基于酒店评论大数据的游客评论主题挖掘与情感分析 ——以北京五星级酒店为例

分析酒店评论数据可以挖掘游客的关注点、意见、建议、情感倾向等有价值的信息.结合对酒店评论数据进行主题挖掘和情感分析的交叉研究,提出一个包含数据采集、数据预处理、主题挖掘、情感倾向研究及可视化分析的集成框架.以Tripadvisor网站上北京地区50家五星级酒店的5万余条中文评论数据为研究对象,进行LDA主题挖掘,同时基于酒店领域扩充情感词典,判定评论文本三元情感极性,并在此基础上实现主题和情感的交叉分析.研究结果可降低潜在游客购买决策的风险,也为酒店管理者制定针对性的管理和营销策略提供重要参考依据.研究方法同样适用于景区及餐饮领域的在线评论数据分析,拓展评论大数据与自然语言处理技术在旅游业的应用范畴.     

智慧景区安全信息管理与智能预警系统研究与设计

针对景区实时安全监控预警建设相对薄弱,难以满足智慧景区发展的要求,本文探讨了基于互联网与物联网技术、移动通讯技术、数据挖掘和人工智能技术建立智慧景区安全监管平台的可行性以及必然性,研究并设计了一套智慧景区安全信息管理与智能预警系统。该系统通过设立服务站点,实现了对景区环境的实时监控,并对将可能产生危险状况的服务站点进行预警,同时通过移动终端实现景区基本数据和安全预警信息与游客共享,提升游客的旅游体验和安全服务质量,更有利于景区的可持续化高质量发展。     

基于景点在线评论文本的游客关注度和情感分析

游客在线评论反映了游客实地旅行之后关于旅游景点和服务的真实感受,本文构建了一个基于景点在线评论文本的游客关注度和情感分析方法。该方法首先从主流旅游网站的评论专区中获取景点的评论文本并进行预处理,然后基于《知网》词汇语义相似度,结合词频分析,通过构建"旅游形象属性-触发词"词表,分别计算评论信息中旅游形象属性的游客关注度。最后建立褒贬义情感词典,对处理后的评论文本情感分析。该方法能够直观显示景点在线评论信息中旅游形象的游客评论关注点和总体情感倾向,为潜在游客的景点选择提供参考依据。以厦门市旅游景点的评论文本为例,验证了该方法的可行性。     

基于BERT模型的景区评论情感分析

随着旅游经济的到来,游客们更加关注旅游体验,本文采用BERT文本情感分析模型以及网络文本分析方法,以苏州拙政园景区为研究对象,爬取并整理携程网中游客对景区的评论信息.利用Python软件建立改进的BERT情感分析模型,训练集与测试集M值达0.94,同时针对负面评论信息使用社会和语义网络,分析游客的旅游体验特征,对景区存...     

我国评论挖掘与情感分析领域研究现状

以中国知网(CNKI)数据库中2003—2018年间2 857篇主题为评论挖掘或情感分析的文献为数据源,综合运用文献计量、科学计量和数据可视化等研究方法,借助CiteSpace、SPSS和Ucinet等分析工具,深入考察我国评论挖掘与情感分析研究领域的发展现状和研究热点.结果表明,当前该领域的研究内容主要集中在舆情监控与事件监测、技术方法和商业智能等主题;同时存在基于本体的相关研究欠缺和忽略用户评论表达方式的改变、语料词库尚不规范等不足;今后该领域的发展将会聚焦于短文本、跨学科应用和在线评论的经济价值等方向.     

旅游服务系统中的车辆监控与调度系统

基于旅游景区游客难以抉择旅游景点、食宿地点、行驶路线及交通工具等问题,提出了一种通过景区车辆监控与调度以实现旅游导游服务的方案:根据游客约车电话、景点游客统计量及其它信息调度车辆;通过车辆广播指引游客旅游路线.旅游服务系统中的车辆监控与调度系统集全球定位系统技术、地理信息系统技术和集群移动通信技术于一体,它是一类新的融合了旅游服务系统中的客房预订管理系统和景点游客统计系统的综合车辆管理系统.     

融合主题挖掘与情感分析的用户体验设计方法研究

研究用户体验是了解用户需求和感受的重要途径。为解决从海量数据中精准和高效地发掘并分析用户体验的难题，文章借鉴数据挖掘技术理念，提出一种融合主题挖掘与情感分析的用户体验分析方法。该方法通过用户意见收集、预处理、主题挖掘和主题情感分析等步骤，充分挖掘用户意见、把握用户态度，从而感知用户体验、了解用户需求。研究以天猫平台“国家图书馆旗舰店”产品用户评论为例，验证了文章提出的方法能够有效地分析用户体验，并给予针对性优化建议。     

基于LDA模型与语义网络对评论文本挖掘研究

通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDA topic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性。     

文化遗产旅游地的体验式开发探讨——以云冈石窟为例

体验经济时代应从游客的体验需求出发对景区进行体验式开发。文中运用IPA分析法,在问卷调查的基础上,综合分析游客对云冈石窟各体验因子的期望和满足程度,以评估游客对云冈石窟各体验因子的偏好以及旅游经营者的供给情况。研究发现:游客对文化遗产的完好性较满意,应继续保持;游客对游玩内容丰富程度、游玩活动的可参与性、基于民间工艺的体验活动、个性化的服务、景区门票物有所值这些因子的满意度较低,是以后需重点改进的对象。通过研究,以期为云冈石窟的体验式开发提供定量依据。     

基于网络评论的山西世界遗产旅游地游客满意度研究

游客满意度已成为衡量、管理景区的重要指标.本文采用内容分析法,以网络评论作为研究样本,以山西省3处世界遗产地游客为研究对象,提出了一套包含8个主题的获取遗产旅游地游客满意度的方法.研究表明:(1)主题情感倾向在主题和景区之间均表现出明显差异.正面评价主要集中在总体评价、住宿、游览、交通、其他等主题方面;负面评价主要集中在娱乐、购物、餐饮,且同一主题不同景区的情感倾向也表现出差异.(2)三大遗产地满意度结果为:平遥古城总满意度为36.8,为不满意水平;云冈石窟总满意度为62.1,为满意水平;五台山总满意度为58.0,为一般满意水平;(3)提出提升游客满意度的4种对策及具体操作方法.