大數(shù)據(jù)在中國(guó)旅游研究中的應(yīng)用回顧與展望

宋瀟瀟 李云鵬 李勇

[摘 要]大數(shù)據(jù)為旅游研究提供了廣泛的數(shù)據(jù)來(lái)源，拓展了旅游研究的廣度和深度。然而，對(duì)基于中國(guó)本土旅游大數(shù)據(jù)應(yīng)用而形成的學(xué)術(shù)研究成果及其研究趨勢(shì)卻缺乏系統(tǒng)性的認(rèn)識(shí)和評(píng)判。文章以中國(guó)知網(wǎng)（CNKI）為數(shù)據(jù)來(lái)源，系統(tǒng)性地總結(jié)了發(fā)表在中文學(xué)術(shù)期刊上的旅游大數(shù)據(jù)的學(xué)術(shù)研究進(jìn)展，并在此基礎(chǔ)上提出未來(lái)的研究方向。研究發(fā)現(xiàn)：年度發(fā)文量總體上呈增長(zhǎng)趨勢(shì)，2018年為顯著增長(zhǎng)點(diǎn)。在數(shù)據(jù)類(lèi)型上，主要分為用戶(hù)生成內(nèi)容數(shù)據(jù)、設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)三大基本類(lèi)型，其中，用戶(hù)生成內(nèi)容數(shù)據(jù)已被廣泛應(yīng)用于旅游研究，設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)的使用仍需深入挖掘。在數(shù)據(jù)來(lái)源上，主要為攜程旅行、馬蜂窩旅游網(wǎng)和新浪微博等社交媒體，并且大多數(shù)研究依靠單一的數(shù)據(jù)來(lái)源。在研究方法上，計(jì)量經(jīng)濟(jì)模型等傳統(tǒng)定量方法仍是主流分析方法;定性分析和混合研究方法，尤其是文本分析和機(jī)器學(xué)習(xí)等跨學(xué)科方法使用較少。在研究主題上，研究?jī)?nèi)容呈多元化和碎片化特點(diǎn)，包括旅游感知與體驗(yàn)、旅游者行為、旅游流、旅游預(yù)測(cè)、評(píng)論管理、網(wǎng)絡(luò)關(guān)注度、旅游資源分布和模型構(gòu)建與改進(jìn)等多主題。未來(lái)研究應(yīng)從數(shù)據(jù)、方法和理論多視角深化旅游大數(shù)據(jù)研究，包括加強(qiáng)產(chǎn)學(xué)研合作和多源數(shù)據(jù)的協(xié)同共享、文本分析和機(jī)器學(xué)習(xí)等跨學(xué)科方法的使用、交叉學(xué)科研究和理論構(gòu)建等。

[關(guān)鍵詞]旅游;大數(shù)據(jù);數(shù)據(jù)類(lèi)型;數(shù)據(jù)來(lái)源;分析方法;應(yīng)用領(lǐng)域

[中圖分類(lèi)號(hào)] F592.7 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1674-3784（2023）04-0123-13

大數(shù)據(jù)作為知識(shí)經(jīng)濟(jì)時(shí)代的重要資源，是社會(huì)生產(chǎn)和生活過(guò)程中產(chǎn)生的海量、多源數(shù)據(jù)的集合。大數(shù)據(jù)具有體量大（Volume）、類(lèi)型多（Variety）、速度快（Velocity）和價(jià)值密度低（Value）的4V 特征[1]，是對(duì)傳統(tǒng)數(shù)據(jù)的有力補(bǔ)充，能夠?yàn)樵鰪?qiáng)決策過(guò)程提供有價(jià)值的見(jiàn)解，已經(jīng)被廣泛應(yīng)用于金融、教育、醫(yī)療和交通等多個(gè)領(lǐng)域。大數(shù)據(jù)在旅游領(lǐng)域中的應(yīng)用也越來(lái)越普遍和深入，為旅游研究提供了重要的數(shù)據(jù)來(lái)源，拓展了旅游研究的廣度和深度。近年來(lái)，旅游大數(shù)據(jù)研究成果頗為豐富[2-3]，并呈現(xiàn)鮮明的跨學(xué)科、多元化與碎片化特征。鑒于此，對(duì)大數(shù)據(jù)在旅游研究中的應(yīng)用這一研究主題進(jìn)行全面、系統(tǒng)的文獻(xiàn)回顧，具有梳理性、整合性和指導(dǎo)性的學(xué)術(shù)價(jià)值和實(shí)踐價(jià)值。

已有學(xué)者對(duì)現(xiàn)有研究成果進(jìn)行了系統(tǒng)性回顧與總結(jié)，并進(jìn)行了綜述，這些綜述文章大致可以分為兩類(lèi)：一類(lèi)是梳理大數(shù)據(jù)在旅游研究中的應(yīng)用，主要從數(shù)據(jù)來(lái)源、數(shù)據(jù)類(lèi)型、研究方法和研究主題等方面進(jìn)行系統(tǒng)性綜述，并提出未來(lái)的研究方向[4][5]301，[6]168，[7];另一類(lèi)是對(duì)單一的旅游大數(shù)據(jù)類(lèi)型或應(yīng)用領(lǐng)域進(jìn)行梳理與總結(jié)[8-9][10]37。上述綜述文章為理解旅游大數(shù)據(jù)的學(xué)術(shù)研究進(jìn)展提供了重要方向，但仍存在一定的局限性。這種局限主要體現(xiàn)在，學(xué)界在對(duì)旅游大數(shù)據(jù)研究進(jìn)行分析和綜述時(shí)，大多基于英文旅游大數(shù)據(jù)學(xué)術(shù)研究，在客觀反映中國(guó)本土旅游大數(shù)據(jù)發(fā)展特色方面還不足。盡管少數(shù)學(xué)者已經(jīng)嘗試對(duì)中國(guó)旅游大數(shù)據(jù)的實(shí)踐與應(yīng)用研究進(jìn)行評(píng)述，但尚難以形成系統(tǒng)性和指導(dǎo)性的知識(shí)體系。事實(shí)上，基于對(duì)大數(shù)據(jù)實(shí)踐的豐富經(jīng)驗(yàn)和多維應(yīng)用，中國(guó)旅游大數(shù)據(jù)學(xué)術(shù)領(lǐng)域已經(jīng)取得了豐富的成果。因此，本研究遵循“研究概況→旅游大數(shù)據(jù)基本類(lèi)型及其來(lái)源→旅游大數(shù)據(jù)分析方法→大數(shù)據(jù)在國(guó)內(nèi)旅游研究中的應(yīng)用領(lǐng)域”的分析框架，對(duì)發(fā)布在中文學(xué)術(shù)期刊上的旅游大數(shù)據(jù)（以下簡(jiǎn)稱(chēng)“中文旅游大數(shù)據(jù)”）的學(xué)術(shù)研究進(jìn)展進(jìn)行系統(tǒng)性梳理，并在此基礎(chǔ)上提出未來(lái)的研究方向。

1 數(shù)據(jù)來(lái)源與研究方法

本研究采用系統(tǒng)性文獻(xiàn)回顧方法，以2007年（國(guó)內(nèi)最早出現(xiàn)旅游大數(shù)據(jù)學(xué)術(shù)研究的時(shí)間）至2021年發(fā)表在中文學(xué)術(shù)期刊上的旅游大數(shù)據(jù)代表性文獻(xiàn)為研究對(duì)象，系統(tǒng)梳理了國(guó)內(nèi)旅游大數(shù)據(jù)研究現(xiàn)狀。文獻(xiàn)檢索與篩選過(guò)程主要包括以下步驟：第一，選擇中國(guó)知網(wǎng)（CNKI）為數(shù)據(jù)獲取來(lái)源。第二，期刊來(lái)源類(lèi)別同時(shí)選擇“核心期刊”“CSSCI”①“CSCD”② ，不包括著作專(zhuān)題章節(jié)、會(huì)議論文集、學(xué)位論文等，時(shí)間跨度為2021年及其之前的所有年份。第三，使用多個(gè)關(guān)鍵詞組合進(jìn)行高級(jí)搜索，主要包括“旅游/酒店/共享住宿/民宿/Airbnb③ + 大數(shù)據(jù)”“旅游/酒店/共享住宿/民宿/Airbnb+ 在線評(píng)論”“旅游/酒店/共享住宿/民宿/Airbnb+ 社交媒體”“旅游/酒店/共享住宿/民宿/Airbnb+ 百度指數(shù)”“旅游/酒店/共享住宿/民宿/Airbnb+POI④ ”（檢索時(shí)間為2021年4月）。第四，為了避免遺漏重要文獻(xiàn)，筆者分別于2021年8月、2022年1月和2022年4月重復(fù)上述步驟進(jìn)行補(bǔ)充檢索。此外，在閱讀文獻(xiàn)的過(guò)程中采用滾雪球的方法補(bǔ)充相關(guān)重要文獻(xiàn)。需要指出的是，《旅游論壇》和《旅游導(dǎo)刊》兩本期刊不在以上期刊篩選規(guī)則中，但是鑒于它們被國(guó)內(nèi)部分高校及學(xué)者們作為中文旅游研究成果發(fā)表的推薦期刊，本研究將《旅游論壇》和《旅游導(dǎo)刊》上發(fā)表的旅游大數(shù)據(jù)研究也納入研究對(duì)象。經(jīng)過(guò)上述檢索和篩選，共得到702篇文獻(xiàn)。對(duì)于這些文獻(xiàn)，通過(guò)閱讀題名、摘要、關(guān)鍵詞和正文內(nèi)容來(lái)剔除重復(fù)的、相關(guān)程度低的以及非學(xué)術(shù)研究類(lèi)（期刊短篇評(píng)論性文章、筆談文章等）的文獻(xiàn)，共保留了311篇發(fā)表于中文學(xué)術(shù)期刊的旅游大數(shù)據(jù)實(shí)證文章和文獻(xiàn)綜述類(lèi)文章作為最終的研究樣本。

