摘要：隨著移動(dòng)互聯(lián)網(wǎng)發(fā)展，越來越多的游客在線訂購(gòu)旅游產(chǎn)品和服務(wù)，并通過網(wǎng)絡(luò)分享他們的旅游體驗(yàn)和評(píng)價(jià)。這些旅游網(wǎng)絡(luò)點(diǎn)評(píng)不僅為其他游客提供了寶貴的參考意見，也對(duì)旅游企業(yè)管理者具有重要的指導(dǎo)意義。所以，對(duì)這些評(píng)價(jià)進(jìn)行分析，及時(shí)掌握旅游網(wǎng)絡(luò)輿情是相當(dāng)重要的。本文抓取游客在網(wǎng)絡(luò)上的評(píng)價(jià)文本數(shù)據(jù)，通過機(jī)器學(xué)習(xí)的方法對(duì)文本進(jìn)行情感分析，進(jìn)行詞頻分析并繪制詞頻統(tǒng)計(jì)的詞云圖，為旅游企業(yè)提高服務(wù)質(zhì)量提供了數(shù)據(jù)參考。

關(guān)鍵詞：情感分析；詞頻分析；網(wǎng)絡(luò)評(píng)價(jià)

ResearchonTourists'OnlineEvaluationofScenicSpotsBbasedonSsentimentAnalysisTechnology

WangXinyu

NanjingTourismVocationalCollegeJiangsuNanjing211100

Abstract：Withthedevelopment?;oftheInternet，moreandmoretouristsordertravelproductsandservicesonlineandsharetheirtravelexperienceandevaluation.Thesetourismonlinereviewsnotonlyprovidevaluablereferenceopinionsforothertourists，butalsohaveimportantguidingsignificancefortourismenterprisemanagers.So，itisquiteimportanttoanalyzetheseevaluationsandtimelygraspthetourismnetworkpublicopinion.Thisarticlecapturestextualdataoftourists'evaluationsontheinternet，conductssentimentanalysisonthetextthroughmachinelearningmethods，performswordfrequencyanalysis，anddrawsawordcloudmapofwordfrequencystatistics，providingdatareferencefortourismenterprisestoimproveservicequality.

Keywords：Sentimentanalysis;Wordfrequencyanalysis;Onlinereviews

1研究背景

隨著移動(dòng)互聯(lián)網(wǎng)發(fā)展，越來越多的游客選擇通過手機(jī)在線訂購(gòu)旅游產(chǎn)品（如：景區(qū)門票、酒店客房等）并實(shí)時(shí)分享他們的旅游體驗(yàn)和評(píng)價(jià)。這些旅游網(wǎng)絡(luò)點(diǎn)評(píng)不僅為其他游客提供了寶貴的參考意見，也對(duì)旅游企業(yè)管理者具有重要的指導(dǎo)意義。旅游的點(diǎn)評(píng)實(shí)際上是一種主觀的文本信息，這種主觀的信息在過去只能通過人工篩選的方法進(jìn)行分析，人工的方法只適合少量的游客點(diǎn)評(píng)，并不適合當(dāng)前海量的網(wǎng)絡(luò)點(diǎn)評(píng)。隨著信息處理技術(shù)的發(fā)展，出現(xiàn)了情感分析技術(shù)，情感分析[1]通常是指對(duì)一段有主觀性情感的文本進(jìn)行分析的過程，情感分析有很強(qiáng)的實(shí)用價(jià)值，例如，通過對(duì)某酒店服務(wù)評(píng)論的情感分析，可以發(fā)現(xiàn)顧客對(duì)該酒店軟硬件設(shè)施和服務(wù)的褒貶態(tài)度和意見，從而改進(jìn)設(shè)施并改善服務(wù)，贏得競(jìng)爭(zhēng)優(yōu)勢(shì)；通過對(duì)游客對(duì)某條旅游線路的評(píng)論情感分析，旅行社可以了解游客對(duì)該線路的態(tài)度傾向分布，從而優(yōu)化路線，提高服務(wù)品質(zhì)，從競(jìng)爭(zhēng)中脫穎而出。

