旅游評論極性分析對景區服務品質影響研究

摘要：移動互聯網的快速發展，方便了人們在網絡上評述事情、表達觀點的同時，也在網絡空間中留下了能夠反映個體在現實空間中行為的大量電子足跡數據。可以說，保存在網絡空間中的電子足跡數據隱藏著個體在現實世界中的心態和情感秘密。那么，如何挖掘出隱藏在這些評論中的有用信息，給有關部門提供情報服務則顯得很有必要。然而，盡管有一些基于網絡評論數據進行情感分析的研究，但很少有人能夠進一步深入并歸類差評所折射出的現實空問中的具體問題而進行分析。本文主要爬取“去哪兒網”上相關于青海旅游的評論數據重點進行分析。利用Python中的Jieba對評論分詞，通過SnowNLP模塊計算情感極性，以此判斷游客對景點盼情感傾向性。通過分析得出游客在青旅游期間的情感態勢。然后，對負向情感較集中的評論內容歸類統計，分析差評所折射出來的在現實世界中引起人們不滿意的那些問題。同時，結合實測調研數據進行比對，形成意見報告，為旅游主管部門在景點管理與下一步的規劃建設中提供服務。

關鍵詞：旅游;網絡評論;情感分析;大數據;景區管理

中圖分類號：TP39 文獻標識碼：A

文章編號：1009-3044（2020）20-0023-05

Analysis of The Impact of Tourism Review Polarity cm Service Quality in Scenic Area

Tang Ming-hu

（Qinghai Nationalities University ，Xining 810007，China）

Abstract： The rapid development of mobile Internet not only facilitates people to comment on events and express views on the net-work. hut also a larg{e numher of electronic footprint data are left in cyberspace that can reflect the behavior of individuals in realworld. It can be said that the electronic footprint data stored in cyberspace hided the individual's mental and emotional secrets inthe real space. Therefore. it is necessary to dig the useful information hidden in these comments and provide intelligence servicesto the relevant departments. However， although there are some studies based on online comment data for emotional analysis， fewpeople can further deepen and categorize the specific problems in the real world reflected l）y the bad comments.This paper mainlyanalyzes the data of the tourism-related comments for Qinghai Provim：e. Using the Jieh a to analyze these comments， calculatingemotional polarity through snowNLP Module in Python， so as to judge the emotional tendency of the tourists to the scenic spots.Through the analysis， we get the emotional situation of tourists during the tourism in Qinghai.Then， the content of the negative emo-tion is statistically classified. and the problems that people are not satisfied in the real world. which are reflected by the bad com-ments. are analyzed. At the same time. combined with the actual survey data to form the opinion report， and providing services tothe tourism department for the scenic area management.

Key words：travel; network comments; sentiment analysis; big data; scenic area planning

旅游產業鏈的建構促進著區域各行業的社會經濟，帶動景點沿線與周邊區域的交通、住宿、餐飲、超市、工藝品等產業的蓬勃發展，形成多維度互聯互動機制[1]。其中，各景點作為旅游產業鏈的龍頭，牽引起下游產業鏈的拓展和延伸，促進了區域經濟發展，改善著地區居民的生活條件。然而，多維度互聯互動機制的內在關聯性，使旅游產業鏈的興衰或可持續發展時常受社會多渠道經營過程的牽制。例如景點規劃與建設的品質、游客在游覽景點后的評價口碑等信息。尤其是游客的評價對景點后期的建設與發展至關重要，可以說是整個旅游產業鏈的生命主線，興衰受其深度影響[2]。異質多源互聯互動機制的內在關聯性對整個旅游產業鏈形成一榮俱榮，一損則廢的狀況。因此，如何科學、合理地設計出景區的規劃與建設方案，對整個產業鏈的持續發展有著決定性作用。

傳統意義下的景區規劃建設，有時會存在調研數據不足、項目上馬建設倉促、模仿形式大于創新樣式、人口流量與建設規模不匹配、景區門票定價與當地居民生活成本脫節、從而使景點的后期開放與維護中出現成本太高、資源浪費、難以維持正常營業等的問題。許多景區的建設往往是花費了人力、物力、財力，但卻得不到游客的認可和好評[3]。可以說，這種規劃與建沒是不科學、不合理的。

