空特征与影响因素研究: 以厦门市为例[J]. 资源开发与市场, 34(5): 709-714.
高楠,张新成,王琳艳,2020. 中国红色旅游网络关注度时空特征及影响因素[J]. 自然资源学报,35(5): 1068-1089.
何小芊,刘宇,吴发明,2017. 基于百度指数的温泉旅游网络关注度时空特征研究[J]. 地域研究与开发,36(1): 103-108.
黄英,周智,黄娟,2014. 大数据时代乡村旅游发展的时空分异特征[J]. 浙江农业学报,26(6): 1709-1714.
季国斌,刘明月,施伟秋,等,2020. 国家湿地公园网络关注度时空特征与影响因素研究: 以西溪国家湿地公园为例[J]. 生态经济, 36(8): 133-138.
康俊锋,郭星宇,方雷,2020. 基于百度指数时空分布的旅游趋势预测研究: 以上海市为例[J]. 西南师范大学学报(自然科学版), 45(10): 72-81.
李霞,曲洪建,2016. 邮轮旅游网络关注度的时空特征和影响因素: 基于百度指数的研究[J]. 统计与信息论坛,31(4): 101-106.
林炜铃,邹永广,郑向敏,2014. 旅游安全网络关注度区域差异研究: 基于中国31个省(市、区)旅游安全的百度指数[J]. 人文地理,29(6): 154-160.
刘佳,刘宁,2018. 基于泰尔指数的亲子游网络关注度区域差异研究: 以我国31个省份为研究区域[J]. 资源开发与市场,34(7): 1015-1020.
龙茂兴,孙根年,马丽君,等,2011. 区域旅游网络关注度与客流量时空动态比较分析: 以四川为例[J]. 地域研究与发,30(3): 93-97.
马丽君,孙根年,黄芸玛,等,2011a. 城市国内客流量与游客网络关注度时空相关分析[J]. 经济地理,31(4): 680-685.
马丽君,孙根年,杨睿,等,2011b. 城市气候舒适度与游客网络关注度时空相关分析[J]. 地理科学进展,30(6): 753-759.
任欢,刘婷,康俊锋,等,2020. 一种基于百度指数的城市日游客规模预测方法[J]. 浙江大学学报(理学版),47(6): 753-761.
生延超,吴昕阳,2019. 游客满意度的网络关注度演变及空间差异[J]. 经济地理,39(2): 232-240.
舒丽,张凯,王小秋,等,2020. 基于百度指数的我国体育旅游网络关注度研究[J].北京体育大学学报, 43(6): 110-122.
孙伟宇,2014. 中国工业旅游网络关注度研究[D]. 上海: 上海师范大学.
孙烨,张宏磊,刘培学, 等, 2017. 基于旅游者网络关注度的旅游景区日游客量预测研究: 以不同客户端百度指数为例[J]. 人文地理, 32(3): 152-160.
唐鸿,许春晓,2021. 中国红色旅游经典景区网络关注度时空演变及影响因素[J]. 自然资源学报,36(7): 1792-1810.
涂玮,金丽娇,2012. 基于网络信息关注度的大学生旅游消费决策研究[J]. 北京第二外国语学院学报,33(1): 63-70.
王秀丽,魏玮,2015. 居民有限关注与房地产泡沫: 以百度指数为关注度的总体经验模式分解[J]. 商业研究,58(3): 79-83.
吴湘华,吕柔,王亚丽,等,2018. 基于用户关注度的百度指数在学术期刊网络影响力评价中的应用研究[J]. 出版发行研究,34(12): 56-62.
熊丽芳,2013. 基于百度指数的长三角核心区城市网络特征研究[J]. 经济地理,33(7): 67-73.
徐菁,靳诚,2020. 中国省域间旅游关注网络格局及其影响因素空间异质性分析[J]. 旅游学刊,35(6): 14-24.
许艳,陆林,赵海溶,2020. 乌镇景区网络关注度动态演变与空间差异分析[J]. 经济地理, 40(7): 200-210.
张悟移,李杰,2019. 百度关注度指数与股票价格关系研究[J]. 西南师范大学学报(自然科学版),44(2): 75-83.
张晓梅,程绍文,刘晓蕾,等,2016. 古城旅游地网络关注度时空特征及其影响因素: 以平遥古城为例[J]. 经济地理,36(7): 196-202.
中国互联网络信息中心,2020. 第47次中国互联网络发展状况统计报告[EB/OL].(2021-02-03).[2021-08-12].http: //www.cac.gov.cn/2021-02/03/c_1613923423079314. htm.
周彩屏,戈冬梅,2009. 旅游规模差异及其位序规模体系研究: 以浙江省为例[J]. 经济地理,29(2): 345-350.
邹永广,林炜铃,郑向敏,2015. 旅游安全网络关注度时空特征及其影响因素[J]. 旅游学刊,30(2): 101-109.
HUANG X K, ZHANG L F, DING Y S, 2017. The baidu index: uses in predicting tourismflows: a case study of the forbidden city[J]. Tourism Management, 58(2): 301-306.
LI J G, LI J W, YUAN Y Z, et al, 2019. Spatiotemporal distribution characteristics and mechanism analysis of urban population density: a case of Xi'an,Shaanxi,China[J]. Cities, 86(1): 62-70.
LI S W, CHEN T, WANG L, et al, 2018. Effective tourist volume forecasting supported by PCA and improved BPNN using baidu index[J]. Tourism Management, 68(10): 116-126.
MILNE S, ATELJEVIC I, 2001. Tourism,economic development and the global-local nexus: theory embracing complexity[J]. Tourism Geographies, 3(4): 369-393.
SUN S L, WEI Y J, TSUI K L, et al, 2019. Forecasting tourist arrivals with machine learning and internet search index[J]. Tourism Management, 70(3): 1-10.
VILA T D, VILA N A, GONZALEZ E A, et al, 2018. The Role of the internet as a tool to search for tourist information[J]. Journal of Global Information Management, 26(1): 58-84.
WANG B, LOO B P Y, 2019. The hierarchy of cities in internet news media and internet search: some insights from China[J]. Cities, 84(1): 121-133.
YAO L F, MA R M, WANG H, 2021. Baidu index-based forecast of daily tourist arrivals through rescaled range analysis, support vector regression, and autoregressive integrated moving average[J]. Alexandria Engineering Journal, 60(1): 365-372.
|