從知網(wǎng)檢索的情況來看，鄭文英[2]最早把情感分析技術(shù)應(yīng)用于旅游目的地的旅游點(diǎn)評(píng)研究；覃國(guó)蓉等[3]應(yīng)用旅游網(wǎng)絡(luò)評(píng)論情感分析方法實(shí)現(xiàn)了一個(gè)實(shí)用的系統(tǒng)，可以實(shí)時(shí)監(jiān)控有關(guān)旅游企業(yè)的網(wǎng)絡(luò)輿情；王新宇[1]利用情感詞典和機(jī)器學(xué)習(xí)相結(jié)合的方法，對(duì)旅游網(wǎng)絡(luò)點(diǎn)評(píng)進(jìn)行了感情分析。以上這些為早期近情感分析技術(shù)應(yīng)用于旅游業(yè)的研究，這些方法一般都是通過某種通用的計(jì)算機(jī)編程語(yǔ)言進(jìn)行編程實(shí)現(xiàn)網(wǎng)絡(luò)點(diǎn)評(píng)的抓取、情感分析，比較復(fù)雜。近幾年，隨著python語(yǔ)言的流行、網(wǎng)絡(luò)數(shù)據(jù)抓取的工具出現(xiàn)等技術(shù)的進(jìn)步，感情分析技術(shù)在旅游業(yè)應(yīng)用的研究也逐漸增加。如：郝若琳[4]等，以四川省5A級(jí)景區(qū)為研究對(duì)象，以攜程網(wǎng)游客評(píng)論為研究?jī)?nèi)容，使用ROSTCM6.0軟件進(jìn)行數(shù)據(jù)分析處理，探究游客對(duì)景區(qū)的情感傾向；陳浩[5]基于Python軟件和NLP自然語(yǔ)言處理情感得分算法，在對(duì)在線評(píng)論進(jìn)行情感分析的基礎(chǔ)上還運(yùn)用了機(jī)器學(xué)習(xí)的方法進(jìn)行在線文本的情感分類。

通過以上研究，可以發(fā)現(xiàn)情感分析技術(shù)能幫助旅游企業(yè)從互聯(lián)網(wǎng)上海量的產(chǎn)品評(píng)論中獲取對(duì)產(chǎn)品綜合、全面的評(píng)價(jià)信息。本文以泰山景區(qū)為例，對(duì)該景區(qū)的線上評(píng)論進(jìn)行收集采樣、經(jīng)過中文分詞、詞匯預(yù)處理、對(duì)詞匯出現(xiàn)的數(shù)量進(jìn)行統(tǒng)計(jì)，得出高頻詞，并定量計(jì)算出各條評(píng)價(jià)的情感傾向概率。

2研究過程

2.1評(píng)價(jià)數(shù)據(jù)的獲取

本次研究相關(guān)數(shù)據(jù)通過python語(yǔ)言編制程序抓取，采集數(shù)據(jù)由攜程旅行網(wǎng)采集，通過解析網(wǎng)頁(yè)中的json數(shù)據(jù)格式，可以提取比較“清潔”的點(diǎn)評(píng)數(shù)據(jù)，在數(shù)據(jù)的預(yù)處理階段，只需通過程序處理掉停用詞即可，停用詞是被認(rèn)為對(duì)文本分析貢獻(xiàn)較小的詞匯，在預(yù)處理階段被移除這些詞，?可以減少文本的冗余和無關(guān)信息，?從而提高文本分析的效率和準(zhǔn)確性。?目前，中文停用詞表主要有哈工大停用詞表、百度停用詞表和四川大學(xué)機(jī)器智能實(shí)驗(yàn)室停用詞表等幾個(gè)版本，選擇其中一個(gè)或綜合在一起均可以起到較好的效果。本次研究最終抓取攜程網(wǎng)上泰山景區(qū)的游客評(píng)價(jià)文本3000條。（因?yàn)槟壳皵y程網(wǎng)僅提供最近3000條的游客評(píng)價(jià)信息）