一個優質的景點，本身的自然風光和歷史文化底蘊是內涵。而如何保持內涵的同時，創新性地建設景點則是其可持續發展的生命力。一個景點的規劃與建設是景區管理層的責任和義務，其推廣誠然需要官方層面的大力宣傳，但更多還是游客依賴各種媒介對自身體驗情感的正能量傳播。游客評價雖是民間個體真情實感的表露，但確是引導后續游客出行最重要的影響因素。景點的規劃建設與游客對景點的情感表述看似不同層的群體行為，實則為互聯互制。旅游主管部門對轄區景點的規劃與建沒，旅游群體集中反饋的旅游體驗感受信息之間存在著潛在的關聯性[4-6]。

當前，“互聯網+”時代，智能手機的普及，移動互聯網絡地快速發展，方便人們在網絡上發表照片、視頻、評論，以此抒發自己的情感。許多游客習慣于在出游前后、出游期間隨時隨地借助微博、微信朋友圈等發表大量出游信息，對景點風景、服務、建筑設施、交通、餐飲、衛生等諸多方面做卅真實評價，撰寫觀景感受。當發表在網絡上的這些評論被大量瀏覽、轉發后，對景點后續游客的出行計劃產生影響[7-8]。2014年1月3日，互聯網上曝出“麗江導游辱罵游客、強迫購物”事件的視頻，在網絡上被大量轉載1。2018年6月20日，網名為“弧度美青海游”的一位游客在以旅游業為核心業務的“途牛”網站上發表“剛從青海回來，給大家總結一下青海旅游的騙局和陷阱”的長貼，評價了青海旅游期間的諸多遭遇，提醒和規勸后期出游者。截至本文撰寫完成時，瀏覽量已達到18491次2。

互聯網無時空約束的特性，使網絡評論信息的傳播速度遠勝傳統媒體。而且處于虛擬網絡空間的用戶，相較于物理空間的面對面交流，更有意愿展示出自己內心最真實的想法與看法，從而加大被評價景點信息傳播的廣度和深度。類似于電子商務網站上的虛假評論對企業造成的影響[9-12]，網絡用戶的評價對新游客的出行決策具有非常大的影響力。直觀的表現就是景點的客流量會銳減，繼而對整個以景點為核心的產業鏈造成沖擊，景點的后期規劃與持續建設也出現問題[13，14]。因此，如果不考慮游客的實際感受，僅以行政手段實施的建設，往往會出現“好心辦不成好事”的局面。作為旅游管理部門，如何將景點建成口碑高、人氣旺、負面信息少的高品質產品應該是他們期望的目標。但傳統上，以行政政策為主要指向的建沒策略的制定與實施有時也會存在問題。例如，當前諸多省市地出現的大量古城古街、玻璃棧道等景點，就存在簡單模仿、復制，沒有地區特色和創新之處，失去了景點原本的多樣性。千篇一律的模式，造成景區缺乏吸引力，拖累了后期的持續性競爭力，只能慘淡經營，甚至于難以為繼至無人問津。因此，盲目地借鑒并不切實際地擴張建設，只會造成生態破壞、資源浪費。如果景點管理與建設初期，通過調研并利用現有技術充分考慮網絡游客的評價和態度，針對性地設計建沒方案，實施改良措施，發揮群策群力作用，則會更加科學合理。

當前，隨著大數據、機器學習技術的興起，提供了收集并分析旅游評論反饋出游客情感趨勢的機會和條件，從而對景點進一步的建設與規劃提供參考[15]。例如，分析近期網絡評論數據，出現青海塔爾寺景區電子導游設備不能播放，不能使用，但又要收費的大量差評3。這說明投資建沒的電子導游沒備與景區大量的導游員之間產生了矛盾。如果景區管理層能夠及時關注網民評價，實時分析問題，投資建設的這些電子導游設備就不會形同擺設，資源也就不會浪費了。所以說，基于大數據分析技術，面對多源異構的多維數據，如何實現有價值的信息挖掘，并對相關業務部門的工作規劃提供參考，則顯得極為重要[16-18]。

