王小芳　劉樹(shù)林　劉洪江

摘要：針對(duì)旅游點(diǎn)評(píng)類文本存在數(shù)據(jù)量龐大等問(wèn)題，本文構(gòu)建一種SVM與Bootstrapping相融合的旅游點(diǎn)評(píng)文本情感分析算法。首先對(duì)2019年上半年攜程旅游與馬蜂窩旅游評(píng)論數(shù)據(jù)進(jìn)行采集，以得到待處理旅游點(diǎn)評(píng)文本數(shù)據(jù)集;然后利用SVM算法構(gòu)建分類器對(duì)旅游點(diǎn)評(píng)文本進(jìn)行分類，以得到情感特征詞集，隨后使用Bootstrapping算法對(duì)上述分類器進(jìn)行重構(gòu)，以得到高性能分類器;最后對(duì)分析的情感特征詞集進(jìn)行模型評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法相對(duì)于傳統(tǒng)算法而言，召回率整體提升2.3%，準(zhǔn)確率整體提升4.8%，F(xiàn)值整體提升3.46%，改進(jìn)算法分類效果較傳統(tǒng)更優(yōu)，準(zhǔn)確率、召回率和加權(quán)調(diào)和平均值有提升。

關(guān)鍵詞：旅游推薦;SVM;分類器;Bootstrapping

中圖分類號(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）09-0198-02

1 引言

隨著旅游產(chǎn)業(yè)的快速發(fā)展，旅游客戶呈爆發(fā)式增長(zhǎng)，旅游網(wǎng)站普遍，旅游評(píng)論數(shù)據(jù)，存在信息超載，情感表象不明確等問(wèn)題使得適宜旅游成為難題，尋找有效旅游信息顯得尤其重要。如何通過(guò)旅游評(píng)論信息實(shí)現(xiàn)精準(zhǔn)旅游推薦成為重點(diǎn)及熱點(diǎn)，吸引許多專家學(xué)者探討。其中文獻(xiàn)[1]提出基于上下文感知的旅游推薦算法，將上下文信息引入推薦系統(tǒng)，該算法雖成功解決信息過(guò)載的問(wèn)題，但沒(méi)有考慮用戶情緒信息，不能精確的判斷上下文情感傾向。文獻(xiàn)[2]提出基于情景上下文與信任關(guān)系的推薦算法，采用綜合考慮信任度和情景上下文信息推舉策略，該算法雖解決現(xiàn)有旅游推薦個(gè)性化不足的問(wèn)題，但沒(méi)有分析情感因素對(duì)旅游推薦的影響。文獻(xiàn)[3]提出基于標(biāo)簽的協(xié)同過(guò)濾算法，該算法用景點(diǎn)特征標(biāo)簽描述用戶興趣特征，根據(jù)用戶興趣標(biāo)簽找到相似用戶群，通過(guò)協(xié)同過(guò)濾的方法為用戶推薦感興趣的景點(diǎn)，該算法雖結(jié)合協(xié)同過(guò)濾算法與基于標(biāo)簽內(nèi)容的推薦算法兩種算法的優(yōu)勢(shì)，改善了推薦效果，對(duì)前期用戶的情感分析效果不佳。針對(duì)以上問(wèn)題，本文提出基于SVM與Bootstrap-ping融合的旅游評(píng)論文本情感分析算法進(jìn)行分析。

2 算法實(shí)現(xiàn)

2.1 內(nèi)容提取

本文通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)[4]，對(duì)旅游的評(píng)論數(shù)據(jù)進(jìn)行采集，經(jīng)整合得到點(diǎn)評(píng)文本數(shù)據(jù)集，作為實(shí)驗(yàn)的測(cè)試及訓(xùn)練數(shù)據(jù)。

2.2 SVM實(shí)現(xiàn)S-B分類器構(gòu)建

本文利用SVM支持向量機(jī)[5]構(gòu)建小樣本S-B分類器，構(gòu)建過(guò)程分為四步，其中第一步利用ICTCLAS提取文本特征，第二步，使用IF-IDF計(jì)算詞權(quán)值以進(jìn)行文本特征表示，第三步，通過(guò)歸一化處理消除指標(biāo)差異，最后通過(guò)超平面劃分，從而實(shí)現(xiàn)小樣本分類器構(gòu)建。

2.2.1 特征提取

特征提取是將文本進(jìn)行分詞然后再提取有屬性、有情感詞的過(guò)程。本文采用中科院研發(fā)的ICTCLAS分詞系統(tǒng)實(shí)現(xiàn)文本分詞。分詞后，由于停用詞對(duì)股評(píng)分析沒(méi)有意義，為減少對(duì)文本干擾，加速處理速度，本文在進(jìn)行特提取前，先將切分后得到的停用詞從數(shù)據(jù)集中去除。然后進(jìn)行特征提取。對(duì)于文本特征提取，本文使用基于Java版本的ICTCLAS4J，其使用MyLexi-con類描述分詞模塊。

2.2.2 文本特征表示

經(jīng)特征提取后，得到多維特征詞集，然后采用特征抽取對(duì)多維特征詞集進(jìn)行降維。本文采用Topic Modeling的原理，利用映射方法將高緯度空間映射到低維空間，從而實(shí)現(xiàn)降維，維度衡量通過(guò)計(jì)算詞的權(quán)值進(jìn)行，采用TF-IDF公式對(duì)特征集進(jìn)行計(jì)算。如式（1）所示。

經(jīng)過(guò)TF-IDF計(jì)算詞的權(quán)值后，從點(diǎn)評(píng)特征集D選出具有代表性特征詞集，再對(duì)其進(jìn)行特征抽取。用構(gòu)建的情感詞典最終實(shí)現(xiàn)降維，得到具有代表性的特征詞典。