2 研究概況

2.1 時(shí)間分布

圖1為中文旅游大數(shù)據(jù)學(xué)術(shù)研究的年度發(fā)文量曲線。整體上，中文旅游大數(shù)據(jù)學(xué)術(shù)研究的年度發(fā)文量呈增長(zhǎng)趨勢(shì)，這表明旅游大數(shù)據(jù)這一研究領(lǐng)域越來(lái)越受到學(xué)者的關(guān)注。第1篇關(guān)于中文旅游大數(shù)據(jù)的研究論文，2007年發(fā)表于《旅游科學(xué)》，其作者李君軼和楊敏利用Web數(shù)據(jù)挖掘技術(shù)對(duì)旅游需求進(jìn)行了分析和預(yù)測(cè)[11]。根據(jù)Li等學(xué)者的研究[5]303，英文旅游大數(shù)據(jù)研究的最早發(fā)表時(shí)間為2007年，這表明國(guó)內(nèi)外旅游大數(shù)據(jù)研究的起步時(shí)間是一致的。此外，中文旅游大數(shù)據(jù)研究的發(fā)文數(shù)量自2018年起顯著增長(zhǎng)，之后每年的發(fā)文數(shù)量保持較為穩(wěn)定的水平。

2.2 期刊來(lái)源

研究樣本共包括101個(gè)期刊的311篇學(xué)術(shù)研究，涵蓋經(jīng)濟(jì)、管理、地理、計(jì)算機(jī)、統(tǒng)計(jì)等不同學(xué)科，呈現(xiàn)跨學(xué)科特點(diǎn)。從圖2可以看出，旅游大數(shù)據(jù)研究載文量排名前十的期刊為《旅游學(xué)刊》（29篇）、《經(jīng)濟(jì)地理》（22篇）、《旅游論壇》（16篇）、《地域研究與開(kāi)發(fā)》（14篇）、《資源開(kāi)發(fā)與市場(chǎng)》（12篇）、《地理與地理信息科學(xué)》（11篇）、《地理科學(xué)》（10篇）、《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》（9篇）、《南開(kāi)管理評(píng)論》（8篇）、《旅游導(dǎo)刊》（8篇），總刊文量為139篇。在排名前十的期刊中，人文經(jīng)濟(jì)地理類(lèi)期刊包括《旅游學(xué)刊》《經(jīng)濟(jì)地理》《旅游論壇》《地域研究與開(kāi)發(fā)》《地理科學(xué)》《旅游導(dǎo)刊》，說(shuō)明大數(shù)據(jù)對(duì)國(guó)內(nèi)人文經(jīng)濟(jì)地理學(xué)研究產(chǎn)生了深刻影響。同時(shí)，人文經(jīng)濟(jì)地理類(lèi)學(xué)術(shù)期刊在刊發(fā)旅游大數(shù)據(jù)研究上也具有較高的影響力⑤ 。

2.3 研究場(chǎng)景

大數(shù)據(jù)在旅游領(lǐng)域具有非常廣泛的應(yīng)用場(chǎng)景，包括旅游景區(qū)、酒店、共享住宿和餐飲等。國(guó)內(nèi)旅游大數(shù)據(jù)研究中，旅游景區(qū)是最常使用的研究場(chǎng)景，這主要是因?yàn)槁糜尉皡^(qū)是旅游業(yè)的核心要素，是旅游產(chǎn)品的主體成分，尤其是智慧景區(qū)的建設(shè)離不開(kāi)大數(shù)據(jù)的支撐。其次為酒店、共享住宿和餐飲場(chǎng)景。部分文章未區(qū)分具體的旅游場(chǎng)景，而是以整個(gè)旅游目的地或多種旅游資源為研究對(duì)象。

3 旅游大數(shù)據(jù)類(lèi)型

Li等學(xué)者將旅游大數(shù)據(jù)分為用戶(hù)生成內(nèi)容（user-generated content，UGC）數(shù)據(jù)、設(shè)備數(shù)據(jù)和交易數(shù)據(jù)3 種類(lèi)型，分別由用戶(hù)、設(shè)備和運(yùn)營(yíng)產(chǎn)生[5]305。鄧寧等學(xué)者將常見(jiàn)的大數(shù)據(jù)類(lèi)型劃分為移動(dòng)通信運(yùn)營(yíng)商數(shù)據(jù)、在線旅游平臺(tái)數(shù)據(jù)、用戶(hù)生成數(shù)據(jù)、交通數(shù)據(jù)、消費(fèi)數(shù)據(jù)、搜索引擎數(shù)據(jù)和旅游供應(yīng)商的內(nèi)部數(shù)據(jù)[12]3-4。Sivarajah等學(xué)者指出，大數(shù)據(jù)包括文本內(nèi)容（即結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化）和多媒體內(nèi)容（視頻、圖像、音頻）[13]。基于上述文獻(xiàn)，本研究將旅游大數(shù)據(jù)的基本類(lèi)型分為UGC數(shù)據(jù)、設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)，從而構(gòu)建了一個(gè)更具概括性與完整性的旅游大數(shù)據(jù)分類(lèi)標(biāo)準(zhǔn)體系（圖3）。

其中，UGC數(shù)據(jù)主要包括文本數(shù)據(jù)、圖像數(shù)據(jù)、數(shù)值數(shù)據(jù)、音頻數(shù)據(jù)和視頻數(shù)據(jù);設(shè)備數(shù)據(jù)主要包括手機(jī)基站定位數(shù)據(jù)、興趣點(diǎn)（point of interest，POI）數(shù)據(jù)、基于位置的服務(wù)（location based services，LBS）簽到數(shù)據(jù)、GPS數(shù)據(jù)和遙感數(shù)據(jù);運(yùn)營(yíng)數(shù)據(jù)主要包括網(wǎng)絡(luò)搜索數(shù)據(jù)、在線預(yù)訂數(shù)據(jù)、網(wǎng)站瀏覽數(shù)據(jù)、客流量數(shù)據(jù)和平臺(tái)描述性運(yùn)營(yíng)數(shù)據(jù)。這一劃分標(biāo)準(zhǔn)與現(xiàn)有分類(lèi)相比，涵蓋類(lèi)別更為全面且劃分更為清晰簡(jiǎn)潔。比如，相較于Li等學(xué)者的分類(lèi)[5]305，本研究在UGC數(shù)據(jù)中新增了數(shù)值數(shù)據(jù)、音頻數(shù)據(jù)和視頻數(shù)據(jù)。與鄧寧等學(xué)者的分類(lèi)[12]3-4 相比，本研究將網(wǎng)絡(luò)搜索數(shù)據(jù)、在線預(yù)訂數(shù)據(jù)、網(wǎng)站瀏覽數(shù)據(jù)、客流量數(shù)據(jù)和平臺(tái)描述性運(yùn)營(yíng)數(shù)據(jù)等統(tǒng)一歸入運(yùn)營(yíng)數(shù)據(jù)，劃分更為清晰簡(jiǎn)潔。

結(jié)合本研究所劃分的旅游大數(shù)據(jù)的基本類(lèi)型，進(jìn)一步地梳理了它們的主要來(lái)源（圖4），可以歸納為社交媒體（UGC數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)主要來(lái)源）、通信運(yùn)營(yíng)商（設(shè)備數(shù)據(jù)主要來(lái)源）、地圖服務(wù)商（設(shè)備數(shù)據(jù)主要來(lái)源）、搜索引擎（運(yùn)營(yíng)數(shù)據(jù)主要來(lái)源）、旅游企業(yè)（運(yùn)營(yíng)數(shù)據(jù)主要來(lái)源）和大數(shù)據(jù)平臺(tái)（設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)主要來(lái)源）。社交媒體包括在線旅游服務(wù)平臺(tái)、旅游社交分享平臺(tái)和在線生活服務(wù)平臺(tái)，通信運(yùn)營(yíng)商包括中國(guó)移動(dòng)、中國(guó)聯(lián)通和中國(guó)電信，兩大地圖服務(wù)商為百度地圖與高德地圖，搜索引擎主要包括百度與谷歌，旅游企業(yè)包括旅游景區(qū)、酒店和旅游科研機(jī)構(gòu)等，大數(shù)據(jù)平臺(tái)包括地理空間數(shù)據(jù)云、騰訊位置大數(shù)據(jù)等。

3.1 用戶(hù)生成內(nèi)容（UGC）數(shù)據(jù)