網絡用戶情感分析最關鍵的是去判斷評論信息的情感傾向，首要條件是搭建一個涵蓋青海省旅游景點評論的數據庫，依靠特征詞語、語氣句子等作為特征提取的方法，對不同的用戶評論進行處理，計算出特征的權重，通過權重值來判斷用戶評論的情感極性。完成上述步驟以后就會得到經過極性分析的分詞評論。通過對評論中的差評數據進行篩選，按照差評中所指出的問題進行細致的分析，進行問題的分類和總結，并依據評論中最熱門的問題，提出相關的建設性規劃意見。

本文針對青海省旅游景點的規劃與建設，通過抓取來自互聯網上大型社交平臺中的相關評論數據，經過分析，挖掘出截取時間點期間非特定用戶對特定物和事的真實評價，研判用戶對景點關聯業務的情感趨勢，歸納匯總群體性情感偏向性，從而對應找出特定景點關聯業務中存在問題，進一步形成分析報告，對旅游相關部門制定規劃方案時提供技術支撐和成果參考。

1相關工作

隨著互聯網的快速發展，人們通過各種社交平臺、旅游網站發表帶有濃烈個人情感色彩的體驗感受、產品評價等言論，如恐懼、憤怒、難過、失望、喜悅、開心等具有褒、貶意詞性。通過對這些評論的分析，確定情感似向性，了解人們對特定事件、景點的正向或負向看法[5，19]。旅游評論反映了游客的真實感受，怎樣把握用戶對旅游景點、當地旅游服務的需求滿意程度，是目前旅游資源建設和管理所關注的問題，有著重要的現實意義[20]。當前“互聯網+”大數據技術的發展，基于網絡旅游評論大數據的分析引起科研人員更多的關注[21]。尤其是基于文本的主體情感描述。情感分析也稱意見挖掘、傾向性分析，是對語句中表達情感的詞語進行分類處理的過程[22，23]。研究表明旅游評論對后續游客的出行決策具有很大的影響力。為從海量的游客評論數據挖掘情報信息，給旅游管理部門調研游客的看法形成一條便捷、高效且真實的反饋通道，本文基于網絡游客對青海旅游評論語句重點分析他們的情感極性，推測用戶最不滿意的問題作為景區建設規劃的依據和突破口，以此提升景區服務質量。

面對社會經濟的發展帶動來的信息量的指數級增加，作為社會個體的注意力成為最稀缺的資源。基于百度指數對網絡用戶在線搜索數據記錄的深入分析，發現網絡關注度與景點實地游客量呈正向關[24]。文獻[25]以攜程網旅游評論作為語料庫，建立基于逐點語義分析法的分類器和基于支持向量機、樸素貝葉斯、N元文法三種典型機器學習算法的分類器，分析了旅游評論情感傾向性。對游覽和娛樂、食宿和購物、交通三方面情感傾向性詞組歸類統計，得出游客反映的旅行目的地存在的一些問題。文獻[26]重點分析攜程網上關于酒店的情感傾向性。也有以同程旅游網[6]、馬蜂窩[27]等網絡評論為分析數據，構建模型。其中文獻[27]以馬蜂窩游客對南京的在線評論文本為數據，分析得出目的地形象維度重要性存在差異。王少兵等人[28]構建“旅游形象屬性一觸發詞”詞表，計算了評論信息中旅游形象屬性的游客關注度。文獻[29]提出基于LDA（ Latent Dirich-let Allocation）主題發現模型，以大眾點評、攜程及馬蜂窩中關于故宮的用戶評論為例，挖掘游客對景點故宮的關注及情感傾向。

以旅游目的地為研究目標，陳航等人[30]構建了目的地品牌與旅游者情感關系的分析框架和目的地品牌評價指標體系。根據不同情緒屬性的游客對于目的地品牌情感評價的差異來尋求目的地品牌管理中的不足。文獻[31]收集在線網絡上對菲律賓的Tweet推文，使用支持向量機和naive Bayes進行情感分析。