2.2.3 歸一化處理

對(duì)于不同的情感詞往往具有不同的分析指標(biāo)，直接影響到分析的結(jié)果，為了消除指標(biāo)之間影響，本文采用標(biāo)準(zhǔn)歸一化和最大最小歸一化對(duì)上述結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，以解決指標(biāo)之間的可比性。經(jīng)歸一化處理后將情感詞典限制在本文需要的一定范圍內(nèi)，以消除奇異樣本導(dǎo)致的不良影響，保證各指標(biāo)處于同一量級(jí)，從而得到小樣本分類器。

2.2.4 超平面劃分

旅游點(diǎn)評(píng)集D經(jīng)過(guò)上述三步處理后，得到D1和D2數(shù)據(jù)集，其中訓(xùn)練集D1（包含樣本特征集S）將用于構(gòu)建S-B分類器，D2測(cè)試集，用于模型測(cè)試。

經(jīng)處理后得到的樣本特征詞集S，采用超平面進(jìn)行樣本集劃分，進(jìn)而構(gòu)建一個(gè)小規(guī)模分類器，確定正反面（即推薦與不推薦），如式（5）所示。

2.3Bootstrapping重構(gòu)S-B分類器

在傳統(tǒng)的SVM[6]文本分類算法中，構(gòu)建小規(guī)模分類器，并用此處理大規(guī)模待處理文本U，采用計(jì)算語(yǔ)義相似度的方法處理訓(xùn)練集D1中剩余的大規(guī)模待處理文本U。由于構(gòu)建的分類器規(guī)模較小，其性能很難得到可靠的保障。本文基于以上問(wèn)題提出引入Bootstrapping的本體標(biāo)注算法[7]實(shí)現(xiàn)基于小規(guī)模分類器的樣本擴(kuò)展，利用樣本特征詞集S構(gòu)建好的小規(guī)模分類器，循環(huán)地將大規(guī)模待處理文本U擴(kuò)展到分類器中，使得分類器擴(kuò)大到一定規(guī)模，且足以可靠地完成下一步測(cè)試集的測(cè)試工作。

2.4 模型評(píng)價(jià)

傳統(tǒng)SVM算法中的模型評(píng)價(jià)其評(píng)價(jià)效果和衡量準(zhǔn)確率十分出色，為得到有效的分析結(jié)果，本文采用同SVM相同模型評(píng)價(jià)方法，即使用召回率（Recall）、準(zhǔn)確率（Precision）和F值來(lái)衡量改進(jìn)算法的旅游點(diǎn)評(píng)效果，其計(jì)算公式如式（9）所示。

3 實(shí)驗(yàn)結(jié)果分析

本文采集上半年攜程與馬蜂窩旅游點(diǎn)評(píng)作為實(shí)驗(yàn)數(shù)據(jù)，對(duì)傳統(tǒng)SVM算法[8]和本文所提出的改進(jìn)算法在相同實(shí)驗(yàn)環(huán)境就點(diǎn)評(píng)結(jié)果的召回率、準(zhǔn)確率和F值進(jìn)行分析評(píng)價(jià)，結(jié)果如表l所示。

4 總結(jié)

基于旅游點(diǎn)評(píng)文章多文本形式與數(shù)據(jù)量龐大等問(wèn)題，本文提出SVM與Bootstrapping融合的算法對(duì)旅游點(diǎn)評(píng)文本進(jìn)行情感分析，本文先采用進(jìn)行采集，再使用SVM算法實(shí)現(xiàn)小樣本分類，然后采用Bootstrapping算法對(duì)小樣本數(shù)據(jù)進(jìn)行迭代學(xué)習(xí)，形成大樣本數(shù)據(jù)，最后使用評(píng)價(jià)模型對(duì)處理結(jié)果進(jìn)行評(píng)價(jià)。本算法除應(yīng)用于旅游推薦外，還可應(yīng)用于股評(píng)、智能推薦、輿情、市場(chǎng)監(jiān)管等方面。

參考文獻(xiàn)：

[1]匡海麗，常亮，賓辰忠，等.上下文感知旅游推薦系統(tǒng)研究綜述[J].智能系統(tǒng)學(xué)報(bào)，2019，14（4）：611-618.

[2]沈記全，王磊，侯占偉，等，基于情景上下文與信任關(guān)系的旅游景點(diǎn)推薦算法[J].計(jì)算機(jī)應(yīng)用研究，2018，35（12）：3640-3643.

[3]李雅美，王昌棟.基于標(biāo)簽的個(gè)性化旅游推薦[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2017，47（7）：547-555.

[4]付哲，李軍.高性能正則表達(dá)式匹配算法綜述[Jl.計(jì)算機(jī)工程與應(yīng)用，2018，54（20）：1-13.

[5]彭德焰，胡欣宇.基于SVM的產(chǎn)品評(píng)論情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J）.物聯(lián)網(wǎng)技術(shù)，2016，6（11）：76-79.

[6]蕭嶸，王繼成，張福炎.支持向量機(jī)理論綜述[Jl.計(jì)算機(jī)科學(xué)，2000，27（3）：1-3.

[7]段宇鋒，朱雯晶，陳巧，等.樸素貝葉斯算法與Bootstrapping方法相結(jié)合的中文物種描述文本語(yǔ)義標(biāo)注研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2014（5）：83-89.

[8]莫倩，張渝杰，胡航麗，等，一種混合的股評(píng)觀點(diǎn)傾向性分析方法[J]。計(jì)算機(jī)工程與應(yīng)用，2011，47（19）：222-225.

【通聯(lián)編輯：唐一東】