基于網絡評價的三亞景區旅游消費者情感傾向分析

陸娜 吳明怡

摘要：景區的旅游消費者評價具有一定的情感傾向，其評價既可以反映消費者的感受，又能影響潛在的旅游消費者。利用八爪魚采集器抓取攜程和馬蜂窩兩大平臺中三亞景區的旅游消費者評價6565條，運用ROST CM6 軟件對上述評價進行語義關系及情感傾向分析，分析結果顯示積極情緒占80.24%，消極占10.19%，為了更好地提出建議，再用圖悅軟件對數據進行詞云圖分析，剔除無效詞語并劃分類目，二者結合分析的結果較為全面，從而為三亞景區提出有針對性的建議。

關鍵詞：三亞景區;旅游消費者;情感傾向;網絡評價;滿意

中圖分類號：F724.6 ? ? ?文獻標識碼：A

文章編號：1009-3044（2022）02-0006-04

1 研究背景

三亞位于海南省的最南端，是具有宜人的熱帶海洋性季風氣候的國際旅游城市，海南省最重要的旅游城市之一，有著豐富的旅游資源，四季如春，被稱為“東方夏威夷”。三亞受到眾多的旅游消費者的青睞，天涯海角、南山寺、鹿回頭、大東海、蜈支洲島及亞龍灣等旅游景點，都是休閑旅游的好去處。2020年全球經濟都受到了新冠肺炎疫情的影響，旅游業受到的沖擊非常之大，盡管如此，三亞的旅游總體情況還是較為樂觀的。據三亞市統計局的數據顯示，全年該市住宿設施接待過夜游客1714.4萬人次，實現旅游總收入累計424.7億元，而且旅游者呈現出年輕化的趨勢。

隨著互聯網的普及以及消費者習慣的養成，越來越多的旅游消費者在互聯網網站上查詢景點信息，規劃旅游路線，提前預訂機票、火車票、酒店、門票，并且發表自己的評論，同時也在旅游網站上查看其他旅游消費者對景點的評價。較多的旅游消費者會參考他人在網絡上對于景點及其周邊的評價來決定自己是否選擇該景點，由此可見，景點評價對消費者有較大的參考價值，會影響旅游景點口碑。網絡評價能夠反映出旅游消費者對于旅游景點的游玩感受，對該旅游景點是否滿意，是不容忽視的用戶數據。網絡評價是一把“雙刃劍”，一方面，旅游消費者的網絡評價如果是夸贊好評的一面，可以提升旅游景點的口碑和形象。另一方面如果是消極差評的一面，將會影響旅游消費者對旅游景點的差的認知。

旅游行業的競爭比較激烈，各大旅游景點都盡可能地運用各種先進的設施和技術來提升景點的吸引力，同時各大景點也會對用戶數據進行分析，根據分析的結果尋求解決方案進而提升自身的競爭力。分析三亞市網絡評價的消費者情感傾向分析，可以更好地了解旅游消費者對三亞景區的旅游需求，可以了解到三亞旅游業的優勢和不足之處，為三亞市乃至海南省的旅游業的發展方向提供參考，提升旅游消費者的滿意度，可以促進海南旅游產業的發展。

2 相關文獻綜述

2.1 情感傾向分析研究現狀

對于情感傾向分析，Pang等人（2002）[1]第一次使用機器學習的算法對電影評價數據進行情感分析。通過實驗證明了使用機器學習進行情感分析是可行的。Taboada （2011）[2]等人在情感傾向分類的過程里使用情感字典法進行分類，考慮和總結了各類有可能會影響情感值的因素，比如考慮對情感詞級性有影響的否定詞，以及語氣詞對情感詞的權重的作用等等因素。楊奎、段瓊瑾（2017）[3]提出了基于情感詞典的情感傾向分析方法，用來獲取網絡輿情里面的觀點，提出了一種基于 How Net 概念詞典，它是一種可以通過分析計算詞匯相似度用來構建社會情感字典的方法。同時設計了情感得分的策略。根據分數來挖掘出人們對于輿論的貶損態度，從而準確分析文本的情感動向。黃奇景（2020）[4]參考了基于情感詞典的方法，創建了情感向量指引神經網絡獲取到文本的序列信息，這一提議讓情感分類模型更加可靠。同時對卷積神經網絡與循環神經網絡進行了交融，然后對于神經網絡這一基礎引進了注意力的機制。吳潔（2020）[5]基于深度神經網絡技術、循環神經網絡等技術方法，提出了有效的微博情感分析方法，還針對微博數據稀缺、用戶情感動態變化問題等問題，提出了新方法。提出的方法名叫微博情感分類新方法。

