摘要：移动互联网的快速发展，方便了人们在网络上评述事情、表达观点的同时，也在网络空间中留下了能够反映个体在现实空间中行为的大量电子足迹数据。可以说，保存在网络空间中的电子足迹数据隐藏着个体在现实世界中的心态和情感秘密。那么，如何挖掘出隐藏在这些评论中的有用信息，给有关部门提供情报服务则显得很有必要。然而，尽管有一些基于网络评论数据进行情感分析的研究，但很少有人能够进一步深入并归类差评所折射出的现实空问中的具体问题而进行分析。本文主要爬取“去哪儿网”上相关于青海旅游的评论数据重点进行分析。利用Python中的Jieba对评论分词，通过SnowNLP模块计算情感极性，以此判断游客对景点盼情感倾向性。通过分析得出游客在青旅游期间的情感态势。然后，对负向情感较集中的评论内容归类统计，分析差评所折射出来的在现实世界中引起人们不满意的那些问题。同時，结合实测调研数据进行比对，形成意见报告，为旅游主管部门在景点管理与下一步的规划建设中提供服务。

关键词：旅游;网络评论;情感分析;大数据;景区管理

中图分类号：TP39 文献标识码：A

文章编号：1009-3044（2020）20-0023-05

Analysis of The Impact of Tourism Review Polarity cm Service Quality in Scenic Area

Tang Ming-hu

（Qinghai Nationalities University ，Xining 810007，China）

Abstract： The rapid development of mobile Internet not only facilitates people to comment on events and express views on the net-work. hut also a larg{e numher of electronic footprint data are left in cyberspace that can reflect the behavior of individuals in realworld. It can be said that the electronic footprint data stored in cyberspace hided the individual's mental and emotional secrets inthe real space. Therefore. it is necessary to dig the useful information hidden in these comments and provide intelligence servicesto the relevant departments. However， although there are some studies based on online comment data for emotional analysis， fewpeople can further deepen and categorize the specific problems in the real world reflected l）y the bad comments.This paper mainlyanalyzes the data of the tourism-related comments for Qinghai Provim：e. Using the Jieh a to analyze these comments， calculatingemotional polarity through snowNLP Module in Python， so as to judge the emotional tendency of the tourists to the scenic spots.Through the analysis， we get the emotional situation of tourists during the tourism in Qinghai.Then， the content of the negative emo-tion is statistically classified. and the problems that people are not satisfied in the real world. which are reflected by the bad com-ments. are analyzed. At the same time. combined with the actual survey data to form the opinion report， and providing services tothe tourism department for the scenic area management.

Key words：travel; network comments; sentiment analysis; big data; scenic area planning

旅游产业链的建构促进着区域各行业的社会经济，带动景点沿线与周边区域的交通、住宿、餐饮、超市、工艺品等产业的蓬勃发展，形成多维度互联互动机制[1]。其中，各景点作为旅游产业链的龙头，牵引起下游产业链的拓展和延伸，促进了区域经济发展，改善着地区居民的生活条件。然而，多维度互联互动机制的内在关联性，使旅游产业链的兴衰或可持续发展时常受社会多渠道经营过程的牵制。例如景点规划与建设的品质、游客在游览景点后的评价口碑等信息。尤其是游客的评价对景点后期的建设与发展至关重要，可以说是整个旅游产业链的生命主线，兴衰受其深度影响[2]。异质多源互联互动机制的内在关联性对整个旅游产业链形成一荣俱荣，一损则废的状况。因此，如何科学、合理地设计出景区的规划与建设方案，对整个产业链的持续发展有着决定性作用。

传统意义下的景区规划建设，有时会存在调研数据不足、项目上马建设仓促、模仿形式大于创新样式、人口流量与建设规模不匹配、景区门票定价与当地居民生活成本脱节、从而使景点的后期开放与维护中出现成本太高、资源浪费、难以维持正常营业等的问题。许多景区的建设往往是花费了人力、物力、财力，但却得不到游客的认可和好评[3]。可以说，这种规划与建没是不科学、不合理的。

一个优质的景点，本身的自然风光和历史文化底蕴是内涵。而如何保持内涵的同时，创新性地建设景点则是其可持续发展的生命力。一个景点的规划与建设是景区管理层的责任和义务，其推广诚然需要官方层面的大力宣传，但更多还是游客依赖各种媒介对自身体验情感的正能量传播。游客评价虽是民间个体真情实感的表露，但确是引导后续游客出行最重要的影响因素。景点的规划建设与游客对景点的情感表述看似不同层的群体行为，实则为互联互制。旅游主管部门对辖区景点的规划与建没，旅游群体集中反馈的旅游体验感受信息之间存在着潜在的关联性[4-6]。