UGC數(shù)據(jù)包括不同終端用戶(hù)生成的數(shù)據(jù)，可以分為文本數(shù)據(jù)、圖像數(shù)據(jù)、數(shù)值數(shù)據(jù)、音頻數(shù)據(jù)和視頻數(shù)據(jù)。總體上，文本數(shù)據(jù)是使用最為廣泛的大數(shù)據(jù)類(lèi)型之一，包括在線評(píng)論、網(wǎng)絡(luò)游記和游記攻略等，具有時(shí)效性強(qiáng)、樣本量足和信息量大等特點(diǎn)，能夠反映旅游者的需求與偏好[14]1092。近年來(lái)，圖像數(shù)據(jù)也越來(lái)越引起學(xué)者們的重視，旅游者拍攝的照片具有內(nèi)在主觀性，是旅游者表達(dá)對(duì)旅游目的地偏好和旅游體驗(yàn)的另一種重要體現(xiàn)。圖像數(shù)據(jù)能夠印證文本數(shù)據(jù)的合理性，增強(qiáng)結(jié)論的可信度。此外，被分析的數(shù)據(jù)還包括評(píng)論數(shù)量和分?jǐn)?shù)等。音頻數(shù)據(jù)和視頻數(shù)據(jù)尚未被廣泛使用。雖然UGC數(shù)據(jù)具有內(nèi)容豐富、可獲得性高等優(yōu)點(diǎn)，但也存在一些缺點(diǎn)。一方面，文本、音頻和視頻等UGC數(shù)據(jù)多為非結(jié)構(gòu)化數(shù)據(jù)，具有格式多樣化和處理流程復(fù)雜等特征，因而具有較高的處理難度;另一方面，信息過(guò)載可能會(huì)造成數(shù)據(jù)質(zhì)量難以衡量，比如在線評(píng)論中會(huì)摻雜虛假信息和廣告等，需要建立過(guò)濾和監(jiān)管機(jī)制以便有效識(shí)別這些無(wú)效信息。

UGC數(shù)據(jù)主要來(lái)源于各大社交媒體，包括在線旅游服務(wù)平臺(tái)、旅游社交分享平臺(tái)和在線生活服務(wù)平臺(tái)等。在線旅游服務(wù)平臺(tái)是獲取UGC數(shù)據(jù)的最主要來(lái)源。其中，攜程旅行是旅游者預(yù)訂旅游服務(wù)和搜索信息的重要途徑，能夠保證樣本的數(shù)量和質(zhì)量，因此是當(dāng)前旅游研究使用最多的數(shù)據(jù)來(lái)源平臺(tái)。其他在線旅游服務(wù)平臺(tái)包括去哪兒旅行、TripAdvisor（貓途鷹）、同程旅行、途牛旅游網(wǎng)、Airbnb（愛(ài)彼迎）、小豬民宿、途家民宿、螞蟻短租網(wǎng)、Booking.com（繽客網(wǎng)）等。旅游社交分享平臺(tái)和在線生活服務(wù)平臺(tái)也是重要的數(shù)據(jù)來(lái)源。社交分享平臺(tái)中，新浪微博能夠生產(chǎn)大量的旅游內(nèi)容，已經(jīng)成為社會(huì)化旅游的重要生態(tài)節(jié)點(diǎn)，越來(lái)越多的研究使用新浪微博大數(shù)據(jù)。馬蜂窩旅游網(wǎng)擁有豐富、全面的旅游攻略信息和網(wǎng)絡(luò)游記數(shù)據(jù)，常被用于旅游研究。還有的研究是通過(guò)博客和六只腳社區(qū)等途徑獲取數(shù)據(jù)。在圖像數(shù)據(jù)的獲取上，許多研究使用圖片分享網(wǎng)站Flicker和Panoramio。主要的在線生活服務(wù)平臺(tái)包括美團(tuán)網(wǎng)和大眾點(diǎn)評(píng)網(wǎng)，可以借此獲取在線評(píng)論數(shù)據(jù)和POI等地理位置數(shù)據(jù)。

3.2 設(shè)備數(shù)據(jù)

設(shè)備數(shù)據(jù)包括手機(jī)基站定位數(shù)據(jù)、POI數(shù)據(jù)、LBS簽到數(shù)據(jù)、GPS數(shù)據(jù)和遙感數(shù)據(jù)。手機(jī)基站定位數(shù)據(jù)可分為信令數(shù)據(jù)（位置變換信息）、話單數(shù)據(jù)（通話詳細(xì)記錄）和話務(wù)量數(shù)據(jù)（匯總性手機(jī)通話或上網(wǎng)流量數(shù)據(jù)）[10]39，[15]，具有信息實(shí)時(shí)性、真實(shí)性、準(zhǔn)確性、連續(xù)性和全覆蓋性等特點(diǎn)。中國(guó)移動(dòng)、中國(guó)聯(lián)通和中國(guó)電信三大通信運(yùn)營(yíng)商是手機(jī)基站定位數(shù)據(jù)的主要來(lái)源。手機(jī)基站定位數(shù)據(jù)在旅游研究中的應(yīng)用處于探索階段，現(xiàn)有研究中使用最多的是手機(jī)信令數(shù)據(jù)和脫敏通信記錄數(shù)據(jù)。手機(jī)基站定位數(shù)據(jù)對(duì)于旅游研究具有重要價(jià)值，但是在獲取和使用過(guò)程中也面臨諸多挑戰(zhàn)，如獲取難度大、獲取成本高、個(gè)人隱私泄露等問(wèn)題。使用此類(lèi)數(shù)據(jù)時(shí)需做好數(shù)據(jù)脫敏工作，保護(hù)個(gè)人隱私。如何有效辨別手機(jī)用戶(hù)是否為旅游者是關(guān)鍵也是最困難的問(wèn)題。POI數(shù)據(jù)包括地理數(shù)據(jù)點(diǎn)的名稱(chēng)、經(jīng)緯度、地址和分類(lèi)等信息，具有地理信息精度較高、數(shù)據(jù)量豐富等特征，近年來(lái)使用POI數(shù)據(jù)的研究逐漸增多。高德地圖與百度地圖這兩大地圖服務(wù)商是POI數(shù)據(jù)的主要獲取來(lái)源。LBS簽到數(shù)據(jù)也是基于位置服務(wù)的核心數(shù)據(jù)之一，簽到數(shù)據(jù)能夠映射用戶(hù)的旅游意向與偏好，為旅游流和旅游者時(shí)空行為研究提供新的數(shù)據(jù)源[16]。目前，應(yīng)用最為廣泛的是新浪微博簽到數(shù)據(jù)。GPS數(shù)據(jù)可以通過(guò)手持GPS追蹤設(shè)備和支持GPS的移動(dòng)應(yīng)用程序獲取，具有精細(xì)度高和連續(xù)性等優(yōu)點(diǎn)，在揭示旅游者時(shí)空行為特征方面具有優(yōu)勢(shì)，因此常被用于旅游行為研究。也有研究使用遙感數(shù)據(jù)，其遙感數(shù)據(jù)大多來(lái)自地理空間數(shù)據(jù)云等大數(shù)據(jù)平臺(tái)。

3.3 運(yùn)營(yíng)數(shù)據(jù)

運(yùn)營(yíng)數(shù)據(jù)主要包括網(wǎng)絡(luò)搜索數(shù)據(jù)、在線預(yù)訂數(shù)據(jù)、網(wǎng)站瀏覽數(shù)據(jù)、客流量數(shù)據(jù)和平臺(tái)描述性運(yùn)營(yíng)數(shù)據(jù)。大部分運(yùn)營(yíng)數(shù)據(jù)獲取難度大，在旅游研究中的應(yīng)用有限。這可能是因?yàn)榇蠖鄶?shù)運(yùn)營(yíng)數(shù)據(jù)由旅游經(jīng)營(yíng)者（酒店、旅行社和景區(qū)管理者）和政府部門(mén)控制，可獲得性較低[5]317，數(shù)據(jù)壁壘造成的“信息孤島”現(xiàn)象已經(jīng)成為大數(shù)據(jù)應(yīng)用面臨的主要問(wèn)題。作為運(yùn)營(yíng)數(shù)據(jù)的一部分，基于搜索引擎的網(wǎng)絡(luò)搜索數(shù)據(jù)獲取門(mén)檻相對(duì)較低。主流的網(wǎng)絡(luò)搜索數(shù)據(jù)來(lái)自百度指數(shù)和谷歌趨勢(shì)，國(guó)外研究主要使用谷歌趨勢(shì)，國(guó)內(nèi)研究主要使用百度指數(shù)。百度指數(shù)依托百度搜索引擎，是以百度海量網(wǎng)民的搜索行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺(tái)。通過(guò)計(jì)算各個(gè)搜索關(guān)鍵詞在百度搜索引擎中的加權(quán)頻次，百度指數(shù)可以一定程度上反映搜索者的潛在需求和關(guān)注度。因此，百度指數(shù)被學(xué)者們廣泛使用。在研究旅游需求與網(wǎng)絡(luò)搜索之間的關(guān)系時(shí)，選取恰當(dāng)?shù)木W(wǎng)絡(luò)搜索關(guān)鍵詞至關(guān)重要。當(dāng)前關(guān)鍵詞的選取方法主要有技術(shù)取詞法、直接取詞法和范圍取詞法[17]94。在線預(yù)訂數(shù)據(jù)、網(wǎng)站瀏覽數(shù)據(jù)、客流量數(shù)據(jù)和平臺(tái)描述性運(yùn)營(yíng)數(shù)據(jù)也是重要的運(yùn)營(yíng)數(shù)據(jù)，主要來(lái)源于旅游景區(qū)、酒店和旅游科研機(jī)構(gòu)等旅游企業(yè)。地理空間數(shù)據(jù)云和騰訊位置大數(shù)據(jù)等大數(shù)據(jù)平臺(tái)是設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)的來(lái)源之一。現(xiàn)有研究中涉及的旅游企業(yè)和大數(shù)據(jù)平臺(tái)包括各地監(jiān)測(cè)平臺(tái)、政府官方網(wǎng)站、景區(qū)管理部門(mén)、美國(guó)地質(zhì)勘探局、康奈爾大學(xué)、InsideAirbnb、地理空間數(shù)據(jù)云、騰訊位置大數(shù)據(jù)、聚數(shù)力（dataju）平臺(tái)和Glovis網(wǎng)站等。

