网络游记文本中旅游行程链提取方法

网络游记是旅游者在互联网上发布的自述性旅游过程记录,描述了旅游的前后过程和感受体验。从网络游记文本中提取旅游行程链,分析行程结构,能给游客的行程制定、线路设计提供重要的参考。传统的游记文本行程提取大多依赖于人工识别文本中的行程节点,再进行串联、合并处理,工作量较大。自动提取游记文本中的旅游行程链,能够提高数据处理和分析效率。本文基于自然语言处理技术,在深入分析游记网络文本的段落结构和表达特点的基础上,归纳了行程节点和节点次序关系的句法表达规则,构建了行程节点触发词表,进而提出了基于句法规则的旅游行程链提取方法,主要包含行程节点的识别、节点次序关系的识别和旅游行程链的生成,能实现网络游记文本的旅游行程重构。本文采集了蚂蜂窝平台17 226篇南京市网络游记文本数据,采用最长公共子序列算法,开展了本文方法的试验验证。通过对比分析,本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%,高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比现有关系提取类深度学习方法需要开展大量的数据标注,本文方法计算更加便捷,准确率相对较高,仅需构建区域旅游点名录,即可实现网络游记文本中行程信息的自动提取。

时空协同的城市旅游行程规划模型构建

传统的旅游行程规划往往仅被归类为空间排序问题,而对行程安排中时空耦合性与游客自身选择的灵活性考虑不足。本文将行程规划问题的理解从空间视角拓展至游客活动视角,从旅游节点时空耦合关系以及重构模式出发,将旅行中涉及到的时间、空间与专题等多维属性有机组织,进而提出行程时空链的概念模型以及行程要素时空衔接方法。研究以南京为案例展开模型实验,结果显示该模型与传统线路设计方法在节点名称、节点数量以及节点顺序等指标的匹配度均超过了80%,体现出较好的应用可靠性。相较于已有研究仅从空间视角展开的论述,本文提出以游客自身作为行程规划的基本单位,从游客行为选择、游览时间序列以及节点线路串联等多维视角进行映射耦合,以期为拓展深化城市旅游线路设计理论,支撑智慧旅游工程精细化建设提供理论支撑与借鉴。

Tour Level Mode Choice Analysis of Madison Area in Wisconsin

This study is to investigate what factors and how they affect tours (trip chains) behavior. The key issue is the understanding and definition of tour and tour level mode. Also, these definitions should fit for the data. A semi-home based tour definition is stated, and a competing mode based tour mode is defined. Based on the definition, this study used Madison Area Data from National Household Survey to estimate a MNL structured model. It is found that travel distance could be a positive factor for car mode. Meanwhile, the number of trips is also a positive factor for choosing car.