以微博評論作為分析數據。文獻[32]基于貝葉斯分類算法研究微博旅游評論，實現基于本體的旅游網絡評論情感分析和預警系統。以游客視角來研究如何在網絡眾多信息中獲取所需資料，文獻[33]旨在幫助游客方便地從旅游社交網站中提取主觀信息，確定旅游領域作者的態度和整體調性。這可以減少搜尋有關資料所需的時間。以設計意見評論模塊，文獻[34]提出了一種模塊化的軟件幫助用戶了解網絡上所有的旅游意見。根據評論中所表達的情感，提出旅游評論的情感分類方法[35]，構建基于模糊方式的意見分類系統[36]，基于評論或推特的城市交通和旅行信息分析[37]。

旅游評論中用戶對景點情感傾向性的分析實際上是給旅游主管部門提供了真實可靠的反饋信息，形成的反饋機制在景點規劃建設中具有重要意義。

2旅游評論情感分析框架

隨著智能手機的普及和移動互聯網絡的發展，旅游群體借助網絡發表對景點相關聯事物的直觀感受。大量的網絡電子足跡數據對于分析用戶的情感趨勢帶來便利，尤其是針對一些大型社交網站上用戶對旅游的評價，判斷用戶在旅游期間的情感態度，統計分析出群體集中關注的點，挖掘出用戶意見最大的根源，形成分析報告呈交旅游管理部門，使景點的后期建設規劃具有參考依據，從而及時解決存在問題，科學合理地設計規劃方案，避免盲目擴張建設造成的資源浪費。

鑒于網絡評論數據具有分散性和主題不確定性的特征，實驗中運用數據爬取技術、情感分析技術、數據可視化技術將碎片化的用戶評論整合在一起，形成一個相對完善的數據庫并轉換成對旅游建設管理者有用的直觀信息，以此為旅游地的建設提供有價值的參考意見。本文整體設計思路見圖1所示。

3實驗設計與結果分析

本文工作主要關注網絡評論中對景點相關事物的評價內容，以此來判斷用戶對景點及其關聯附件的情感態度，然后統計分析出用戶評價最多、差評最多的共性問題，再分類統計、提煉具體內容并給出指導意見。“去哪兒網”是集交通出行、酒店預訂的大型網站，用戶多，評論豐富，本文以此作為數據來源，創建Python頊目，通過Requests庫發送數據請求，取得的數據轉換成json格式，再抽出評論。

3.1數據預處理

編寫Python爬蟲抓取“去哪兒網”的評論元數據存在大量噪音，數據清洗處理主要完成除噪、去除不可用數據以及對此進行規范表述等。表1是數據預處理與情感極性分析出來的正向、負向分類結果。其中，原始評論條數達14392條，涉及景點數共565個。清洗處理系統自動默認評論，剩余5617條真實可用評論。在情感分析階段，基于白然語言處理的模型框架，進行了分詞、詞性標注、分句、主觀句提取等操作。

網絡中獲取的原始評論數據經初步清理后存放于評論表。評論表結構設計為景點ID、用戶ID、用戶名、評論內容、評論日期、景點名稱。表2展示了從網絡獲取的評論保存于評論表的元數據樣例。對存儲青海全景所有景點的景點信息表結構則設計為景點ID、景點名稱、景點簡介、景點網址、評論總數、景點地理位置。

3.2情感分析

使用Python中的SnowNLP模塊，根據詞意對評論進行差評、好評的判斷，并使用Jieba分詞算法中的詞性表對評論進行分詞操作，判斷m評論中詞語的詞性，并統計出各詞性、成語出現的個數。

3.2.1文本分詞

采用Jieba分詞中的全模式來進行分詞，操作步驟如圖2所示。

進行Jieba分詞首先需要將評論數據導入，將評論按詞性表進行分詞清洗，得到新的分割后的數據。最后通過把評論庫中的評論進行分詞操作就會得到按詞性分詞后的數據字典，并且統計各詞出現的次頻以及出現頻率較高的四字詞語，如圖3所示。

根據詞性表，分詞后的評論數據按詞性可以統計匯總。如評論語句“塔爾寺的手T建筑也讓人十分驚嘆”。經過分詞統計為：“手工”一一名詞，“建筑”一一名詞，“也”一一副詞，“讓”一一動詞，“人”一一名詞，“十分”一一數量詞，“驚嘆”一一感嘆詞。同時，對評論中以字長為4的分詞也進行了統計，如只針對塔爾寺景點的一些評論中分詞，出現“藏傳佛教”有49個，“栩栩如生”有3個等詞匯。以此為例，評論數據分詞后的詞性統計和字長為4的四字詞分詞后的統計結果樣例見表3所示。