2.2 基于網絡評價的旅游消費者滿意度研究現狀

基于網絡評價的旅游消費者滿意度方面的研究有，李光應（2017）[6]使用八爪魚爬蟲技術抓取攜程網站旅游消費者的評價數據，并進行預處理，然后通過可視化技術和 LDA 主題模型，對前面爬蟲技術抓取到的旅游消費者評論數據進行特征分析。賈博（2018）[7]基于網絡評價中的度假酒店服務體驗質量中以三亞艾迪遜為例子，在網絡上采集旅游消費者的評價，然后對評價進行分析，數據得出的結果是現階段三亞艾迪遜酒店客戶的期望值很高，但是還是會存在些許問題，在入住酒店的時候。通過分析和研究得出存在問題的原因，并對問題提出改善的建議。錢成（2017）[8]基于網絡評價對武漢市的旅游目的地旅游消費者滿意度進行分析，首先爬取旅游網站對于武漢市的旅游消費者評價數據。然后利用數據生成詞云圖進行可視化分析，還使用 LDA 主題模型，把這個模型作為依據建立旅游消費者滿意度影響因素指標體系。

3 研究設計

利用問卷調查的形式收集被調查者對景點的評價進行情感傾向分析，既耗費時間又耗費人力，且問卷調查的問題是固定的，不一定能真正反映旅游消費者的真實感受，由此可見問卷調查形式有一定的局限性。本文通過運用八爪魚采集器收集來自攜程旅游網、馬蜂窩旅游網上三亞景區的旅游消費者評價，對數據進行清洗以及文本挖掘，再分析旅游消費者對景區的情感傾向，同時用圖悅軟件進行基于詞云圖的可視化分析，使分析更充分合理。

3.1 數據選取與采集

數據的選取是工作的第一步。選取的數據需要方便獲取并且具有一定的代表性，這樣才能更快速地獲取數據，分析出的結果才有一定的參考價值。采集的數據來自攜程旅行網和馬蜂窩旅游網。在眾多的旅游網站中選取二者是有原因的：攜程旅行網成立時間早，是目前最大的旅游網站之一，關于旅游消費者評價方面運作得比較成熟，包含了很多方面的信息，信息也比較齊全，其網絡評價具有一定的代表性;馬蜂窩旅游網是中國比較出名和排名靠前的旅行網站，創立于2006年，提供各種旅游服務，包括酒店的預訂，信息的查詢等等功能，該網站十分受年輕一代的歡迎，有中國的“旅行圣經”的稱號。

使用八爪魚采集器作為采集數據的工具，抓取上述兩大網站的排名前10名的三亞景區旅游消費者評價，抓取成功后對抓取到的數據進行匯總，共計抓取了6565條旅游消費者評價。圖1為部分旅游消費者評價截圖。

3.2 基于ROST CM6的文本情感傾向分析

ROST CM6文本分析軟件，該軟件可以輔助進行人文社會科學研究，功能包括分詞、字頻、詞頻分析以及社會網絡和語義網絡分析、情感分析等等。將八爪魚收集到三亞景區的6565條旅游消費者評價數據，導入ROST CM6軟件進行分析。使用軟件的社會網絡和語義網絡分析功能，得出語義關系及其頻數，然后將得出的結果的文本文檔轉成Excel文件，得出前100個關聯詞及其頻數，同時生成語義可視化分析圖如圖2。