4 旅游大數(shù)據(jù)分析方法

旅游大數(shù)據(jù)的處理與分析遵循“數(shù)據(jù)獲取→數(shù)據(jù)預(yù)處理→數(shù)據(jù)分析”三步驟（圖5）。第一步，關(guān)于旅游大數(shù)據(jù)的獲取，不同來(lái)源的大數(shù)據(jù)對(duì)應(yīng)不同的獲取方式。比如，社交媒體和地圖服務(wù)商提供的數(shù)據(jù)主要通過(guò)各自開(kāi)放的API接口或者網(wǎng)絡(luò)爬蟲(chóng)的方式獲取。手機(jī)基站定位數(shù)據(jù)主要由通信運(yùn)營(yíng)商或與之合作的監(jiān)測(cè)平臺(tái)提供。總體而言，現(xiàn)有文獻(xiàn)對(duì)數(shù)據(jù)獲取部分的介紹不夠規(guī)范，部分文獻(xiàn)并沒(méi)有在文中明確說(shuō)明所使用數(shù)據(jù)的獲取方法。第二步，在正式分析數(shù)據(jù)之前，需要進(jìn)行數(shù)據(jù)預(yù)處理。對(duì)于數(shù)值數(shù)據(jù)，通常需要進(jìn)行數(shù)據(jù)類(lèi)型轉(zhuǎn)換、數(shù)據(jù)修正、重復(fù)數(shù)據(jù)刪除、數(shù)據(jù)分類(lèi)和數(shù)據(jù)驗(yàn)證等處理步驟。對(duì)于非數(shù)值型數(shù)據(jù)，比如文本數(shù)據(jù)，則需要遵循重復(fù)文本刪除、文本分詞、詞性標(biāo)注和停用詞刪除等處理步驟。圖像數(shù)據(jù)的處理流程主要包括重復(fù)圖片刪除、圖片元數(shù)據(jù)和圖片評(píng)論清洗等步驟。第三步，對(duì)數(shù)據(jù)進(jìn)行正式分析。目前使用的分析方法包括定量分析法、定性分析法、文本分析法、機(jī)器學(xué)習(xí)方法和社會(huì)網(wǎng)絡(luò)分析方法等。其中，定量分析法在國(guó)內(nèi)旅游大數(shù)據(jù)研究中占主導(dǎo)地位，社會(huì)網(wǎng)絡(luò)分析方法經(jīng)常被用于分析旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征，而定性分析法、混合研究方法以及文本分析法和機(jī)器學(xué)習(xí)方法等跨學(xué)科方法的使用仍有待加強(qiáng)。

4.1 定量分析法

傳統(tǒng)定量分析法仍然是目前主流的分析方法，包括各種計(jì)量經(jīng)濟(jì)模型和GIS與空間分析法等。現(xiàn)有研究中使用的計(jì)量經(jīng)濟(jì)模型與方法包括多元線性回歸、負(fù)二項(xiàng)回歸、有序概率單位（Probit）回歸、分位數(shù)回歸、向量自回歸（vector autoregression，VAR）、自回歸求和移動(dòng)平均模型（autoregressiveintegrated moving average model，ARIMA）和方差分析等。GIS和空間分析法可實(shí)現(xiàn)空間數(shù)據(jù)分析，經(jīng)常與數(shù)理統(tǒng)計(jì)結(jié)合分析，包括最近鄰指數(shù)、核密度估計(jì)（kernel density estimation，KDS）、 熱點(diǎn)分析（Getis-Ord G i* ）、莫蘭指數(shù)（Moran's I）、LISA 集聚圖、柵格計(jì)算、緩沖區(qū)分析、標(biāo)準(zhǔn)差橢圓和地理探測(cè)器等空間分析算法。主要使用的分析工具包括SPSS、Stata、Eviews、ArcGIS、Geoda和Arcmap等。

4.2 定性分析法

在旅游大數(shù)據(jù)研究中，定性分析法主要指基于扎根理論的編碼方法。僅有少量研究使用單一的定性分析法，比如使用NVivo定性研究軟件進(jìn)行編碼分析。另外一些研究將基于扎根理論的編碼與文本分析法或社會(huì)網(wǎng)絡(luò)分析方法相結(jié)合。

4.3 文本分析法

文本分析法是分析文本大數(shù)據(jù)的重要方法，包括詞頻分析、詞頻-逆文檔率（term frequency-inversedocument frequency，TF-IDF）、產(chǎn)生詞向量的相關(guān)模型（Word2Vec）、主題模型、情感分析和語(yǔ)義網(wǎng)絡(luò)分析等。由于旅游平臺(tái)上有大量評(píng)論、攻略、社交數(shù)據(jù)，文本數(shù)據(jù)是使用最多的旅游大數(shù)據(jù)類(lèi)型，因此文本分析法在旅游大數(shù)據(jù)研究中的應(yīng)用也較為普遍。具體而言，詞頻分析是文本挖掘的重要手段，是最基礎(chǔ)也是目前使用最為廣泛的文本分析法。主題模型在主題識(shí)別、語(yǔ)義挖掘方面具有顯著的優(yōu)勢(shì)。

現(xiàn)有研究主要運(yùn)用隱含狄利克雷分布（latentdirichlet allocation，LDA）主題模式從文本中挖掘用戶(hù)信息，對(duì)詞語(yǔ)進(jìn)行主題聚類(lèi)，從而實(shí)現(xiàn)主題識(shí)別和分類(lèi)。目前，主流的文本情感分析方法包括基于情感詞典的情感分析、基于機(jī)器學(xué)習(xí)的情感分析和混合方法[18]179。語(yǔ)義網(wǎng)絡(luò)分析主要以詞頻分析為基礎(chǔ)，關(guān)注的焦點(diǎn)不是詞語(yǔ)本身，而是詞與詞之間的關(guān)系模式[19]，也是研究中經(jīng)常使用的分析方法之一。現(xiàn)有研究多使用Stanford POS tagger軟件對(duì)文本信息進(jìn)行預(yù)處理，在此基礎(chǔ)上使用Leximancer、ROST CM、百度AI開(kāi)放平臺(tái)中的情感傾向分析API、Textblob、KH Coder、SentiWordNet、R 軟件和Protégé等軟件進(jìn)行正式的文本分析。其中，ROST CM 是最常使用的文本分析工具。

4.4 機(jī)器學(xué)習(xí)方法

機(jī)器學(xué)習(xí)模型主要被用于分類(lèi)和預(yù)測(cè)任務(wù)，在旅游大數(shù)據(jù)研究中的應(yīng)用處于初步階段，尤其是預(yù)測(cè)模型的使用較為缺乏。支持向量機(jī)（support vectormachine，SVM）是一種有監(jiān)督學(xué)習(xí)的分類(lèi)器，是目前應(yīng)用于旅游文本分類(lèi)任務(wù)最常見(jiàn)的分類(lèi)算法，K-means聚類(lèi)和樸素貝葉斯也是使用較多的分類(lèi)算法。其他機(jī)器學(xué)習(xí)分類(lèi)模型包括深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNN）、人工神經(jīng)網(wǎng)絡(luò)（artificialneural network，ANN）、卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneural networks，CNN）、文本卷積神經(jīng)網(wǎng)絡(luò)（text convolutional neural network，TextCNN）、雙向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（bi-directional longshort-term memory recurrent neural networks，bidirectionalLSTM RNN）、基于景點(diǎn)知識(shí)的多任務(wù)聯(lián)合學(xué)習(xí)的分類(lèi)模型（knowledge-based multi-taskjoint learning classification model，KB-MJLCM）等。用于預(yù)測(cè)的機(jī)器學(xué)習(xí)模型包括Lasso 回歸、XGBoost模型、BP（back propagation）神經(jīng)網(wǎng)絡(luò)模型和基于相似用戶(hù)（similarity）、景點(diǎn)熱度（popular）、時(shí)間（time）的SPT 景點(diǎn)推薦算法等。常用的分析軟件包括Python和圖片深度學(xué)習(xí)分析工具DeepSenti Bank等。

4.5 社會(huì)網(wǎng)絡(luò)分析方法

社會(huì)網(wǎng)絡(luò)方法主要分析行動(dòng)者之間的相互關(guān)系及其在整個(gè)網(wǎng)絡(luò)中所處的地位。學(xué)者們經(jīng)常將社會(huì)網(wǎng)絡(luò)分析方法與旅游地理學(xué)中的GIS和空間分析方法結(jié)合使用，用于旅游流網(wǎng)絡(luò)結(jié)構(gòu)整體特征與節(jié)點(diǎn)特征分析。常用的分析軟件包括Ucinet和Netdraw軟件、Gephi和DataViz可視化數(shù)據(jù)分析軟件等。