3.2.2用戶情感分析

抽取評論中的關鍵詞進行情感極性的分析。如果關鍵字的情感傾向在0-0.5之間就將評論定義為差評，反之則為好評，表4展示了情感極性分析樣例。

通過對有效文本詞語數據的情感極性分析，以好評、差評為標準，分別統計出4536條和1081條。評論中好評數要大于差評數，說明青海的旅游建沒是值得肯定的，但是差評中反映出的問題也急需解決。這樣才能更好地使青海旅游業繼續發展下去。本文的最終目的，實際上就是要深入分析這些差評，從中挖掘出游客真正關注或不滿意的原因，找出引起不滿情緒的根源，提出解決對策，形成客觀合理的調研報告，給景區管理部門在管理和規劃建沒中建言獻策。

上述評論分詞及文本情感極性分析表結構主要設計為景點ID、景點名稱、用戶評論、分詞結果、情感極性分值、評論等級。從表中可以看出，分詞合理，情感極性的判斷也是比較準確的。

4基于差評的景區管理與建設

選取青海代表性景點塔爾寺為例，專項爬取該景點的評論總數11066條。通過可視化分析，可以看得出網絡評論整體上是正面的（見圖4）。但為給管理部門的建設規劃和景點管理提供參考，在情感分析基礎上，忽略了好評結果，重點關注所有差評信息。我們從所有差評中隨機抽取了20條評論，深入分析發現，其中有6條評論涉及停車難問題;3條涉及網購票取票時窗口地址不明確;4條評價認為，游客花錢了但有很多地方正在修繕，不讓進人參觀;3條差評電子導游器問題;4條評論直接驚呼景區人太多！筆者就上述問題做了一番實地調研，發現網上評論基本符合事實！這說明游客在網絡上的評論，其真實性、可靠度是很高的。分析網絡評論，對景點建設規劃和日常管理提供參考是具有實際價值的，也是景點提升競爭力、吸引力的一個必然工作。

青海塔爾寺景點是青海最有名氣，對各地游客最有吸引力的景點。通過對網絡評論中出現差評內容分析，具有代表性的問題主要存在于交通不便、票價設置不合理、導游管理不規范、景區過于商業化、停車位設置混亂等問題。簡單歸類，問題可劃分為硬件設施和軟件基礎兩個大類。

（1）硬件沒施：景區內缺少標識;高峰時期客流量過大、景區內過于擁擠;交通不便利;路面和眾多景點一直處于維修狀態，購票后不能參觀;景點文化信息介紹不充分、不詳細;整體游玩時間較長，沒有供人們休息的場所;景區周邊存在黑停車場;景區店鋪存在“強買強賣”和“敲詐勒索”的現象。

（2）軟件基礎：普遍存在門票價格過高;旅游體驗感不強;取票方式煩瑣;景區周邊存在“黑導游”;旅游高峰期導游講解應付了事;部分導游普通話不標準，聽不懂講解內容;景點售票人員態度惡劣，沒有耐心等問題。

針對以上問題，擬提出下列建議可供相關建設部門參考。

（1）可以設立景區個性化標識，方便游客游覽景區。高峰時期建議進行人流的疏導和限流，給游客制造通暢的旅游環境，也為景點減小客流量壓力，避免不必要的損失。尤其是，對景點旅游線路的規劃，以“大景點、小環路”的思想，將進入景點后游覽線路分散成幾路不同行進路線的小環路，有導游、景點管理疏導人員帶隊，以此緩解高峰時期的擁堵現象。

（2）修繕工程減免制度。對于正在修繕當中的部分景觀，除督促相關部門加快景點部分設施修繕進度外，對原票價中包含參觀的場景因修繕而造成無法正常觀景的，可動態適時地減免部分票款，并正面告知游客，以此舒緩游客不滿情緒。

（3）建議政府統一收繳、規劃景區周邊所有停車場。基于景點停車場地不足且與游覽線路重疊，造成人、車混雜，風險因子突升現象，建議政府景點為圓心，收繳并統一規劃景區周邊一定區域范圍內的停車場地。以收入場地的面積按比例再反換收入所得。同時，加大打擊私白設立、經營停車場的力度。