2.2詞頻分析

2.2.1中文分詞

因?yàn)橛慰偷脑u(píng)價(jià)文本是完整的一段漢字序列，要想得到游客的用詞，就必需進(jìn)行中文分詞。中文分詞指的是將一個(gè)漢字序列切分成一個(gè)個(gè)單獨(dú)的詞。分詞的過程實(shí)際上就是將連續(xù)、完整的漢字序列，按照一定的方法，組合成詞序列的過程。中文分詞的實(shí)現(xiàn)，一般均是在程序中直接調(diào)用某個(gè)成品分詞系統(tǒng)的接口函數(shù)，jieba目前被認(rèn)為是最好用的基于Python實(shí)現(xiàn)的分詞系統(tǒng)，很容易就可以實(shí)現(xiàn)分詞調(diào)用和詞性標(biāo)注，可以一定程度上實(shí)現(xiàn)的未登錄詞識(shí)別，還能通過自建詞庫(kù)，擴(kuò)展實(shí)現(xiàn)新詞的登錄。本次研究采用了jieba對(duì)游客評(píng)價(jià)文本進(jìn)行中文分詞，并編程對(duì)詞頻進(jìn)行統(tǒng)計(jì)和排序，進(jìn)一步得到高頻詞。以下代碼實(shí)現(xiàn)了對(duì)整段漢字序列的分詞并進(jìn)行詞頻統(tǒng)計(jì)。

words=jieba.cut（txt）#變量txt中為需要進(jìn)行中文分詞的字符串

counts={}#counts為數(shù)字字典，該字典存放統(tǒng)計(jì)好的詞匯和出現(xiàn)的次數(shù)

forwordinwords：

ifwordnotinstopwords：

#不統(tǒng)計(jì)字?jǐn)?shù)為一的詞

iflen（word）==1：

continue

else：

counts[word]=counts.get（word，0）+1

2.2.2高頻詞的可視化

如果將數(shù)據(jù)可視化后，能夠更加直觀、生動(dòng)的表達(dá)數(shù)據(jù)，讓數(shù)據(jù)的使用者能夠迅速理解和利用數(shù)據(jù)。詞云圖，是一種文本數(shù)據(jù)的圖片可視化表達(dá)方式，一般是由詞匯組成類似云的圖形，用于大量文本數(shù)據(jù)的可視化。Pyhton語(yǔ)言通過wordcloud包，可以非常方便的實(shí)現(xiàn)詞云圖的繪制，從而完成本次研究中游客評(píng)價(jià)中高頻詞的可視化。以下程序段展示了如何快速生成一張?jiān)~云圖。

wc=WordCloud（） #初始化一個(gè)詞云圖

wc.background_color="white" #設(shè)置背景色為白色

wc.max_words=500 #設(shè)置最大詞匯數(shù)量

wc.font_path=r"c：＼windows＼fonts＼STHUPO.ttf"#設(shè)置字體

wc.width=800 #設(shè)置圖片寬度

wc.height=600 #設(shè)置圖片高度

wc.generate_from_frequencies（counts） #根據(jù)詞頻生成詞云圖

wc.to_file（"wc.png"） #寫入文件

2.3情感分析

目前研究文本情感傾向，主要使用兩種方法，分別是：基于機(jī)器學(xué)習(xí)的方法和基于情感詞典的方法，前者需要用到標(biāo)注好的情感詞典進(jìn)行分析，而基于機(jī)器學(xué)習(xí)的方法是利用分類技術(shù)來處理文本，分類技術(shù)一般是使用某種學(xué)習(xí)算法來確定分類模型常用的機(jī)器學(xué)習(xí)分類法有：最大熵、樸素貝葉斯文本算法、支持向量機(jī)模型[1]。由于技術(shù)的發(fā)展，目前利用機(jī)器學(xué)習(xí)的方法進(jìn)行文本的情感分析已經(jīng)非常方便，有許多軟件工具或者是基于python的包，SnowNLP就是這樣一個(gè)包，可以非常容易的實(shí)現(xiàn)文本的情感分析，其原理主要就是應(yīng)用了機(jī)器學(xué)習(xí)的方法，即采用樸素貝葉斯分類器，將文本分為積極、中性和消極三種類別，先將大量的文本數(shù)據(jù)進(jìn)行標(biāo)注，然后提取文本的特征（如：情感詞匯、詞頻等），然后用分類器對(duì)這些特征進(jìn)行訓(xùn)練，得到每個(gè)特征對(duì)應(yīng)的情感類別的概率，綜合這些概率，確定整個(gè)文本的情感屬性類別。SnowNLP的這種方法在實(shí)現(xiàn)應(yīng)用中效果較好，但語(yǔ)料庫(kù)需要根據(jù)應(yīng)用場(chǎng)景進(jìn)行變換，故SNowNLP也提供自定義語(yǔ)料庫(kù)的訓(xùn)練功能，本次研究利用從網(wǎng)上抓取的景區(qū)評(píng)價(jià)信息，構(gòu)建了旅游評(píng)價(jià)的語(yǔ)料庫(kù)，并進(jìn)行了訓(xùn)練。

