402永利手机版网址旅遊學系素來秉承與弘揚“允公允能、日新月異”的校訓，不斷關注科技發展前沿，緊跟時代步伐，緻力于推動中國特色旅遊理論體系、學科體系和話語體系的構建，為新發展格局下旅遊業高質量發展注入了強大動力。以402永利手机版网址百名青年學科帶頭人培養計劃入選者畢建武副教授為代表的科研團隊，緻力于推進旅遊大數據深度分析與智能決策研究。該團隊通過利用最先進的大數據分析技術和人工智能技術，對旅遊大數據進行深入分析與挖掘，開發有效的預測與決策支持模型，旨在推動旅遊業實現智能化、數字化和信息化的發展。
畢建武博士畢業于東北大學，目前為402永利手机版网址副教授、博士生導師，入選402永利手机版网址百名青年學科帶頭人培養計劃，擔任中國優選法統籌法與經濟數學研究會智能決策與博弈分會、中國管理現代化研究會管理與決策科學專業委員會等理事；主持2項國家級科研項目和多項省部級科研項目，并以核心成員參與國家自然科學基金、國家社會科學基金、教育部人文社科基金近10項。近5年在《Tourism Management》、《Annals of Tourism Research》、《Journal of Travel Research》、《International Journal of Contemporary Hospitality Management》、《International Journal of Production Research》、《Information Sciences》、《Information Fusion》、《Tourism Economics》等國内外旅遊學科和關聯學科的重要期刊發表高質量研究成果30餘篇；發表的研究已經引起了國内外學者的廣泛關注，目前google學術引用近1500次，其中2篇研究成果入選ESI熱點論文名單，3篇研究成果入選ESI高被引論文名單。
長期以來，畢建武博士帶領學術團隊重點聚焦于旅遊大數據與決策分析方向的研究，在旅遊大數據深度分析與智能決策領域進行了廣泛而深入的探索，取得了豐碩的研究成果，為推進南開旅遊學系大數據智能挖掘篇章作出了重要貢獻。具體研究工作包括：
1. 提出基于在線評論的旅遊與服務産品改進設計方法
随着信息技術的迅猛發展，在電商網站、OTA等平台上可以看到針對各類産品的在線評論信息大量湧現。這些在線評論中含有豐富的有價值信息，可以支持旅遊與服務産品的改進設計。如何基于海量的在線評論信息分析對旅遊與服務産品進行改進設計，這是具有重要理論意義及實際應用價值的研究課題。為此，團隊在國際上較早且系統性地開展了基于在線評論的産品改進設計方法研究，提出了一系列分析方法與技術。與傳統的采用調查問卷的方法相比，基于在線評論數據的分析方法能夠節約大量的時間和經濟成本，為旅遊與服務産品的改進完善提供實時、科學的建議支持。近5年以來，圍繞該方面研究，畢建武博士以第一作者或通訊作者發表SCI/SSCI檢索論文7篇，發表的論文被引用400餘次，入選ESI高被引論文2篇。具有代表性的研究成果發表在國際重要學術期刊《Tourism Management》、《Annals of Tourism Research》、《International Journal of Production Research》等期刊上，并得到營銷領域頂級期刊《Marketing Science》前主編耶魯大學K Sudhir教授、著名國際期刊《Electronic Commerce Research and Applications》高級主編美國弗吉尼亞理工大學Alan Wang教授、著名國際期刊《IISE Transactions Design and Manufacturing》領域主編伊利諾伊大學香槟分校Harrison Kim教授、國際著名期刊《Tourism Management》、《Tourism Review》等編委會成員韓國世宗大學Heesup Han教授、國際著名期刊《Tourism Management》、《Journal of Business Research》等編委會成員雷丁大學Marcello Mariani教授、湖南大學張躍軍教授等、四川大學徐澤水教授等人的直接引用和正面評價。
2. 提出基于多源異構數據的旅遊需求預測理論與方法