（4）取締亂要價、價格高的黑商店。對景區內不合法商販進行統一管理，實施電子明碼標價，在線投訴平臺。以此加大處罰力度，加強統一管理。

（5）完善服務管理制度，對導游進行規范化管理。對景區導游、售票人員進行系統培訓，提升導游和售票人員的素質，加強電子監管和取證力度，營造高品質服務環境。

（6）增加景區二維碼講解、二維碼地圖。利用科技手段，打造數字旅游平臺，讓游客提前了解景點文化底蘊與歷史背景，給游客呈現更好的實地旅游體驗。

5結論

本文獲取對青海景點的旅游評論在線數據，通過清洗、分詞、建模及情感分析等過程，實現以青海旅游景區評論數據為背景的游客情感趨勢挖掘，重點對網絡評論中差評文本進行分類統計，實施語義層的分析提純，最終形成合理、實用的建議方案，為景點相關部門在景區可持續管理、規劃和建設中提供參考依據。

注釋：

1. http：//politics. people. com.cn/n/2014/0106/c70731-24027941.html.

2. https：//www.tuniu.com/trips/12604550.

3. http：//www.msweekly.com/show.html？id=101597.

參考文獻：

[1]黃常鋒，孫慧，何倫志.中國旅游產業鏈的識別研究[J]].旅游學刊，2011，26（1）：18-24.

[2]龔箭，楊舒悅.基于網絡評論的旅游目的地評價研究——以我國31個省市自治區為例[J].華中師范大學學報（自然科學版），2018，52（2）：279-286.

[3]李君軼.基于游客需求的旅游目的地網絡營銷系統評價——以我國省級旅游官網為例[J].旅游學刊，2010，25（8）：45-51.

[4]張林，錢冠群，樊衛國，等.輕型評論的情感分析研究[J].軟件學報，2014，25（12）：2790-2807.

[5]涂海麗，唐曉波.基于在線評論的游客情感分析模型構建[J].現代情報，2016，36（4）：70-77.

[6]郭宇，王晰巍，李師萌，等.基于情感分析的社會網絡用戶影響力模型研究[J].情報學報，2017（11）：1139-1147.

[7]吳茂英，黃克己.網絡志評析：智慧旅游時代的應用與創新[J].旅游學刊，2014，29（12）：66-74.

[8]粟路軍，何學歡，胡東濱，等.服務質量對旅游者抵制負面信息意愿的影響機制研究——基于Stimulus-Organism-Response（S-O-R）分析框架[J].旅游科學，2017，31（6）：30-51.

[9]Anclerson M， Magruder J.Leaming from the crowd： regressiondiscontinuitV estimates of the effects of an online review data-base[J].The Economic Journal，2012， 122（563）：957-989.

[10]孟美任，丁晟春.虛假商品評論信息發布者行為動機分析[J].情報科學，2013，31（10）：100-104.

[11]楊敏.在線商品虛假評論對交易雙方的影響研究[J].現代經濟信息，2016（1）：159.

[12]李璐暘，秦兵，劉挺.虛假評論檢測研究綜述[J].計算機學報，2018，41（4）：946-968.

[13]靜恩明，郭風華，李仁杰，等.基于新浪旅游博客的河北省A級景區網絡關注度研究[J].地理與地理信息科學，2015，31（3）：118-122.

[14]李勇，蔣冠文，毛太田，等.基于情感挖掘和話題分析的旅游輿情危機演化特征——以“麗江女游客被打”事件為例[J].旅游學刊，2019，34（9）：101-113.

[15]劉逸，保繼剛，朱毅玲.基于大數據的旅游目的地情感評價方法探究[J]地理研究，2017，36（6）：1091-1105.

[16]郭建錦，郭建平.大數據背景下的國家治理能力建設研究[J].中國行政管理，2015（6）：73-76.

[17]李燕萍，虞虎，王昊，等.面向大數據時代的城市規劃研究響應與應對方略[J].城市發展研究，2017，24（10）：1-10.

[18]陳濤，劉慶龍.智慧旅游背景下的大數據應用研究：以旅游需求預測為例[J].電子政務，2015（9）：6-13.

