文章摘要
完颜兵,张超群,王大睿,李晓翔,郝小芳.基于网评数据的游客印象挖掘与情感分析[J].情报工程,2023,9(1):015-029
基于网评数据的游客印象挖掘与情感分析
Tourist Impression Mining and sentiment Analysis Based on Online Review Data
  
DOI:10.3772/j.issn.2095-915X.2023.01.002
中文关键词: 在线评论;DBSCAN;迁移学习;神经网络;情感分析;印象挖掘
英文关键词: online reviews; DBSCAN; transfer learning; neural networks; sentiment analysis; impression mining
基金项目:国家自然科学基金项目“基于数据流的微分代数事件结构及其层次化理论研究”(62062011)、广西民族大学研究生科研创新项目“基于 Spark 技术的旅游景点推荐系统”(gxun-chxps202088)、广西民族大学研究生科研创新项目“基于知识图谱的旅游推荐系统半自动化构建”(gxun-chxs2021066)的成果。
作者单位
完颜兵 1. 广西民族大学电子信息学院 南宁 530006; 
张超群 2. 广西民族大学人工智能学院 南宁 530006;3. 广西混杂计算与集成电路设计分析重点实验室 南宁 530006 
王大睿 1. 广西民族大学电子信息学院 南宁 530006; 
李晓翔 1. 广西民族大学电子信息学院 南宁 530006; 
郝小芳 1. 广西民族大学电子信息学院 南宁 530006; 
摘要点击次数: 1075
全文下载次数: 1961
中文摘要:
      [ 目的 / 意义 ] 从国内游客在线评论文本中分析挖掘出游客对目的地的潜在印象,有助于相关部门和企业了解游客的真正需求,从而科学规划目的地的发展,提升目的地的美誉度。[ 方法 / 过程 ] 通过构建词云图进行热词分析;通过 DBSCAN 密度聚类、构建语义网络关系图完成特色分析;通过提出一种基于 Bert 的双路神经网络融合的文本情感分类模型 TNNFMB(Two-way Neural Network Fusion Model Base on BERT) 结合迁移学习实现情感分析,以此挖掘游客的潜在印象。[ 结果 / 结论 ] 通过实验,总体挖掘分析出游客高度关注目的地的服务、环境、设施、性价比、位置、景点景色、景区项目,并验证了 TNNFMB 模型在分类准确率上比基线模型至少提升 3.06%,取得了更好的分类效果。
英文摘要:
      [Objective/Significance] Analysis and mining of tourists’ potential impressions of the destination from the online comment texts of domestic tourists will help relevant departments and enterprises to understand the real needs of tourists, so as to plan the development of the destination scientifically and enhance the reputation of the destination. [Methods/Process] By constructing a word cloud map for hot word analysis; by constructing DBSCAN density clustering and semantic network relationship map to complete feature analysis; by proposing a two-way neural network fusion model base on Bert for text sentiment classification TNNFMB (Two-way Neural Network Fusion Model Base on BERT) combined with migration learning to achieve sentiment analysis as a way to explore the potential impressions of tourists.[Results/Conclusions] Through the experiment, the overall excavation and analysis show that tourists pay high attention to the service, environment, facilities, cost performance, location, scenic spots, scenic spots and projects of the destination, and verify that the classification accuracy of TNNFMB model is at at least 3.06% higher than that of the baseline model, achieving a better classification effect.
查看全文   查看/发表评论  下载PDF阅读器
关闭

分享按钮