大數據背景下的旅游目的地情感評價方法探究

俞俊男

【摘 要】隨著人們物質生活水平的不斷提升，對精神享受的重視程度逐漸增加，旅游作為一種普遍的休閑放松方式，受到越來越多人的認可與青睞，加之電子信息技術的發展，利用智能移動終端通過建立數學模型的方式，分析游客出行、消費的特征，預測游客的滿意度與市場需求，進而對游客對目的地的情感進行評價。基于此，本文將選擇五個旅游目的地，對游客的情感進行評價和分析。

【關鍵詞】大數據；旅游目的地；情感評價法

一、引言

在以往傳統的旅游目的地分析中，主要采用定量模型的方式，通過設計調查問卷來獲取數據信息進行評價。而在大數據背景下，地理學家可以借助GIS與GPS等新技術，通過對個體行為與信息的采集，獲取到整個群體的空間規律與綜合評價，在互聯網中捕捉游客的滿意度、喜好、愉悅度等情感信息，進而獲取到游客對旅游目的地的整體評價。

二、游客情感研究

20世紀90年代，游客情感研究興起，主要側重于基本維度與因素界定方面，經過學者的研究發現，游客在旅行的過程中，既存在著正面情感也存在負面情感，二者相互交織、互為金拓，客戶滿意度作為游客情感中的一部分，能夠代表整體情感一項，但是在評估內容上存在諸多不確定性，也受到評估者自身感知能力的限制。而在實際旅游過程中，由于尚未建立專用于收集游客情感的詞庫，游客對于情感的分類方式又各不相同，例如有些游客表示的“驚訝”屬于負面情感，而“刺激”大部分屬于正面情感等，加之受到語言表達中連詞、副詞對于情感描述方面的影響，很容易產生誤判，因此需要對情感強度進行進一步準確把握。

三、旅游情感評價研究方法

本文構建了科學有效的游客情感分析模型，建立旅游情感評價專屬詞庫，選擇國內5個旅游目的地進行數據采集，分別為黃山、洛陽、焦作、成都與張家界，并且通過“UNWTO監測數據”方式，對上述旅游場地的數據分析結果進行抓取和分析。

1、數據來源

在數據來源方面，主要選擇國內評論量較多的旅游電子商務門戶網站，經過對團隊進行閱讀與分析后，選擇具有較高知名度與用戶群體的：去哪兒網、攜程網與途牛網。通過網絡爬蟲工具對評論進行抓取，截止到2017年底，共計抓取評論120731條。

2、模型構建

為了更加科學準確的對游客情感邏輯進行評估，在本次研究中通過建立游客情感分析模型的方式，采用詞匯匹配技術，收集旅行評論中的情感詞匯，包括正面和負面兩種，然后進行數學統計和分析，模型構建具體分為以下幾個步驟：

一是建立游客情感詞庫。本文采用的詞庫為知網發布的HowNet詞典，包括91016個中文詞語、85295個英文詞語，涉及到正面評價、負面評價、程度級別等多個類型。同時，采用人工閱讀篩選的方式，對旅游詞庫中的詞語進行進一步提煉，通過吃住行游購娛六個方面著手，共計獲取到正面詞匯與負面詞匯分別為317個與185個。

二是構建語義邏輯規則。首先，對于程度副詞來說，將其劃分為絕對與相對兩種類別，絕對詞能夠單獨體現出程度，而相對詞需要進行對比來表示程度。在程度上共計分為極量、高量、中量、低量四種類別，分別給予0.5-3的倍數級別。其次，在否定詞方面，對文本情感分析起到十分重要的作用，能夠對整個句子的情感傾向起到決定性作用，并且否定句存在“范圍”與“焦點”，并且同一個句子中可以包含不同的否定對象。另外，轉折連詞也將對情感產生一定的影響，分為“狹義轉折”與“廣義轉折”兩種，其中以俠義轉折為重點，如“雖然……但是……”“可是”等[1]。