由圖2可知，“三亞”“酒店”“海鮮”“景區”“沙灘”等關聯的詞語較多，是這個圖的關鍵節點。其中，三亞和景區兩個詞在本分析中涉及的含義過于寬泛，分析較為復雜，而與酒店、海鮮和沙灘有關的詞語能夠直接反映出這幾方面消費者所關注的點。例如，與酒店相關的度假、適合、方便等詞主表明酒店適合度假，是正面的評價;與海鮮相關的評價詞新鮮、好吃、美食這些詞匯都說明游客對三亞的海鮮持正面的評價，對海鮮的口味、新鮮程度都持夸贊的態度;與景色關聯的詞語有性好玩、有趣是比較正面的評價，表示游客對旅游景點的肯定。

運用ROST CM6對以上評論進行旅游消費者評價的情感傾向分析，旅游消費者的評價是積極的還是消極的還是中性的，得出如圖 3 的結果。

由圖3可知，6565條評論中，積極情緒有5268條，占總數據的 80.24%，中性情緒 628 條，占比 9.57%，消極情緒669 條，占比 10.19%。其中高度積極的情緒有2233 條，占比 34.01%。高度消極情緒僅10 條，占比0.15%。

3.3 基于圖悅的詞云圖可視化分析

盡管以上分析能夠說明旅游消費者對于三亞景區的總體情感傾向是積極的、肯定的，也能確認消費者對于酒店、美食以及景點比較關注，但是與三亞景區相關的具體的類目，不止以上三個方面。為了更好地分析旅游消費者所關注的三亞景區的具體類目，運用圖悅軟件進行詞云圖的可視化分析并進行類目劃分。

3.3.1 生成詞云圖，導出詞頻表格

選用詞頻分析工具圖悅軟件進行分析，將八爪魚采集的評價導入圖悅軟件，生成如詞云圖，同時導出 Excel 格式的詞頻表格，共計150個詞匯。

3.3.2 關鍵詞清理

150個詞匯中出現頻率較高的詞語分別是：海鮮、三亞、景點、沙灘、市場、酒店、亞龍灣。由于有些詞匯對研究旅游消費者情感傾向并無直接關聯，因此需要去除無關聯的詞語才能更好地分析和研究。本文分析三亞整體景區的情感傾向，所以具體要景點的名稱對于情感傾向分析并無關聯，將其剔除，還有些無實義的詞語去除后，得到前130個關鍵詞，由于數據較多，圖4僅展示前50個關鍵詞。

3.3.3 詞頻類目劃分

由于關鍵詞較多，而且比較散，為了便于研究，參考李光應文獻中通過人工判別對獲得詞頻的詞語進行分類，共分出了9類，分別是美食類、項目類、消費類、家人朋友類、交通類、天氣類、服務類、環境衛生類，如圖 5所示。對整合過的分類進行分析，類目詞頻數所占百分比進行匯總，得出如表1所示。

由上分析可知，旅游消費者比較關注的是美食類、景色類、項目類以及消費者類，它們的占比在10%以上，環境衛生類、交通類、家人朋友類、服務類及天氣類，雖然占比不高，但是也說明消費者會關注到這些類目，如果能夠做得更好，也可以提升旅游消費者對三亞景區評價。

4 結論與建議

4.1 研究結論

本文通過運用工具采集攜程與馬蜂窩兩大旅游類平臺的網絡消費者評價，對其進行情感傾向分析，為了更有針對性地分析與提出建議，將基于ROST CM6的文本情感傾向分析和基于圖悅的詞云圖可視化分析二者結合，分析結果顯示，積極情緒占比80.24%，消費者情緒僅占 10.19%，其中高度積極情緒占比達到34.01%，表明消費者對三亞景區的總體評價是積極的、正面的。分析結果還可以反映出消費者對于美食、景色等類目持積極的評價，對項目類以及消費者類比較關心，而環境衛生類、交通類、服務類等也是消費者關注的方面。