随着信息技術的發展，出現了多種數據可以輔助旅遊需求預測。因此，如何基于多源數據對旅遊需求進行精确預測，這是具有理論意義及實際應用價值的研究課題。為此，團隊在國際上較早且系統性地開展了大數據背景下的旅遊需求預測研究，提出了基于多源數據的旅遊需求深度學習預測方法、基于大數據的旅遊需求集成深度學習預測方法、基于旅遊需求時序數據圖像編碼的深度學習預測方法。團隊提出的理論與方法能夠有效的提高旅遊需求預測精度，為政府及旅遊相關企業制定戰略發展、投資決策、收益管理、定價策略等提供科學依據。圍繞該方面研究，畢建武博士以第一作者或通訊作者發表學術論文8篇，代表性研究成果發表在旅遊管理國際頂級期刊《Annals of Tourism Research》和《Journal of Travel Research》中，并得到ATR副主編弗吉尼亞理工大學Nicolau教授、美國天普大學Yang教授、發展中國家院士汪壽陽教授等人的直接引用和正面評價。
3. 提出基于在線評論的旅遊産品排序推薦方法
随着web 2.0時代的到來，越來越多的人通過互聯網購買或預定産品。與實體店購物不同，通過互聯網購物通常無法預先體驗産品。消費者通常會通過閱讀在線評論來增進對産品的了解，然而在線評論數量衆多，消費者很難逐條的閱讀評論并做出決策。如何依據在線評論确定産品排序，對于支持消費者決策具有重要意義。為此，團隊在國際上較早且系統性地開展了基于在線評論的旅遊産品排序推薦方法研究，提出了一系列排序推薦方法，對于減少消費者搜索時間、促進購買具有重要意義。圍繞該方面研究，畢建武博士以第一作者或通訊作者發表學術論文8篇，被引用500餘次。具有代表性的研究成果發表在國際重要學術期刊《Annals of Tourism Research》，《Information Fusion》、《Information Sciences》、《Expert Systems with Applications》等期刊上，并得到國際期刊《Information Sciences》主編、加拿大科學院院士Pedrycz教授、國際期刊《Information Fusion》主編西班牙格拉納達大學Herrera教授、國際期刊《Knowledge-Based Systems》前主編日本岩手大學Fujita教授、美國愛荷華州立大學Tang教授的直接引用和正面評價。
作為我國旅遊學科領域的先行者，402永利手机版网址自創建以來，積極主動地肩負旅遊學科發展的時代重擔，追逐新時代發展的核心命題。依托大數據背景，響應大數據驅動的管理與決策研究國家重大科研需求和科技發展趨勢，契合數字經濟的發展國家戰略，深耕旅遊大數據深度分析與智能決策研究，推動旅遊業智能化、數字化和信息化的發展。
近期的部分代表性成果如下：
1. 畢建武，2023，“服務屬性分類與服務要素配置——基于在線評論情感分析的方法”，中國社會科學出版社 （該專著得到國家社科基金資助于2023年4月正式出版）
2. Bi, J. W., Liu, Y., Fan, Z. P., & Zhang, J. (2019). Wisdom of crowds: Conducting importance-performance analysis (IPA) through online reviews. Tourism Management, 70, 460-478. (ESI 高被引和熱點論文)
3. Bi, J. W., Liu, Y., & Li, H. (2020). Daily tourism volume forecasting for tourist attractions. Annals of Tourism Research, 83, 102923.
4. Bi, J. W., Li C., Xu H. & Li, H. (2022). Forecasting daily tourism demand with big data: An ensemble deep learning method. Journal of Travel Research, 61(8), 1719-1737.
5. Bi, J. W., Liu, Y., Fan, Z. P., & Zhang, J. (2020). Exploring asymmetric effects of attribute performance on customer satisfaction in the hotel industry. Tourism management, 77, 104006. (ESI 高被引論文)
6. Bi, J. W., Li, H., & Fan, Z. P. (2021). Tourism demand forecasting with time series imaging: A deep learning model. Annals of Tourism Research, 90, 103255.