5 大數(shù)據(jù)在國(guó)內(nèi)旅游研究中的應(yīng)用領(lǐng)域

旅游大數(shù)據(jù)研究?jī)?nèi)容呈多元化特征。大數(shù)據(jù)在國(guó)內(nèi)旅游研究中的九大應(yīng)用領(lǐng)域分別為旅游感知與體驗(yàn)、旅游者行為、旅游流、旅游預(yù)測(cè)、評(píng)論管理、網(wǎng)絡(luò)關(guān)注度、旅游資源分布、模型構(gòu)建與改進(jìn)和其他應(yīng)用領(lǐng)域。

5.1 旅游感知與體驗(yàn)研究

旅游的本質(zhì)是為旅游者提供難忘、愉快和身臨其境的體驗(yàn)，了解旅游者的旅游感知與體驗(yàn)對(duì)提高目的地管理水平和聲譽(yù)、改善旅游者體驗(yàn)起到重要作用。以往研究大多采用問(wèn)卷或訪談等“小數(shù)據(jù)”的方式探討旅游體驗(yàn)，存在研究主體主觀性和結(jié)論缺乏普適性等問(wèn)題[20]。相比之下，在線評(píng)論、游記和旅游攻略等UGC數(shù)據(jù)更能夠客觀反映旅游者的旅游感知與體驗(yàn)，是此類(lèi)研究的重要數(shù)據(jù)源。關(guān)于大數(shù)據(jù)的旅游感知與體驗(yàn)研究可大致分為3個(gè)子主題：（1）旅游景區(qū)等旅游目的地形象感知研究，主要集中在感知形象要素構(gòu)成和影響因素兩個(gè)方面[21-22]。在研究目的地形象感知時(shí)，“認(rèn)知-情感”三維模型，即認(rèn)知形象、情感形象和整體形象已經(jīng)得到了學(xué)界的基本認(rèn)同[23-24]。（2）情感體驗(yàn)研究，包括積極和消極情感挖掘以及影響因素等方面[25-27]。旅游情感一直是國(guó)內(nèi)外旅游領(lǐng)域的重要研究話題，能夠深入反映旅游者的旅游體驗(yàn)，并進(jìn)一步影響滿(mǎn)意度、忠誠(chéng)度、行為意向等[28]。（3）滿(mǎn)意度研究，主要探討滿(mǎn)意度評(píng)價(jià)水平以及影響因素[29-31]。

5.2 旅游者行為研究

旅游者行為是旅游領(lǐng)域的主流研究?jī)?nèi)容之一。信息技術(shù)的快速發(fā)展改變了旅游者的行為模式，也為旅游者行為研究提供了新的數(shù)據(jù)源。基于大數(shù)據(jù)的旅游者行為研究主要包括旅游者時(shí)空行為、旅游者偏好和旅游者行為意向等。旅游者時(shí)空行為是旅游者行為研究的重要分支，反映了旅游者在旅行過(guò)程中的時(shí)間和空間行為。基于UGC數(shù)據(jù)和設(shè)備數(shù)據(jù)的旅游者時(shí)空行為模式研究已經(jīng)取得了豐碩成果。相比之下，現(xiàn)有研究對(duì)其影響因素的探討尚不充分。郭旸等學(xué)者的研究表明，旅游者時(shí)空行為模式特征受旅游者的客源地、旅游停留時(shí)間、景點(diǎn)開(kāi)放時(shí)間和同伴類(lèi)型等因素的影響[32]。梁嘉祺等學(xué)者發(fā)現(xiàn)，空間特征、時(shí)間預(yù)算和人際互動(dòng)等時(shí)空環(huán)境因素能夠影響游客時(shí)空行為[33]。也有研究探討了旅游者偏好和旅游者行為意向等問(wèn)題。比如，王紅麗等學(xué)者探討了房東自我展示信息主題對(duì)房客預(yù)訂行為的影響，并驗(yàn)證了信任的中介機(jī)制作用[34]。

5.3 旅游流研究

旅游流有狹義和廣義之分，廣義的旅游流包括游客流、物質(zhì)流、能量流和文化流等，狹義的旅游流僅指游客流[35]。大多數(shù)研究采用狹義的旅游流，即在旅游空間區(qū)域內(nèi)，旅游者基于相似的旅游需求而引起的集體性空間移動(dòng)現(xiàn)象。旅游流是大數(shù)據(jù)在旅游研究中應(yīng)用的主要領(lǐng)域，設(shè)備數(shù)據(jù)和UGC 數(shù)據(jù)是使用的主要數(shù)據(jù)類(lèi)型。旅游流的研究?jī)?nèi)容多樣，主要包括以下5個(gè)子主題：（1）旅游流時(shí)空分布特征及演化模式研究;（2）旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征及演化模式研究，這也是旅游流研究成果最為豐富的子主題;（3）影響因素與作用機(jī)制研究，現(xiàn)有大多數(shù)研究停留在討論旅游流特征和分布規(guī)律的層面，缺乏對(duì)影響因素的深入剖析;（4）旅游流預(yù)測(cè)研究;（5）旅游流空間效應(yīng)研究。在研究尺度上，涵蓋宏觀到微觀各級(jí)尺度，包括國(guó)家、省際、城市和景區(qū)等，現(xiàn)有研究主要以城市尺度為主。

5.4 旅游預(yù)測(cè)研究

準(zhǔn)確的需求預(yù)測(cè)可以幫助旅游從業(yè)者作出商業(yè)決策，也可以幫助旅游目的地決策者制定旅游發(fā)展政策[36]。基于大數(shù)據(jù)的旅游需求預(yù)測(cè)包括游客出行預(yù)測(cè)、旅游地到達(dá)人數(shù)預(yù)測(cè)、酒店需求預(yù)測(cè)、游客偏好預(yù)測(cè)等，主要的數(shù)據(jù)來(lái)源是游客出行前在互聯(lián)網(wǎng)上的檢索數(shù)據(jù)[6]167。國(guó)內(nèi)有關(guān)旅游預(yù)測(cè)的大數(shù)據(jù)研究相對(duì)有限，現(xiàn)有研究主要對(duì)旅游客流量進(jìn)行預(yù)測(cè)[17]98，[37]，也有少許研究關(guān)注酒店客房需求預(yù)測(cè)、酒店價(jià)格預(yù)測(cè)和用戶(hù)偏好預(yù)測(cè)等。比如，曹睿等學(xué)者基于XGBoost機(jī)器學(xué)習(xí)模型，對(duì)共享住宿房源價(jià)格進(jìn)行了預(yù)測(cè)[38]。

5.5 評(píng)論管理研究

從評(píng)論者和評(píng)論內(nèi)容等視角研究評(píng)論有用性和商家評(píng)論管理策略也是重要話題之一。評(píng)論有用性能夠減少消費(fèi)者搜索成本，幫助消費(fèi)者及時(shí)獲取有效信息，并影響其消費(fèi)決策[39]。評(píng)論特征（負(fù)面評(píng)論、低評(píng)論星級(jí)、評(píng)分一致性和評(píng)論長(zhǎng)度）和評(píng)論者特征對(duì)評(píng)論有用性有顯著影響[40-41]。商家評(píng)論管理策略是該研究主題下的另一重要研究?jī)?nèi)容。及時(shí)和準(zhǔn)確的評(píng)論管理策略能夠促進(jìn)服務(wù)提供者和消費(fèi)者的在線互動(dòng)。尤其在服務(wù)失敗的情境下，作為一種有效的服務(wù)補(bǔ)救策略，評(píng)論管理能夠彌補(bǔ)服務(wù)失敗帶來(lái)的不利影響，減少損失，恢復(fù)商家聲譽(yù)。研究表明，管理者在線管理反饋策略會(huì)影響評(píng)論有用性和顧客滿(mǎn)意度[42-43]。但是，管理者回復(fù)并不總是產(chǎn)生積極影響，機(jī)械式回復(fù)反而會(huì)適得其反[44]。

5.6 網(wǎng)絡(luò)關(guān)注度研究

國(guó)內(nèi)旅游網(wǎng)絡(luò)關(guān)注度研究已經(jīng)取得了豐富的成果。在數(shù)據(jù)來(lái)源上，百度指數(shù)是重要的數(shù)據(jù)渠道。在研究主題上，基于大數(shù)據(jù)的旅游網(wǎng)絡(luò)關(guān)注度研究主要集中在以下兩個(gè)方面：（1）旅游網(wǎng)絡(luò)關(guān)注度時(shí)空分布特征及影響因素，這是目前國(guó)內(nèi)旅游網(wǎng)絡(luò)關(guān)注度的主要研究方向;（2）旅游網(wǎng)絡(luò)關(guān)注度與旅游需求（主要體現(xiàn)在旅游目的地客流量和旅游流）的關(guān)系研究，該主題在前期相關(guān)研究中已經(jīng)引起學(xué)者們的關(guān)注。大部分研究認(rèn)為，網(wǎng)絡(luò)關(guān)注度與旅游目的地客流量或旅游流之間是正相關(guān)關(guān)系[45]。值得注意的是，方葉林等學(xué)者指出，網(wǎng)絡(luò)關(guān)注度只是影響客流量的眾多因素之一，而非決定性因素，網(wǎng)絡(luò)關(guān)注度與游客量之間可能表現(xiàn)為“名副其實(shí)”“名小于實(shí)”“名不副實(shí)”3種“錯(cuò)位關(guān)系”[46]。在研究視角上，目前研究主要聚焦城市和旅游景區(qū)等旅游目的地的網(wǎng)絡(luò)關(guān)注度，也有研究關(guān)注旅游細(xì)分市場(chǎng)（如體育旅游、溫泉旅游）、旅游輿情、旅游安全、旅游滿(mǎn)意度和旅游要素等視角。

