基于分层分位数回归模型的在线旅游评论情感统计分析

本研究通过挖掘在线旅游评论文本中所蕴含的情感值,充分剖析影响旅游景区评价的主要因素。一方面,每个游客对景区各方面的感知存在差异;另一方面,不同的景区之间也存在区别。基于以上背景,本文运用分层分位数回归模型,对游客相关情感变量以及景区变量同时建模,分析不同层次变量对景区评分的影响方向和大小。数据分析结果表明,选取的变量均显著影响综合评分,景区价格、核心资源、行程安排是主要影响因素;热门程度解释了不同景区之间的评价差异;高评价游客比低评价游客更加注重服务质量和餐饮购物。该结论直观显示了游客关于景区各属性的情感反馈,可为旅游产业转型升级提供参考。

融合句法规则和CNN的旅游评论情感分析

旅游评论文本冗长且句式复杂,现有的旅游类情感分析算法较少考虑文本特点和句法变化规则,导致分类准确率降低。针对该问题,提出融合句法规则和卷积神经网络(convolutional neural network,CNN)的旅游评论情感分析算法SCNN(syntactic rules for convolutional neural network)。建立4个词典,根据词典对文本进行直接分类词、总结句和转折句的初步提取,通过CNN进行分类。实验结果表明,与传统的CNN算法相比,SCNN算法在准确率、召回率和F1值上分别平均提升了3.9%、4.2%和4.6%,AUC值提升了13%。

基于tree LSTM的旅游评论情感分析方法研究

通过tree LSTM(long short-term memory)模型对旅游网站评论进行情感分析,以研究用户对旅游景点的满意程度。根据依存句法树的遍历方式将带有情感信息的评论词向量输入到tree LSTM模型中,提取句子特征得到评论的情感分类结果,后续再对情感分类结果进行情感分析,得到用户对景区的满意度。并且扩充了现有情感词库,以提高模型在旅游领域情感分类的准确度。实验结果表明,tree LSTM模型在情感分类中比bi-LSTM的F1值高119%,对旅游评论有较高的分类能力。

基于BERT的端到端旅游评论意见挖掘方法

近年来,随着旅游类互联网产品的兴起,网络上产生了大量针对目的景点的主观评论,使用深度学习算法对相关评论进行意见挖掘,帮助游客快速了解景区特点并为旅游监管提供依据,已然成为一个新的趋势。如何将细粒度意见挖掘方法,如方面级情感分析,应用到旅游评论中,成为一个迫切需要解决的问题。针对上述问题,结合方面级情感分析中意见词抽取和类别分类两个子任务,文中提出了一种针对旅游评论的基于BERT的端到端意见挖掘方法。首先利用BERT对旅游评论进行编码,再经过下游指针网络解码后对相应的旅游评论进行序列标注,得到<意见词,类别>二元组,以形成完整的观点表达。通过实验与现有的序列标注方法相比,该方法具有更好的挖掘效果。此外,构造了针对中文旅游网站评论的数据集,可用于中文方面级情感分析各个子任务的研究。

LDA主题抽取模型在互联网旅游评论的应用

面对网络上日益丰富的评论信息资源,如何在海量的客户评论中快速有效的获取并使用其中的有效信息,成为人们日益关注的问题。研究目标是互联网上的旅游评论,通过使用数据挖掘算法分析获取评论中关于商品或服务的主题词,并提取所有评论中包含主题词的句子。使用主题抽取模型(LDA模型)进行半监督的聚类处理,建立景点评论的主题模型,实现了互联网旅游评论个性化的设置和查询。

旅游评论多维度分析及可视化的研究

通过大数据技术对海量的用户贡献内容构建数据分析系统框架,以酒店为例,进行多维度分析及可视化应用。基于TripAdvisor网站的列表和点评信息,通过分布式爬虫框架爬取所需的数据,经过数据预处理,采用分布式文件系统存储数据,在此基础上运用统计建模及自然语言处理方法进行数据分析研究,借助第三方框架对分析结果进行可视化。研究者在使用该框架时,可以根据自身需求从多个维度进行数据分析及可视化应用。该框架能够有效地对旅游评论大数据进行多维度的统计分析,进而为旅游相关人员提供基于旅游评论大数据的参考信息。

旅游评论文本分析

景区和酒店的网络评论是游客制定旅游计划和旅游企业了解游客意见并改进服务的重要参考.由于旅游评论数据量大、质量参差不齐,导致游客和企业无法有效获取其中的有价值信息.本文提出旅游评论文本分析的4个任务,包括旅游目的地的游客印象分析、景区和酒店的综合评价、网络评论的有效性分析以及景区和酒店的旅游特色挖掘,并且给出这些任务的求解思路和实现方法.