7. Gao, G. X., & Bi, J. W.* (2021). Hotel booking through online travel agency: Optimal Stackelberg strategies under customer-centric payment service. Annals of Tourism Research, 86, 103074.
8. Bi, J. W., Liu, Y., Fan, Z. P., & Cambria, E. (2019). Modelling customer satisfaction from online reviews using ensemble neural network and effect-based Kano model. International Journal of Production Research, 57(22), 7068-7088.
9. Chen, D., & Bi, J.W.* (2022). Cue congruence effects of attribute performance and hosts’ service quality attributes on room sales on peer-to-peer accommodation platforms. International Journal of Contemporary Hospitality Management, 34(10), 3634-3654.
10. Bi, J. W., Han, T. Y., & Yao, Y. (2023). Fine-grained tourism demand forecasting: A decomposition ensemble deep learning model. Tourism Economics.
11. Bi, J. W., Han, T. Y., & Yao, Y. (2023). Collaborative forecasting of tourism demand for multiple tourist attractions with spatial dependence: A combined deep learning model. Tourism Economics.
12. Bi, J. W., Liu, Y., & Fan, Z. P. (2019). Representing sentiment analysis results of online reviews using interval type-2 fuzzy numbers and its application to product ranking. Information Sciences, 504, 293-307.
13. Bi, J. W., Liu, Y., & Fan, Z. P. (2020). Crowd intelligence: Conducting asymmetric impact-performance analysis based on online reviews. IEEE Intelligent Systems, 35(2), 92-98.
14. Liu, Y., Bi, J. W.*, & Fan, Z. P. (2017). Multi-class sentiment classification: The experimental comparisons of feature selection and machine learning algorithms. Expert Systems with Applications, 80, 323-339.
15. Bi, J.W., Han, T. Y., Yao, Y., & Li, H. (2022). Ranking hotels through multi-dimensional hotel information: a method considering travelers’ preferences and expectations. Information Technology & Tourism, 24(1), 127-155.
16. Bi, J. W., Han, T. Y., & Li, H. (2020). International tourism demand forecasting with machine learning models: The power of the number of lagged inputs. Tourism Economics, 28(3), 621-645.
17. Cheng, H., Liu, Q., & Bi, J. W.* (2021). Perceived crowding and festival experience: The moderating effect of visitor-to-visitor interaction. Tourism Management Perspectives, 40, 100888.
18. Liu, Y., Bi, J. W., & Fan, Z. P. (2017). Ranking products through online reviews: A method based on sentiment analysis technique and intuitionistic fuzzy set theory. Information Fusion, 36, 149-161. (ESI 高被引論文)
19. Liu, Y., Bi, J. W., & Fan, Z. P. (2017). A method for multi-class sentiment classification based on an improved one-vs-one (OVO) strategy and the support vector machine (SVM) algorithm. Information Sciences, 394, 38-52.
20. Liu, Y., Bi, J. W.*, & Fan, Z. P. (2017). A method for ranking products through online reviews based on sentiment classification and interval-valued intuitionistic fuzzy TOPSIS. International Journal of Information Technology & Decision Making, 16(06), 1497-1522.
21. Bi, J. W., Liu, Y., & Fan, Z. P. (2020). A deep neural networks based recommendation algorithm using user and item basic data. International Journal of Machine Learning and Cybernetics, 11(4), 763-777.
22. He, L. Y., Li, H.*, Bi, J.W., Yang, J. J., & Zhou, Q. (2022). The impact of public health emergencies on hotel demand-Estimation from a new foresight perspective on the COVID-19. Annals of Tourism Research, 94, 103402.
23. Chang, J. L., Li, H.*, & Bi, J.W. (2022). Personalized travel recommendation: a hybrid method with collaborative filtering and social network analysis. Current Issues in Tourism, 25(14), 2338-2356.
24. 畢建武, 劉洋, 樊治平 (2018). 依據在線評論的商品排序方法.系統工程學報, 33(03):422-432. (國家自然科學基金委管理科學部認定A級重要期刊)
