It is important to learn the characteristics of travelers and touristic regions when trying to generate recommendations for destinations to users. In this work, we first present a data-driven method to mine trips from location-based social networks to understand how tourists travel the world. These trips are quantified using a number of metrics to capture the underlying mobility patterns. We then present two applications that utilize the mined trips. The first one is an approach for clustering travelers in two case studies, one of Twitter and another of Foursquare, where the pure mobility metrics are enriched with social aspects, i.e., the kinds of venues into which the users checked-in. Clustering 133,614 trips from Twitter, we obtain three distinct clusters. In the Foursquare data set, however, six clusters can be determined. The second application area is the spatial clustering of destinations around the world. These discovered regions are solely formed by the mobility patterns of the trips and are, thus, independent of administrative regions such as countries. We identify 942 regions as destinations that can be directly used as a region model of a destination recommender system. This paper is the extended version of the conference article “Characterisation of Traveller Types Using Check-in Data from Location-Based Social Networks” presented at the 26th Annual ENTER eTourism Conference held from January 19 to February 1, 2019 in Nicosia, Cyprus.

中文翻译：

---

来自基于位置的社交网络的挖掘旅行，将旅行者和目的地聚集在一起

在尝试生成针对用户目的地的建议时，了解旅行者和旅游区的特征很重要。在这项工作中，我们首先提出一种数据驱动的方法来挖掘基于位置的社交网络的旅行，以了解游客如何环游世界。使用许多度量来量化这些行程，以捕获潜在的移动性模式。然后，我们介绍利用挖掘行程的两个应用程序。第一种是在两个案例研究中将旅行者聚集在一起的方法，其中一个是Twitter，另一个是Foursquare，其中纯移动性指标充斥于社交方面，即用户签到的场所的种类。从Twitter进行133,614次旅行的聚类，我们获得了三个不同的聚类。但是，在Foursquare数据集中可以确定六个聚类。第二个应用领域是全球目的地的空间聚类。这些发现的区域仅由旅行的出行方式构成，因此独立于国家（地区）之类的行政区域。我们将942个地区确定为目的地，可以直接用作目的地推荐系统的地区模型。本文是2019年1月19日至2月1日在塞浦路斯尼科西亚举行的第26届ENTER eTourism大会上发表的会议文章“使用基于位置的社交网络的登机数据来表征旅行者类型”的扩展版本。我们将942个地区确定为目的地，可以直接用作目的地推荐系统的地区模型。本文是2019年1月19日至2月1日在塞浦路斯尼科西亚举行的第26届ENTER eTourism大会上发表的会议文章“使用基于位置的社交网络的登机数据来表征旅行者类型”的扩展版本。我们将942个地区确定为目的地，可以直接用作目的地推荐系统的地区模型。本文是2019年1月19日至2月1日在塞浦路斯尼科西亚举行的第26届ENTER eTourism大会上发表的会议文章“使用基于位置的社交网络的登机数据来表征旅行者类型”的扩展版本。