基于改进BERT的旅游评论情感分类研究

为了适应旅游大数据的发展,监控旅游舆情发展导向,构建一种能够精准有效地对旅游评论进行情感分类的技术,提出了改进BERT(bidirectional encoder representation from transformers)的旅游分类模型。首先对我国在线旅游平台进行了调研,收录美团、携程、去哪儿、大众点评、马蜂窝、途鹰、同程、京东、途牛、百度旅游、驴妈妈、艺龙等12个主流在线旅游平台的部分评论数据,根据数据特征,对比TextRNN、TextCNN、TextRCNN、DPCNN、Transformer、BERT以及以BERT作为预训练模型追加以上网络作为改进算法,最终实验证明改进的BERT模型分类的准确率以及召回率都提升接近3%。

基于深度学习的旅游评论有效一致性综合评价

旅游平台上的旅游在线评论是消费者出行旅游的重要参考,然而评分不一致与无效评论问题会导致对旅游目的地的评价失真,干扰消费者出行决策。针对旅游目的地综合评价的问题,首先通过基于负样本生成的深度学习BERT二分类模型等方式清理无效评论数据,然后基于改进的BERT粗粒度情感得分与细粒度多维特征匹配的评分计算方法构建旅游目的地的综合评价模型。结果表明模型在实验数据集上取得了较低的误差,并且在考虑数据有效性和指标多样性的前提下能较好地拟合平台得分数据。因此,在保证训练数据客观的准确的前提下,该方法具有一定实用性和泛化性。

旅游评论短文本的改进ERNIE-RCNN模型分类

针对旅游网站评论文本的长度短、特征稀疏、多歧义等特征,为了获得更精确的文本分类效果,融合知识增强语义表示(ERNIE)预训练模型和TextRCNN模型,即利用ERNIE模型获得词向量表示,再作为TextRCNN模型的输入,进一步提取文本的上下文信息,获得了效果更好的改进的ERNIE-RCNN短文本分类模型.在旅游评论数据集上的实验证明,改进的ERNIE-RCNN模型具有更好的分类结果.

基于多维度图卷积网络的旅游评论有用性识别

【目的】利用深度学习模型识别旅游评论的有用性,给予消费者和酒店管理者商业决策参考。【方法】提出多维度图卷积网络和多模态融合的有用性识别模型,使用BERT和MAE模型分别对文本和图片进行预训练,利用多维度图卷积网络对多模态特征进行建模,再通过注意力机制捕捉多模态间的交互信息,最后融入文本特征进行评论有用性识别。【结果】在Yelp数据集上进行对比实验,结果表明所提模型识别准确率为73.21%,相较于传统单模态和现有多模态模型平均提升了10%。【局限】仅在Yelp数据集上尝试文本和图片两种模态,其他数据融合以及更多模态有待研究。【结论】所提模型将多维度的图卷积网络和多模态特征融入评论有用性识别中,可以有效提升识别的效果。

基于网络文本的喀拉峻草原旅游体验质量研究

以喀拉峻草原为研究案例地,以网络旅游评论为研究样本,采用内容分析法,借助ROST CM6软件的词频统计、建立分析类目、情感分析功能,研究游客在草原景区旅游过程中影响旅游体验质量的因素。研究结论为:游客对草原景区的自然景观感受强烈;旅游体验质量受天气和季节的影响较大;景区的服务管理需要进一步提升。以期为草原景区提升旅游体验质量提供参考和借鉴。

黑龙江省旅游行业在线评论数据分析

黑龙江省具有丰富的旅游资源,但旅游产业发展不尽如人意。为了解黑龙江省旅游产业存在的问题,本文综合使用统计检验、EMD、情感分析、关联分析等方法,从数值和文本两个方面,对黑龙江省典型旅游景区、景点的旅游评论数据进行分析。分析结果表明,旅游在线评论的字符长度与星期几无关,但评分与星期几显著相关,星期一和星期六的评分显著偏低,而星期五和星期日的评分显著较高;在评论数量上,星期四的数量最多、星期一最少,但该规律在统计上不显著;无论是评论数量还是评分,都存在显著的周期性变化,说明黑龙江省的旅游业依赖冰雪旅游,但文本分析的结果表明冰雪旅游存在诸多问题,优势并未体现出来。基于分析结果,本文给出了黑龙江省旅游业发展的策略建议。