SNowNLP包的使用比較簡(jiǎn)單，以下代碼段對(duì)txt文本進(jìn)行了情感分析，變量v保存了一個(gè)介于0至1之間的值，該值越大，表示正向傾向概率越高。

sout=snownlp.SnowNLP（txt）

v=sout.sentiments

2.4實(shí)驗(yàn)結(jié)果及分析

2.4.1高頻詞結(jié)果

提取詞頻分析的高頻詞排名前30的結(jié)果如表1所示，使用排名前500的詞繪制詞云圖如圖1所示。

從高頻詞和可視化的詞去圖的數(shù)據(jù)可以看出，游客最感興趣的還是泰山的景點(diǎn)名稱，如：泰山、日出、天門、南天門、玉皇頂?shù)?；?duì)于登山的也很關(guān)注，如：下山、爬山、上山、索道、纜車等；還有一些與體驗(yàn)相關(guān)的詞，如；可以、非常、值得、沒在、不錯(cuò)等；通過提取排名前300的詞匯，還可以發(fā)現(xiàn)：排隊(duì)、很累、講解、拍照、賓館、買票、拐棍、礦泉水、住宿等與旅游的六要素相關(guān)的詞匯。通過人工分類，得出與六要素相關(guān)的部門詞匯如表2所示。

2.4.2情感分析結(jié)果

如前文所述，SnowNLP對(duì)某段文本進(jìn)行情感分析的結(jié)果是一個(gè)界于0至1之間的一個(gè)浮點(diǎn)數(shù)，離1越近，就表示正向傾向概率越高，離0越近，表示正向傾向概率越低。本次實(shí)驗(yàn)情感分析游客對(duì)該景區(qū)的正向傾向平均得分為0.7086，即游客們對(duì)景區(qū)的評(píng)價(jià)的正向傾向概率為0.7086，從這個(gè)正向傾向分值來看，這說明游客對(duì)泰山景區(qū)的評(píng)價(jià)尚可，還是比較滿意的。

從正向傾向得分低的評(píng)價(jià)來看，主要反應(yīng)在這票務(wù)、設(shè)施方面，以下各摘錄兩條游客的評(píng)價(jià)。

票務(wù)方面：“我就不明白為啥網(wǎng)上訂不到現(xiàn)場(chǎng)掃碼能買，一個(gè)外地人，如果網(wǎng)上顯示的沒票，誰(shuí)能去門口碰運(yùn)氣呢，而且我白天咨詢景區(qū)工作人員，問說網(wǎng)上顯示不能訂票了，我現(xiàn)場(chǎng)能買票嗎，明確告訴我不能，太氣憤了?！?、“網(wǎng)上買的票，有身份證二維碼不能進(jìn)，到檢票口不行又返回最底下取票，生氣，真麻煩挺好的心情沒了?！?/p>

設(shè)施方面：“就是衛(wèi)生間衛(wèi)生太差，滿地水，臭哄哄的，觀日出的賓館衛(wèi)生和條件太差，位列中國(guó)十大名山之一，和其他名山比，條件差太遠(yuǎn)?！薄ⅰ吧缴闲l(wèi)生間實(shí)在太差太臟，根本就是很久沒人清理過衛(wèi)生，很久沒有維護(hù)過公共設(shè)施！好幾個(gè)都沒有水可以洗手！”。