5.7 旅游資源分布研究

旅游資源是旅游業(yè)的基礎(chǔ)，可分為自然風(fēng)景和人文景觀旅游資源。在本研究中，旅游資源的范圍相對(duì)廣泛，既包括旅游景區(qū)、酒店等服務(wù)基礎(chǔ)設(shè)施，也涵蓋學(xué)校、公交站點(diǎn)等地理實(shí)體。借助POI等地理位置數(shù)據(jù)探討旅游資源的分布特征以及影響因素是目前的主要研究?jī)?nèi)容;一方面，部分研究關(guān)注旅游景區(qū)的空間分布及影響因素，研究尺度多為省域和市域尺度;另一方面，部分學(xué)者聚焦某種具體的旅游資源類(lèi)型的空間分布，如鄉(xiāng)村旅游和森林休閑旅游資源等。

5.8 模型構(gòu)建與改進(jìn)研究

部分研究側(cè)重利用大數(shù)據(jù)特征改進(jìn)現(xiàn)有算法或提出新的算法，提高算法效率和擴(kuò)大算法適用度，以提高現(xiàn)有模型的質(zhì)量。通過(guò)融入文本和圖片等不同類(lèi)型的大數(shù)據(jù)特征和構(gòu)建特定領(lǐng)域的專(zhuān)屬詞庫(kù)等途徑，都可以實(shí)現(xiàn)算法和模型質(zhì)量的改進(jìn)。劉逸等學(xué)者通過(guò)界定旅游專(zhuān)屬詞庫(kù)、語(yǔ)義邏輯規(guī)則和情感乘數(shù)3個(gè)旅游文本情感分析的過(guò)濾參數(shù)，構(gòu)建了基于網(wǎng)絡(luò)文本大數(shù)據(jù)的旅游目的地情感評(píng)價(jià)模型[14]1101，為旅游情感分析模型的改進(jìn)作出了重要貢獻(xiàn)。此類(lèi)研究的主要內(nèi)容包括情感分析模型的對(duì)比與改進(jìn)、評(píng)論有用性識(shí)別/虛假評(píng)論識(shí)別、旅游景點(diǎn)或酒店推薦模型優(yōu)化和大數(shù)據(jù)旅游統(tǒng)計(jì)模型構(gòu)建等。

5.9 其他主題研究

除了上述主要應(yīng)用領(lǐng)域，也有文獻(xiàn)研究旅游危機(jī)管理、平臺(tái)定價(jià)機(jī)制、企業(yè)績(jī)效、旅游目的地品牌營(yíng)銷(xiāo)和旅游線路設(shè)計(jì)與規(guī)劃等主題。比如，楊帥等學(xué)者基于Airbnb在線房源數(shù)據(jù)，探究了共享住宿定價(jià)的重要影響因素，并從國(guó)家文化價(jià)值觀的視角解釋了各個(gè)影響因素在不同國(guó)家之間的作用差異[47]。徐峰等學(xué)者檢驗(yàn)了基于認(rèn)知、情感和制度的3種信任構(gòu)建機(jī)制對(duì)共享住宿預(yù)訂量的影響[48]。

6 結(jié)論與展望

本文從研究概況、旅游大數(shù)據(jù)基本類(lèi)型及其來(lái)源、旅游大數(shù)據(jù)分析方法和大數(shù)據(jù)在國(guó)內(nèi)旅游研究中的應(yīng)用領(lǐng)域等方面對(duì)國(guó)內(nèi)旅游大數(shù)據(jù)的學(xué)術(shù)研究進(jìn)展進(jìn)行了全面系統(tǒng)的梳理與分析，并在此基礎(chǔ)上提出未來(lái)研究的方向。圖6為旅游大數(shù)據(jù)研究的分析框架圖。

6.1 研究結(jié)論

（1）從研究概況來(lái)看，中文旅游大數(shù)據(jù)研究的發(fā)文量總體上呈增長(zhǎng)趨勢(shì)，2018年為顯著增長(zhǎng)點(diǎn)，之后保持較為穩(wěn)定的發(fā)表水平;中文旅游大數(shù)據(jù)研究的來(lái)源期刊涵蓋經(jīng)濟(jì)、管理、地理、計(jì)算機(jī)、統(tǒng)計(jì)等不同學(xué)科，呈現(xiàn)鮮明的跨學(xué)科特點(diǎn);大數(shù)據(jù)已被廣泛應(yīng)用于旅游景區(qū)、酒店、共享住宿和餐飲等多旅游場(chǎng)景;國(guó)內(nèi)外旅游大數(shù)據(jù)研究的起步時(shí)間保持同步，且研究熱度持續(xù)升溫。

（2）從數(shù)據(jù)類(lèi)型來(lái)看，國(guó)內(nèi)旅游大數(shù)據(jù)可分為UGC數(shù)據(jù)、設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)3種基本類(lèi)型。通過(guò)對(duì)比可以發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)術(shù)研究對(duì)旅游大數(shù)據(jù)的類(lèi)型劃分大致相同。具體而言，UGC數(shù)據(jù)，尤其是文本數(shù)據(jù)，是使用最多的旅游大數(shù)據(jù)類(lèi)型，圖像數(shù)據(jù)、音頻數(shù)據(jù)和視頻數(shù)據(jù)的使用仍有待深入挖掘;設(shè)備數(shù)據(jù)私密性強(qiáng)，獲取門(mén)檻和成本高，在旅游研究中的應(yīng)用處于探索階段;運(yùn)營(yíng)數(shù)據(jù)可獲得性低，在旅游領(lǐng)域的運(yùn)用有限;多類(lèi)型大數(shù)據(jù)的融合使用有待充分挖掘。

（3）從數(shù)據(jù)來(lái)源來(lái)看，攜程旅行、馬蜂窩旅游網(wǎng)等社交媒體是最主要的旅游大數(shù)據(jù)來(lái)源，網(wǎng)絡(luò)爬蟲(chóng)技術(shù)的日益成熟使得此類(lèi)數(shù)據(jù)的可獲得性較高，獲取成本較低，但是從通信運(yùn)營(yíng)商和旅游企業(yè)等途徑獲取數(shù)據(jù)仍較為困難;大多數(shù)研究使用單一來(lái)源數(shù)據(jù)，多源數(shù)據(jù)的使用雖然受限但已經(jīng)引起學(xué)者的重視，目前多源數(shù)據(jù)融合主要為在線評(píng)論或游記等文本數(shù)據(jù)的融合;國(guó)內(nèi)外旅游大數(shù)據(jù)研究最主要的數(shù)據(jù)來(lái)源都是社交媒體，不同的是，在網(wǎng)絡(luò)搜索數(shù)據(jù)的使用上中文研究大多使用百度指數(shù)、英文研究主要使用谷歌趨勢(shì)。

（4）從分析方法來(lái)看，計(jì)量經(jīng)濟(jì)模型和GIS空間分析法等傳統(tǒng)定量方法是主流研究方法，其中GIS和大數(shù)據(jù)的結(jié)合適用于大尺度的空間行為研究，這說(shuō)明不同的研究方法適用于不同的研究問(wèn)題;定性分析法和混合方法的使用不夠廣泛;文本分析和機(jī)器學(xué)習(xí)等跨學(xué)科方法和工具的使用不夠深入。現(xiàn)有研究中使用的文本分析工具相對(duì)單一，最常用的分析工具為ROST CM 軟件。在機(jī)器學(xué)習(xí)方法的使用上，學(xué)者們大多使用分類(lèi)模型，機(jī)器學(xué)習(xí)預(yù)測(cè)模型的使用非常缺乏。相比之下，國(guó)外研究對(duì)機(jī)器學(xué)習(xí)方法的使用更為深入。

（5）從研究?jī)?nèi)容來(lái)看，旅游大數(shù)據(jù)的研究主題比較豐富且呈現(xiàn)多元化趨勢(shì)，包括旅游感知與體驗(yàn)、旅游者行為、旅游流、旅游預(yù)測(cè)、評(píng)論管理、網(wǎng)絡(luò)關(guān)注度、旅游資源分布、模型構(gòu)建與改進(jìn)和其他主題等九大主題;國(guó)內(nèi)外旅游大數(shù)據(jù)研究在旅游感知與體驗(yàn)、旅游者行為等主流研究方向上保持一致，其差異之處是國(guó)外旅游預(yù)測(cè)的研究成果已經(jīng)比較豐富，而國(guó)內(nèi)旅游預(yù)測(cè)的研究成果相對(duì)較少;旅游大數(shù)據(jù)的研究?jī)?nèi)容具有跨學(xué)科屬性，用于分析的樣本文獻(xiàn)涵蓋經(jīng)濟(jì)、管理、地理、計(jì)算機(jī)、統(tǒng)計(jì)等不同學(xué)科，體現(xiàn)了旅游大數(shù)據(jù)研究的跨學(xué)科性;在研究類(lèi)型上，現(xiàn)有旅游大數(shù)據(jù)文章多為大數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用型研究，理論型的旅游大數(shù)據(jù)研究發(fā)展受限，即以實(shí)證研究為主，文獻(xiàn)綜述和理論構(gòu)建研究較為缺乏，其中中英文研究基本保持一致，相對(duì)而言國(guó)外綜述文章多于國(guó)內(nèi);旅游大數(shù)據(jù)的研究深度有待進(jìn)一步挖掘，如現(xiàn)有旅游流研究主要聚焦旅游流時(shí)空演化特征和旅游流空間網(wǎng)絡(luò)結(jié)構(gòu)特征，即只停留在分析事物特征層面，缺乏對(duì)內(nèi)在機(jī)理的研究;旅游大數(shù)據(jù)的研究視角較為單一，現(xiàn)有研究主要基于旅游者的微觀視角展開(kāi)研究，對(duì)當(dāng)?shù)鼐用瘛⒙糜纹髽I(yè)和政策制定與管理者等其他利益相關(guān)者的關(guān)注不夠。

