گسترش فناوری‌های نوین در دستگاه‌های رقمی و ارتباطات باعث محبوبیت و فراگیر شدن شبکه‌های اجتماعی شده است. محتوای دارای برچسب مکانی با افزودن بعد جدیدی به شبکه‌های اجتماعی، امکان ارتباط بین فضای مجازی و واقعی را فراهم کرده‌اند. این تصاویر می‌توانند نشان‌دهنده‌ی تعامل کاربران با محیط باشند؛ به همین دلیل در کاربردهای فراوانی مثل کشف مناطق جذاب، مدیریت و برنامه‌ریزی شهری و توصیه به گردشگران می‌توانند مورداستفاده قرار گیرند. استفاده از تصاویر دارای برچسب مکانی نسبت به روش‌های سنتی مانند سرشماری و نظرسنجی به‌منظور کشف و تحلیل مناطق جذاب‌ مزایایی مثل صرفه‌جویی در وقت و هزینه را دارند، از ‌این ‌رو موردتوجه محققان قرار گرفته‌اند. هدف این تحقیق کشف مناطق جذاب با استفاده از داده‌های دارای برچسب مکانی است، به‌گونه‌ای که از داده‌های توصیفی جهت بهبود خوشه‌های ایجادشده استفاده گردد و نتایج نسبت به روش‌های رایج پیشین بهبود یابد. همچنین استخراج اطلاعات معنایی مناسب و تحلیل در شرایط مختلف جهت شناخت مناطق جذاب و درک دلیل جذابیت آن‌ها از دیگر اهداف این تحقیق است. در این تحقیق از تصاویر دارای برچسب مکانی فلیکر که از شهر نیویورک، در بازه‌ی زمانی 2015 تا 2018 میلادی اخذ شده بودند، نوفه و افزونگی داده‌ها در مرحله‌ی پیش‌پردازش حذف شد. سپس با استفاده از روش HDBSCAN، داده‌ها خوشه‌بندی شدند و خوشه‌های مجاور که از نظر برچسب‌های متنی مشابه بودند، با یکدیگر ادغام شدند و 106 منطقه‌ی جذاب شناسایی شد. سپس سطح مقعری با استفاده از روش α-shape به نقاط برازش شد و اطلاعات معنایی شامل برچسب‌‌های متمایز، نام و دسته‌بندی برای مناطق جذاب انتخاب شد. آنگاه مناطق جذاب بر اساس نوع کاربران بازدیدکننده، میزان بازدید در شرایط بافت مختلف و احساسات کاربران تحلیل شدند. نتایج حاصل از ارزیابی نشان از کشف مناطق جذاب در اشکال، ابعاد و چگالی‌های مختلف است. این مناطق با 66 درصد از کل جاذبه‌های برتر TripAdvisor مطابقت داشته‌اند، درحالی‌که برای روش DBSCAN ساده 53 درصد مطابقت وجود داشته است. در مناطقی که با جاذبه‌های TripAdvisor هم‌پوشانی داشتند، نام‌گذاری آن‌ها 76 درصد مشابهت داشته است.