[19]張紫瓊，葉強，李一軍.互聯網商品評論情感分析研究綜述[J].管理科學學報，2010，13（6）：84-96.

[20]劉丹萍，金程.旅游中的情感研究綜述[J].旅游科學，2015，29（2）：74-85.

[21]龍茂興，孫根年，馬麗君，等.區域旅游網絡關注度與客流量時空動態比較分析——以四川為例[J].地域研究與開發，2011，30（3）：93-97.

[22]周立柱，賀宇凱，王建勇.情感分析研究綜述[J].計算機應用，2008，28（11）：2725-2728.

[23]魏鏵，向陽，陳千.中文文本情感分析綜述[J].計算機應用，2011.31（12）：3321-3323.

[24]黃先開，張麗峰，丁于思.百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J].旅游學刊，2013，28（11）：93-100.

[25]鄭文英.旅行目的地中文評論的情感分析研究[D].哈爾濱：哈爾濱工業大學，2010.

[26]曹斌.互聯網上旅游評論的情感分析及其有用性研究[D].哈爾濱：哈爾濱工業大學，2008.

[27]徐菲菲，刺利青，Ye Feng.基于網絡數據文本分析的目的地形象維度分異研究——以南京為例[J].資源科學，2018，40（7）：1483-1493.

[28]王少兵，吳升.基于景點在線評論文本的游客關注度和情感分析[J].貴州大學學報（自然科學版），2017，34（6）：69-73.

[29]黎崾，謝宗彥，張公鵬，等.基于LDA的游客網絡評論主題分類：以故宮為例[J].情報工程，2017，3（3）：55-63.

[30]陳航，王躍偉.基于旅游者情感的目的地品牌評價研究——以互聯網旅游日記為例[J].人文地理，2018，33（2）：154-160.

[31] Menchavez J C L，Espinosa K J P.Fun in the Phi：lippines：auto-matic identification and sentiment analysis of tourism-relatedtweets[C]//2015 IEEE International Conference on Data Min-ing Workshop （ICDMW）. 14-17 Nov. 2015， Atlantic City， NJ，USA. IEEE. 2015：660-667.

[32] Yang Y X，Lin X L.Tourism network comments sentimentanalysis and early warning system based on ontology[J].lntelli-gent Computing rl'heories anrl Application，2016.

[33] Palakvangsa-Na-ayudhya S，Sriarunrungreung v，ThongprasanP.et al. Nebular： a sentiment classification system for the tour-ism business[C]//2011 Eighth Intemational Joint Conferenceon Computer Science and Software Engineering （JCSSE）. 11-13 May 2011， Nakhon Pathom. Thailand. IEEE. 2011：293-298.

[34] Marrese-Taylor E.Velclsquez J D， Bravo-Marquez F.Opinionzoom：a modular tool to explore tourism opinions on the web[C]//2013 IEEE/WIC/ACM Internaticmal Joint Conferences onWeb Intelligence （WI） and Intelligent Agent Technologies（IAT）. 17-20 Nov. 2013， Atlanta， CA， USA. IEEE， 2013：261-264.

[35] Colhon M. Badica C， bendre A. Relating the opinion holderand the review accuracy in sentiment analysis of' tourist re-views[J]. Knowledge Science， Engtineering and Management，2014.

[36] Afzaal M.Usman M，Fong A C M.et aI.Fuzzy aspect hasedopinion classification system for mining tourist reviews[J].Ad-vances in Fuzzy Systems， 2016，2016：1-14.

[37] Ali F，Kwak D.Khan P.et aI.Fuzzy ontology-based sentimentanalysis of transportation and City feature reviews for safe trav-eling[J].Transportation Research Part C：Emerging Technologies，2017.77：33-48.

收稿日期：2020-03-27

基金項目：本文系青海省應用基礎研究項目“多層異質復雜網絡的鏈路預測研究及其在青海旅游景點自動推薦中的應用”（2018-ZJ-707）和教育部“春暉計劃”合作科研項目“耦合多元信息屬性關系的多層異質復雜網絡鏈路預測研究”的研究成果之一。項目負責人：唐明虎

作者簡介：唐明虎（1974-），男，副教授，博士，研究方向：機器學習、社交網絡分析。