基于跨模态深度学习的旅游评论反讽识别

【目的】基于跨模态深度学习方法,通过旅游评论对消费者情感表达进行分析,并识别反讽情绪。【方法】构建跨模态的深度学习模型,首先进行多模态信息的编码,通过图神经网络提取文本与图片中的交互信息,利用注意力机制强调多模态特征,最后进行反讽识别。【结果】结合Yelp网站的旅游评论数据进行实证研究,并与相关基线模型作比较。实验结果表明,跨模态模型具有优越性,反讽识别的准确率达到88.77%。【局限】所提模型仅在Yelp网站的Hilton数据集上进行测试,未在其他旅游平台上进一步验证。【结论】所提模型能够充分提取不同模态间的交互信息,有效提升反讽识别的准确性。

旅游网络评论情感分析方法研究及系统实现

本文针对旅游领域,展开网络评论情感分析方法研究并为航空公司、酒店用户实现了一个实用的旅游网络评论监控系统。设计了简捷方便的情感分析方法,基于情感词典对旅游网络评论进行情感分析,针对旅游领域优化分词词典和情感词典,以获得较高的准确率。通过旅游网络评论监控系统,企业可实时掌握用户对服务的评价,及时处理负面评论,避免造成不可挽回的影响。

基于在线评论数据挖掘的旅游订购意愿研究

自1999年携程成立,中国第一批OTA平台形成,将传统的旅游行业与互联网有机的结合起来。随着时间的推移,在线旅游平台已步入稳步完善阶段,为旅游爱好者提供了比价和信息收集的平台,同时也增加了旅游行业的竞争压力,如何在同质化的旅游平台中脱颖而出,提升平台的服务质量是其发展的关键问题。本文基于消费者视角,通过从在线旅行社携程中挖掘消费者旅游后的在线评论,提取有关旅游的相关词进行语义相关性处理,通过网络可视化可以清晰反映出消费者对在线旅游团购服务的关注点,为在线旅游产业链中的企业提供切实可行的有益建议。

基于在线评论的芜湖旅游情况分析

以安徽省芜湖市的旅游评论分析为例,利用大数据研究方法对旅游评论进行分析,从多个维度探究游客的情感倾向、空间分布、时间分布,为旅游规划提供数据支持,为旅游管理部门提高服务质量提供理论依据。

面向旅游在线评论情感词典构建方法

旅游在线评论情感分析的基础是情感词典的构建。在领域情感词典构建过程中,通常仅使用词频作为筛选种子词集的标准,而并未考虑其内部词语的关联程度,这会导致种子词集聚类效果不明显,进而影响情感词语归类精度。因此,基于词向量模型,提出一种情感词典种子词集筛选方法。该方法将情感词语以向量形式表征并计算词向量间距离,形成种子词集的筛选标准和分类依据,再通过类别判断形成在线评论的情感词典。最后,构建了山岳型旅游景区在线评论情感词典,并通过对比实验验证了方法的有效性,对提高情感词语归类精度和旅游在线评论情感词典的构建起到了积极的作用。

俄罗斯游客在线评论中的中餐形象

该文从语言学的角度出发,总结了俄罗斯最受欢迎的几个旅游资源网站中俄罗斯游客关于中餐的在线评论,并从总体印象、菜肴名称、菜品外观、菜肴味道、食材、就餐环境等几个角度总结中餐在俄罗斯游客中的形象特点。该文研究结果可用于俄语教学与学习,同时对于我国优化对外旅游服务具有一定意义。

旅游目的地在线评论对旅游者有用性感知的影响研究——基于眼动实验

文章根据心理距离、解释水平和归因理论,运用眼动追踪技术,研究旅游目的地在线评论对旅游消费者有用性感知影响的差异,以及行为数据上旅游消费者的主观认知过程。研究结果表明:在不同社会距离下,旅游消费者对旅游评论的注视点个数、注视时长有显著差异;对低解释水平的旅游评论,旅游消费者的注视点个数更多,注视时长更长,有用性感知更高;对含有正面情感倾向的旅游评论,旅游消费者在行为数据上有用性感知更高。文章丰富了网络口碑在旅游情境下的研究,并且在实践中有助于旅游电商优化网页设计布局,合理规划信息组合的呈现顺序,强化旅游目的地在线评论对消费者购买决策的促进作用。