王小芳　刘树林　刘洪江

摘要：针对旅游点评类文本存在数据量庞大等问题，本文构建一种SVM与Bootstrapping相融合的旅游点评文本情感分析算法。首先对2019年上半年携程旅游与马蜂窝旅游评论数据进行采集，以得到待处理旅游点评文本数据集;然后利用SVM算法构建分类器对旅游点评文本进行分类，以得到情感特征词集，随后使用Bootstrapping算法对上述分类器进行重构，以得到高性能分类器;最后对分析的情感特征词集进行模型评价。实验结果表明，改进算法相对于传统算法而言，召回率整体提升2.3%，准确率整体提升4.8%，F值整体提升3.46%，改进算法分类效果较传统更优，准确率、召回率和加权调和平均值有提升。

关键词：旅游推荐;SVM;分类器;Bootstrapping

中图分类号：TP399 文献标识码：A

文章编号：1009-3044（2020）09-0198-02

1 引言

随着旅游产业的快速发展，旅游客户呈爆发式增长，旅游网站普遍，旅游评论数据，存在信息超载，情感表象不明确等问题使得适宜旅游成为难题，寻找有效旅游信息显得尤其重要。如何通过旅游评论信息实现精准旅游推荐成为重点及热点，吸引许多专家学者探讨。其中文献[1]提出基于上下文感知的旅游推荐算法，将上下文信息引入推荐系统，该算法虽成功解决信息过载的问题，但没有考虑用户情绪信息，不能精确的判断上下文情感倾向。文献[2]提出基于情景上下文与信任关系的推荐算法，采用综合考虑信任度和情景上下文信息推举策略，该算法虽解决现有旅游推荐个性化不足的问题，但没有分析情感因素对旅游推荐的影响。……