3結(jié)論及展望

本文使用詞頻分析和情感分析，對(duì)從網(wǎng)絡(luò)上抓取的泰山景區(qū)游客點(diǎn)評(píng)數(shù)據(jù)進(jìn)行了分析，得出了高頻詞，并繪制了詞云圖，從高頻詞和詞云圖，可以發(fā)現(xiàn)這些高頻詞與旅游和相關(guān)的。通過情感分析技術(shù)，逐條對(duì)游客的評(píng)價(jià)進(jìn)行了分析，得出游客對(duì)泰山景區(qū)的還是比較認(rèn)可的，正向傾向?yàn)?.7086，有一定的提升空間。本次研究還列出了最差和最優(yōu)的前50條評(píng)價(jià)，可以供企業(yè)參考，以改進(jìn)服務(wù)。本文對(duì)高頻詞的分類，采用的是人工分類，效率不高。許多研究采用了LDA進(jìn)行分類，LDA是一種主題模型，它可以將詞匯分解成若干主題，它是一種非監(jiān)督學(xué)習(xí)算法，在文本挖掘領(lǐng)域有著廣泛的應(yīng)用，使用Python語(yǔ)言中庫(kù)可以很方便的實(shí)現(xiàn)LDA算法，目前有很幾種庫(kù)可以實(shí)現(xiàn)，如：gensim、sklearn、pyLDAvis等等。下一步將采用LDA算法對(duì)游客點(diǎn)評(píng)的文本分詞進(jìn)行主題分類，更高效、客觀的得出詞頻的主題分類。

此次的研究成果，還可以應(yīng)用于教學(xué)中，反哺教學(xué)?！堵糜螖?shù)據(jù)挖掘》是南京旅游職業(yè)學(xué)院電子商務(wù)專業(yè)開設(shè)的一門專業(yè)核心課程，該課程的主要內(nèi)容就是利用python語(yǔ)言為編程語(yǔ)言，選用適合的數(shù)據(jù)挖掘方法，對(duì)收集來的旅游數(shù)據(jù)進(jìn)行處理，從數(shù)據(jù)中提取有用信息。該課程開設(shè)的目的，就是使學(xué)生具備一定的數(shù)據(jù)采集、預(yù)處理、分析及可視化能力，并在將來的實(shí)際工作中，更深入地理解旅游業(yè)務(wù)數(shù)據(jù)、從中發(fā)現(xiàn)機(jī)會(huì)。本次研究的過程，可以設(shè)計(jì)成實(shí)訓(xùn)案例，讓學(xué)生們動(dòng)手做完：網(wǎng)絡(luò)點(diǎn)評(píng)數(shù)據(jù)抓取、中文分詞、詞頻統(tǒng)計(jì)、詞云圖繪制以及情感分析整個(gè)針對(duì)游客點(diǎn)評(píng)的文本分析過程。如何設(shè)計(jì)好這個(gè)案例，并且應(yīng)用到教學(xué)中，也是今后進(jìn)一步研究的內(nèi)容。

參考文獻(xiàn)：

[1]王新宇.基于情感詞典與機(jī)器學(xué)習(xí)的旅游網(wǎng)絡(luò)評(píng)價(jià)情感分析研究[J].計(jì)算機(jī)與數(shù)字工程，2016，44（04）：578-582+766.

[2]鄭文英.旅行目的地中文評(píng)論的情感分析研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2010.

[3]覃國(guó)蓉，葉志成，莊檳豪，等.旅游網(wǎng)絡(luò)評(píng)論情感分析方法研究及系統(tǒng)實(shí)現(xiàn)[J]. 深圳信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2015，13（03）：57-62.

[4]郝若琳.四川省5A級(jí)旅游景區(qū)線上評(píng)論的文本情感分析[J].河南大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，（12）：1-3.

[5]陳浩.黃鶴樓旅游景區(qū)在線文本情感分析研究[D].蚌埠：安徽財(cái)經(jīng)大學(xué)，2021.

基金資助：江蘇省高校哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地“新時(shí)代應(yīng)用型旅游人才研究中心“子課題;項(xiàng)目名稱：新時(shí)代應(yīng)用型旅游人才的勝任力研究;項(xiàng)目編號(hào)：2020SKJD04；南京旅游職業(yè)學(xué)院電子商務(wù)數(shù)據(jù)分析1+X證書試點(diǎn);項(xiàng)目編號(hào)：2019X2

作者簡(jiǎn)介：王新宇（1976—），男，漢族，江蘇泰州人，碩士，副教授，研究方向：智慧旅游。