6.2 研究展望

（1）在數(shù)據(jù)類(lèi)型上，未來(lái)研究應(yīng)進(jìn)一步挖掘并使用圖像數(shù)據(jù)、音頻數(shù)據(jù)和視頻數(shù)據(jù)等不同類(lèi)型的UGC數(shù)據(jù)。UGC數(shù)據(jù)是國(guó)內(nèi)旅游大數(shù)據(jù)研究中使用最多的數(shù)據(jù)類(lèi)型，使用在線評(píng)論數(shù)據(jù)的研究占據(jù)“半壁江山”[49]，而不同類(lèi)型的UGC數(shù)據(jù)具有不同的數(shù)據(jù)屬性，在處理方法以及內(nèi)容映射上均存在差異性[50]，能夠從不同視角反映研究問(wèn)題，對(duì)旅游研究具有潛在的應(yīng)用價(jià)值;注重設(shè)備數(shù)據(jù)和運(yùn)營(yíng)數(shù)據(jù)的深入挖掘，并與其他類(lèi)型的數(shù)據(jù)融合使用，如設(shè)備數(shù)據(jù)與網(wǎng)絡(luò)搜索數(shù)據(jù)的融合、文本數(shù)據(jù)與網(wǎng)絡(luò)搜索數(shù)據(jù)的融合。多類(lèi)型的大數(shù)據(jù)能夠互相補(bǔ)充驗(yàn)證研究結(jié)果，增強(qiáng)研究可靠性。大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)（實(shí)地調(diào)研數(shù)據(jù)）之間也可以相互驗(yàn)證數(shù)據(jù)質(zhì)量，兩者的一致性可以增強(qiáng)研究結(jié)果的科學(xué)性和準(zhǔn)確性。

（2）在數(shù)據(jù)來(lái)源上，未來(lái)研究應(yīng)更加注重多源數(shù)據(jù)的挖掘與使用。多源數(shù)據(jù)之間可以互相補(bǔ)充和交叉驗(yàn)證，在增加研究?jī)?nèi)容豐富性的同時(shí)，可以提高研究結(jié)果的準(zhǔn)確性和科學(xué)性，因此是未來(lái)重要的研究趨勢(shì)之一。比如，與基于單一搜索引擎大數(shù)據(jù)的旅游需求預(yù)測(cè)相比，基于搜索引擎和在線評(píng)論的多源大數(shù)據(jù)對(duì)旅游需求具有更好的短期預(yù)測(cè)效果[51]。因此，加強(qiáng)產(chǎn)學(xué)研合作，實(shí)現(xiàn)多源數(shù)據(jù)協(xié)同共享將成為推動(dòng)旅游大數(shù)據(jù)研究進(jìn)一步發(fā)展的關(guān)鍵。

（3）在研究方法上，多媒體數(shù)據(jù)帶來(lái)的機(jī)遇之一是方法創(chuàng)新，綜合使用經(jīng)濟(jì)學(xué)、管理學(xué)、地理學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)等多學(xué)科的方法和工具是未來(lái)重要趨勢(shì)之一。第一，未來(lái)研究應(yīng)更多地使用混合研究方法，比如通過(guò)傳統(tǒng)問(wèn)卷調(diào)查方法輔助驗(yàn)證文本分析或扎根理論編碼。第二，未來(lái)研究應(yīng)深化文本分析法和機(jī)器學(xué)習(xí)模型的使用。一方面，拓寬文本分析法和機(jī)器學(xué)習(xí)模型的應(yīng)用“寬度”;另一方面，挖掘文本分析法和機(jī)器學(xué)習(xí)模型的應(yīng)用“深度”，即要重視算法和模型的優(yōu)化改進(jìn)。第三，未來(lái)研究也要借助更多新的分析工具。比如，探索文本分析和視頻數(shù)據(jù)處理新軟件。

（4）在研究?jī)?nèi)容上，旅游預(yù)測(cè)是國(guó)外旅游大數(shù)據(jù)研究的熱點(diǎn)之一，近年來(lái)的研究重點(diǎn)關(guān)注短期高頻的預(yù)測(cè)和新預(yù)測(cè)模型的應(yīng)用，未來(lái)研究應(yīng)重視旅游預(yù)測(cè)這一研究?jī)?nèi)容;未來(lái)研究應(yīng)結(jié)合哲學(xué)、倫理、管理、經(jīng)濟(jì)、心理和計(jì)算機(jī)等多學(xué)科視角進(jìn)行研究，如深入探討大數(shù)據(jù)背景下旅游者的隱私和倫理問(wèn)題、加強(qiáng)情感分析研究等;未來(lái)研究需要堅(jiān)持理論驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)“雙驅(qū)并進(jìn)”，推動(dòng)旅游大數(shù)據(jù)研究進(jìn)入新的發(fā)展階段;應(yīng)用大數(shù)據(jù)挖掘與分析技術(shù)研究旅游流的演化特征和旅游者行為特征，并在此基礎(chǔ)上分析其影響機(jī)制已經(jīng)成為研究的重要方向，旅游流和旅游者時(shí)空行為與其他主題的交叉研究可能是未來(lái)新的方向;未來(lái)研究應(yīng)關(guān)注多元視角，從旅游者、社區(qū)居民、旅游企業(yè)和政策制定與管理者等多利益相關(guān)者視角展開(kāi)研究。旅游業(yè)的可持續(xù)發(fā)展離不開(kāi)利益相關(guān)者之間的協(xié)同合作，未來(lái)研究可以借助大數(shù)據(jù)區(qū)分和揭示旅游者和當(dāng)?shù)鼐用竦臅r(shí)空行為;探討5G數(shù)字經(jīng)濟(jì)背景下政府和平臺(tái)企業(yè)對(duì)大數(shù)據(jù)隱私安全的保護(hù)問(wèn)題;從管理者的視角研究評(píng)論管理策略和旅游危機(jī)管理等主題。

注釋

①CSSCI：Chinese Social Sciences Citation Index，中文社會(huì)科學(xué)引文索引，是由南京大學(xué)中國(guó)社會(huì)科學(xué)研究評(píng)價(jià)中心開(kāi)發(fā)研制的數(shù)據(jù)庫(kù)，用來(lái)檢索中文社會(huì)科學(xué)領(lǐng)域的論文收錄和文獻(xiàn)被引用情況。

②CSCD：Chinese Science Citation Database，中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)，由中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心創(chuàng)建。

③Airbnb：AirBed and Breakfast，愛(ài)彼迎。

④POI：Point of Interest，興趣點(diǎn)。

⑤感興趣的讀者可來(lái)函索取詳細(xì)的期刊名稱(chēng)、學(xué)科分布和載文量等具體數(shù)據(jù)。

參考文獻(xiàn)

[1] 維克托·邁爾·舍恩伯格，肯尼思·庫(kù)克耶.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013.

[2] LI X，LAW R.Network analysis of big data research intourism[J].Tourism management perspectives，2020，33：100608.

[3] MARIANI M，BAGGIO R.Big data and analytics inhospitality and tourism：a systematic literature review[J].International journal of contemporary hospitalitymanagement，2022（1）：231-278.

[4] 陸保一，韋俊峰，明慶忠，等.基于知識(shí)圖譜的中國(guó)旅游大數(shù)據(jù)應(yīng)用研究進(jìn)展[J].經(jīng)濟(jì)地理，2022（1）：230-240.

[5] LI J J，XU L Z，TANG L，et al.Big data in tourism research：a literature review[J].Tourism management，2018，68：301-323.

[6] 曾忠祿，王興.大數(shù)據(jù)在旅游研究中的運(yùn)用：國(guó)際文獻(xiàn)研究[J].情報(bào)雜志，2020（10）：165-168.

[7] 吳開(kāi)軍.旅游大數(shù)據(jù)研究熱點(diǎn)及特征探析：基于國(guó)外文獻(xiàn)的分析[J].統(tǒng)計(jì)與信息論壇，2019（4）：105-113.

[8] 陳雪，張宏磊，徐一帆，等.旅游研究中的圖像研究進(jìn)展與展望[J].旅游學(xué)刊，2021（3）：127-140.

[9] LI X，LAW R，XIE G，et al.Review of tourism forecastingresearch with internet data[J].Tourism management，2021，83：104245.

[10] 鄭偉民，李夢(mèng)玲，莊歆怡，等.手機(jī)基站定位數(shù)據(jù)在旅游領(lǐng)域的應(yīng)用綜述[J].旅游導(dǎo)刊，2021（4）：37-57.

[11] 李君軼，楊敏.基于Web數(shù)據(jù)挖掘的旅游需求分析與預(yù)測(cè)[J].旅游科學(xué)，2007（6）：47-52.