4.2 建議

根據上述分析，盡管消費者對于三亞景區的網絡評價總體是正面的，消極情緒很少，但是，為了更好地發展三亞旅游，甚至海南旅游，提升三亞景區在消費者心中的形象，為相關部門提出以下建議。

4.2.1 保持美食類尤其是海鮮方面的好評

以上結合分析顯示，美食在九個類目中排在首位，而與美食評價相關的詞語中海鮮最受歡迎，同時還包括新鮮、加工、味道、好吃等相關詞語，總體看，在美食方面還是比較滿意的。在美食方面，首先應注重當地特色，海鮮的新鮮，在味道方面可考慮消費者的需求進行個性化的烹飪，消費者對于加工方面的關注，體現出消費者希望通過自購海鮮到店烹飪，餐飲店可適當增加此項服務，盡管大排檔是海南的特色，但是衛生方面也是不容忽視的。雖然本次數據未顯示海鮮的價格問題，但是曾引起過消費者投訴，相關部門也應重視市場監控，控制海鮮的性價比。以保證消費者對三亞在美食方面的好評。

4.2.2 挖掘拍照打卡景點，豐富景區游玩項目

景色類和項目類緊隨美食之后，由以上結合分析看出，景色類相關詞語有拍照、美麗、好看、有趣、性價比等，項目類相關詞語有酒店、好玩、潛水、游泳等。針對景色，消費者希望好看，適合拍照，并且性價比高，大小洞天已經成為婚紗照的著名拍攝景點，里面營造了較多的拍照場景，拍照效果非常好，吸引了大量的消費者前往打卡。在不破壞自然環境的基礎上，可在其他景點增加一些人為的拍照場景，既可以吸引消費者的關注，也可以為景點帶來收益。目前的項目類主要是潛水游泳之類的，還有一些刺激性的海上項目，差異化和受眾面較小，建議多開發一些有趣有特色的游玩項目，針對小朋友、老人、青少年、中年人、情侶等不同人群，開發不同的游玩項目，刺激冒險與安靜舒適相結合。

4.2.3 完善交通環境建設

盡管交通類在分析中占比較低，而且與其相關的詞語電瓶車、觀光車、游覽車等未反映出負面的信息，但它也是消費者所關注的，如果做得不好，消費者的不滿意會帶來較強的負面影響。三亞交通方面，由于電動車較多且不遵守交通規則現象較為普遍，交管部門應加強交通方面的疏導與管理，安排交協警人員執勤。交通網絡的規劃以及交通設施的建設應受到重視，目前情況有待改進。

參考文獻：

[1] Pang B，Lee L，Vaithyanathan S.Thumbs up？sentiment classification using machine learning techniques[C]//Proceedings of the ACL-02 conference on Empirical methods in natural language processing - EMNLP '02.Not Known.Morristown，NJ，USA：Association for Computational Linguistics，2002：79-86.

[2] Taboada M，Brooke J，Tofiloski M，et al.Lexicon-based methods for sentiment analysis[J].Computational Linguistics，2011，37（2）：267-307.

[3] 楊奎，段瓊瑾.基于情感詞典方法的情感傾向性分析[J].計算機時代，2017（3）：10-13.

[4] 黃奇景.Web評論的文本情感傾向性分析[D].哈爾濱：哈爾濱師范大學，2020.

[5] 吳潔.基于用戶情感傾向理解的微博情感分析方法研究[D].重慶：重慶理工大學，2020.

[6] 李光應.基于數據挖掘的桂林市游客滿意度分析[D].桂林：廣西師范大學，2017.

[7] 賈博.基于網絡評價中的度假酒店服務體驗質量——以三亞艾迪遜為例[J].才智，2018（8）：200-201.

[8] 錢成.基于網絡評論的旅游目的地游客滿意度分析——以武漢市為例[D].武漢：中南財經政法大學，2019.

【通聯編輯：謝媛媛】