三是情感乘數擬定。在社交網站中，公眾的表達可能會受到一定的限制，積極向上的表達將獲得更多社會的認同，因此在表達中將會不自覺的向著積極的方向表述，這將導致對負面情緒的判斷不夠科學，夸大正面評論的效果，因此需要對正負面詞匯的比例系數進行校正。在本文研究中選擇的5個數據采集地中，正面評論是負面評論的7.19倍，本文從實驗角度出發對誤差程度進行測定，并且擬定三個情感系數，分別為3/4/5倍，當評論中正面評價與負面評價相比超過3/4/5倍時，此條評論才能夠被真正判定為是正面評論。

3、模型規則

在上述所構建的模型基礎上，根據游客在網站中發表的評論，對目的地進行評分情況進行判斷與分析。針對不同網站采用統一化的評分方式，分值從1到5，1為最低分，5為最高分，滿意程度由1到5是極其不滿意到非常滿意，在分值中以3為界限，4-5分屬于正面評論，3分屬于中性評論，1-2分屬于負面評論，采用的規則為：

（1）“詞頻法”主要是指抓取到的網友評論，對其中的中文分詞進行集合后，采用紙機統計的方式，劃分每個評論的正面與負面詞匯的數量，當正面與負面相比詞匯數為1.5倍時，則屬于正面評論；沒有超過1.5倍為中性評論，超過1.5倍屬于負面評論。

（2）“詞頻邏輯法”主要是指語義邏輯與詞頻統計相結合的情感分析，該規則被建立在上一規則的基礎上，并且以情感詞前后的詞性為參考標準，與系數相乘后，計算最終得分。當正面與負面詞匯單獨出現時，則正面得1分，負面得-1分。

四、評價研究的結果與校驗

本文共計選擇了5個旅游目的地，對游客情感的正面與負面評價進行分析，對于單個目的地來說，焦作的情感評價最為負面，獲取的正面評價比例最低，而負面評價比例最高。另外，采用“詞頻法”進行計算時，黃山獲得情感評價的正面比例最高，而采用“詞頻邏輯法”進行計算，則成都獲得的情感評價最高。從整體上來看，兩種規則對目的地的判斷中，正面評論占總體的比例處于不斷下降狀態，但始終能夠保持在65%以上；中性比例則不斷增加。通過“UNWTO”對數據進行進一步深入分析和校驗。

1、單年度校驗

按照上述5個旅游目的地在情感判定規則中，正面評論的比例來看，對游客滿意度的方差計算公式為：

規則X與監測結果的方差=

式中，Ai屬于第i個目的地中游客的滿意程度；Xi代表的是第i個目的地中正面評價的比例。

通過對兩個規則絕對方差結果的對比研究可知，第一種規則中絕對方差的數值最小，這將意味著其與監測結果之間的距離最小，更能夠準確的測試出游客的真實情感。另外，第二種規則中存在較大的絕對方差值，這將意味著通過計算正負詞匯數量的方式進行情感判斷存在較大缺陷，因此不可行[2]。

2、多年度校驗

由于各個年份之間存在一定的變化，因此選擇進三年的監測結果對5個目的地進行監測，同樣采用計算公式的方式，求取年度絕對方差，計算公式為：

規則X與監測結果的方差=

式中，Ai與Xi代表的含義同上；J代表監測年限。

根據公式計算結構可知，三年內游客對目的地的滿意程度分析效果為第二種規則大于第一種，因此對于多年度校驗將采用第二種監測方式，使其更接近與監測結果。

五、結論

綜上所述，通過本文的調查研究可以得出以下結構，一是游客在線評論的情緒表達較為傾向于正面，不同年份中游客正面情緒表達的程度不同，但總體均高于64%；二是建立旅游情感專屬詞匯、情感乘數等有利于提升調查結果的科學性，縮減其中存在的誤差；三是在單年內差異校驗中，采用“詞頻法”規則效果要高于“詞頻邏輯法”；而在多年校驗中，采用“詞頻邏輯法”要更優于“詞頻法”。

【參考文獻】

[1]李君軼，張妍妍.大數據引領游客情感體驗研究[J].旅游學刊，2017， 32（9）：8-9.

[2]李藝.大數據時代背景下旅游目的地的營銷發展研究——以貴陽市為例[J]. 貴陽學院學報（社會科學版）， 2017，12（2）：39-43.