[12] 鄧寧，曲玉潔.我國(guó)旅游大數(shù)據(jù)的產(chǎn)業(yè)實(shí)踐：現(xiàn)狀、問(wèn)題及未來(lái)[J].旅游導(dǎo)刊，2021（4）：1-15.

[13] SIVARAJAH U，KAMAL M M，IRANI Z，et al.Critical analysis of Big Data challenges and analyticalmethods[J].Journal of business research，2017，70：263-286.

[14] 劉逸，保繼剛，朱毅玲.基于大數(shù)據(jù)的旅游目的地情感評(píng)價(jià)方法探究[J].地理研究，2017（6）：1091-1105.

[15] 趙瑩，張朝枝，金鈺涵.基于手機(jī)數(shù)據(jù)可靠性分析的旅游城市功能空間識(shí)別研究[J].人文地理，2018（3）：137-144.

[16] 王錄倉(cāng)，嚴(yán)翠霞，李巍.基于新浪微博大數(shù)據(jù)的旅游流時(shí)空特征研究以蘭州市為例[J].旅游學(xué)刊，2017（5）：94-105.

[17] 黃先開(kāi)，張麗峰，丁于思.百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測(cè)研究以北京故宮為例[J].旅游學(xué)刊， 2013（11）：93-100.

[18] ALAEI A R，BECKEN S，STANTIC B.Sentiment analysisin tourism：capitalizing on big data[J].Journalof travel research，2019（2）：175-191.

[19] 孫曉東，倪榮鑫.中國(guó)郵輪游客的產(chǎn)品認(rèn)知、情感表達(dá)與品牌形象感知基于在線點(diǎn)評(píng)的內(nèi)容分析[J].地理研究，2018（6）：1159-1180.

[20] 李春曉，李輝，劉艷箏，等.多彩華夏：大數(shù)據(jù)視角的入境游客體驗(yàn)感知差異深描[J].南開(kāi)管理評(píng)論， 2020（1）：28-39.

[21] 春雨童，王傳生，計(jì)衛(wèi)星，等.基于網(wǎng)絡(luò)文本分析的重游意向旅游形象感知研究以廈門(mén)鼓浪嶼風(fēng)景名勝區(qū)及北京故宮博物院為例[J].地域研究與開(kāi)發(fā)，2021（4）：96-101.

[22] 李婷，武剛，梁麗芳，等.基于網(wǎng)絡(luò)評(píng)論的五臺(tái)山旅游目的地游后形象感知研究[J].干旱區(qū)資源與環(huán)境，2021（8）：192-198.

[23] 鄧寧，劉耀芳，牛宇，等.不同來(lái)源地旅游者對(duì)北京目的地形象感知差異基于深度學(xué)習(xí)的Flickr圖片分析[J].資源科學(xué)，2019（3）：416-429.

[24] 陸利軍，廖小平.基于UGC數(shù)據(jù)的南岳衡山旅游目的地形象感知研究[J].經(jīng)濟(jì)地理，2019（12）：221-229.

[25] 叢麗，何繼紅.野生動(dòng)物旅游景區(qū)游客情感特征研究以長(zhǎng)隆野生動(dòng)物世界為例[J].旅游學(xué)刊，2020（2）：53-64.

[26] 劉逸，保繼剛，陳凱琪.中國(guó)赴澳大利亞游客的情感特征研究基于大數(shù)據(jù)的文本分析[J].旅游學(xué)刊， 2017（5）：46-58.

[27] 史達(dá)，王志敏.綠色飯店用戶(hù)體驗(yàn)基于在線評(píng)論的深度學(xué)習(xí)研究[J].旅游科學(xué)，2019（6）：62-76.

[28] 陳鋼華，李萌.旅游者情感研究進(jìn)展：歷程、主題、理論與方法[J].旅游學(xué)刊，2020（7）：99-116.

[29] 郭曉姝，葉強(qiáng)，祁阿瑩，等.解釋駁斥管理反饋策略對(duì)消費(fèi)者滿(mǎn)意度的影響[J].管理科學(xué)，2020（5）：58-71.

[30] 謝秋逸，周年興，軒源，等.基于百度AI開(kāi)放平臺(tái)的北京市共享住宿顧客滿(mǎn)意度及需求層次研究[J].南京師大學(xué)報(bào)（自然科學(xué)版），2021（1）：64-70.

[31] 何瓊峰.基于扎根理論的文化遺產(chǎn)景區(qū)游客滿(mǎn)意度影響因素研究以大眾點(diǎn)評(píng)網(wǎng)北京5A 景區(qū)的游客評(píng)論為例[J].經(jīng)濟(jì)地理，2014（1）：168-173.

[32] 郭旸，胡雅靜，林玥.基于手機(jī)信令和網(wǎng)絡(luò)游記數(shù)據(jù)的游客時(shí)空行為分析：以上海迪士尼樂(lè)園外地游客為例[J].旅游論壇，2020（1）：13-22.

[33] 梁嘉祺，姜珊，陶犁.基于網(wǎng)絡(luò)游記語(yǔ)義分析和GIS可視化的游客時(shí)空行為與情緒關(guān)系實(shí)證研究以北京市為例[J].人文地理，2020（2）：152-160.

[34] 王紅麗，周夢(mèng)楠.Airbnb房東自我展示的信息分類(lèi)及其對(duì)房客信任與預(yù)訂行為的影響研究[J].管理學(xué)報(bào)，2021（9）：1307-1316.

[35] 馬斌斌，陳興鵬，陳芳婷.基于社交大數(shù)據(jù)的敦煌旅游流多尺度時(shí)空分異特征[J].經(jīng)濟(jì)地理，2021（3）：202-212.

[36] WEN L，LIU C，SONG H Y，et al.Forecastingtourism demand with an improved mixed data samplingmodel[J].Journal of travel research，2021（2）：336-353.

[37] 周曉麗，唐承財(cái).基于網(wǎng)絡(luò)搜索大數(shù)據(jù)的5A 級(jí)景區(qū)客流量預(yù)測(cè)分析[J].干旱區(qū)資源與環(huán)境，2020（3）：204-208.

[38] 曹睿，廖彬，李敏，等.基于XGBoost的在線短租市場(chǎng)價(jià)格預(yù)測(cè)及特征分析模型[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2021（6）：51-65.

[39] LEUNG D.Unraveling the interplay of review depth，review breadth，and review language style on reviewusefulness and review adoption[J].International journalof hospitality management，2021，97：102989.

[40] 徐峰，張新，馬良，等.在線評(píng)論動(dòng)態(tài)性偏差對(duì)評(píng)論有用性影響研究[J].管理學(xué)報(bào)，2020（9）：1383-1390.

[41] 史達(dá)，王樂(lè)樂(lè)，衣博文.在線評(píng)論有用性的深度數(shù)據(jù)挖掘基于TripAdvisor的酒店評(píng)論數(shù)據(jù)[J].南開(kāi)管理評(píng)論，2020（5）：64-75.

[42] 陳遠(yuǎn)高，應(yīng)夢(mèng)茜，畢然，等.管理者回復(fù)對(duì)在線評(píng)論與有用性關(guān)系的調(diào)節(jié)效應(yīng)：基于TripAdvisor的實(shí)證研究[J].管理工程學(xué)報(bào)，2021（5）：110-116.

[43] 郭曉姝，張焱，徐健.道歉承諾類(lèi)管理反饋策略對(duì)顧客二次滿(mǎn)意度的影響基于顧客多樣情緒調(diào)節(jié)效應(yīng)[J].中國(guó)管理科學(xué)，2021（2）：217-227.

[44] LIU S，WANG N，GAO B Z，et al.To be similar or tobe different？ The effect of hotel managers'rote responseon subsequent reviews[J].Tourism management，2021，86：104346.

[45] 王碩，曾克峰，童潔，等.黃金周風(fēng)景名勝區(qū)旅游客流量與網(wǎng)絡(luò)關(guān)注度相關(guān)性分析：以廬山、華山、八達(dá)嶺長(zhǎng)城風(fēng)景名勝區(qū)為例[J].經(jīng)濟(jì)地理，2013（11）：182-186.

[46] 方葉林，程雪蘭，黃震方，等.國(guó)家重點(diǎn)風(fēng)景名勝區(qū)網(wǎng)絡(luò)關(guān)注度與游客量的錯(cuò)位特征及機(jī)理[J].經(jīng)濟(jì)地理，2020（4）：204-213.

[47] 楊帥，陳建宏，柯丹，等.共享住宿定價(jià)策略的跨國(guó)差異：國(guó)家文化價(jià)值觀在共享經(jīng)濟(jì)中的調(diào)節(jié)作用[J].南開(kāi)管理評(píng)論，2021（3）：60-73.

[48] 徐峰，張新，梁乙凱，等.信任構(gòu)建機(jī)制對(duì)共享民宿預(yù)訂量的影響基于Airbnb的實(shí)證研究[J].旅游學(xué)刊，2021（12）：127-139.

[49] 江帆，林珊珊，應(yīng)天煜，等.中國(guó)旅游大數(shù)據(jù)研究：二十年回顧與展望[J].旅游導(dǎo)刊，2022（4）：68-104.

[50] GREWAL R，GUPTA S，HAMILTON R.Marketinginsights from multimedia data：text，image，audio，andvideo[J].Journal of marketing research，2021（6）：1025-1033.

[51] LI H Y，HU M M，LI G.Forecasting tourism demandwith multisource big data[J].Annals of tourism research，2020，83：102912.

[責(zé)任編輯：連云凱]