当前，“互联网+”时代，智能手机的普及，移动互联网络地快速发展，方便人们在网络上发表照片、视频、评论，以此抒发自己的情感。许多游客习惯于在出游前后、出游期间随时随地借助微博、微信朋友圈等发表大量出游信息，对景点风景、服务、建筑设施、交通、餐饮、卫生等诸多方面做卅真实评价，撰写观景感受。当发表在网络上的这些评论被大量浏览、转发后，对景点后续游客的出行计划产生影响[7-8]。2014年1月3日，互联网上曝出“丽江导游辱骂游客、强迫购物”事件的视频，在网络上被大量转载1。2018年6月20日，网名为“弧度美青海游”的一位游客在以旅游业为核心业务的“途牛”网站上发表“刚从青海回来，给大家总结一下青海旅游的骗局和陷阱”的长贴，评价了青海旅游期间的诸多遭遇，提醒和规劝后期出游者。截至本文撰写完成时，浏览量已达到18491次2。

互联网无时空约束的特性，使网络评论信息的传播速度远胜传统媒体。而且处于虚拟网络空间的用户，相较于物理空间的面对面交流，更有意愿展示出自己内心最真实的想法与看法，从而加大被评价景点信息传播的广度和深度。类似于电子商务网站上的虚假评论对企业造成的影响[9-12]，网络用户的评价对新游客的出行决策具有非常大的影响力。直观的表现就是景点的客流量会锐减，继而对整个以景点为核心的产业链造成冲击，景点的后期规划与持续建设也出现问题[13，14]。因此，如果不考虑游客的实际感受，仅以行政手段实施的建设，往往会出现“好心办不成好事”的局面。作为旅游管理部门，如何将景点建成口碑高、人气旺、负面信息少的高品质产品应该是他们期望的目标。但传统上，以行政政策为主要指向的建没策略的制定与实施有时也会存在问题。例如，当前诸多省市地出现的大量古城古街、玻璃栈道等景点，就存在简单模仿、复制，没有地区特色和创新之处，失去了景点原本的多样性。千篇一律的模式，造成景区缺乏吸引力，拖累了后期的持续性竞争力，只能惨淡经营，甚至于难以为继至无人问津。因此，盲目地借鉴并不切实际地扩张建设，只会造成生态破坏、资源浪费。如果景点管理与建设初期，通过调研并利用现有技术充分考虑网络游客的评价和态度，针对性地设计建没方案，实施改良措施，发挥群策群力作用，则会更加科学合理。

当前，随着大数据、机器学习技术的兴起，提供了收集并分析旅游评论反馈出游客情感趋势的机会和条件，从而对景点进一步的建设与规划提供参考[15]。例如，分析近期网络评论数据，出现青海塔尔寺景区电子导游设备不能播放，不能使用，但又要收费的大量差评3。这说明投资建没的电子导游没备与景区大量的导游员之间产生了矛盾。如果景区管理层能够及时关注网民评价，实时分析问题，投资建设的这些电子导游设备就不会形同摆设，资源也就不会浪费了。所以说，基于大数据分析技术，面对多源异构的多维数据，如何实现有价值的信息挖掘，并对相关业务部门的工作规划提供参考，则显得极为重要[16-18]。

网络用户情感分析最关键的是去判断评论信息的情感倾向，首要条件是搭建一个涵盖青海省旅游景点评论的数据库，依靠特征词语、语气句子等作为特征提取的方法，对不同的用户评论进行处理，计算出特征的权重，通过权重值来判断用户评论的情感极性。完成上述步骤以后就会得到经过极性分析的分词评论。通过对评论中的差评数据进行筛选，按照差评中所指出的问题进行细致的分析，进行问题的分类和总结，并依据评论中最热门的问题，提出相关的建设性规划意见。

本文针对青海省旅游景点的规划与建设，通过抓取来自互联网上大型社交平台中的相关评论数据，经过分析，挖掘出截取时间点期间非特定用户对特定物和事的真实评价，研判用户对景点关联业务的情感趨势，归纳汇总群体性情感偏向性，从而对应找出特定景点关联业务中存在问题，进一步形成分析报告，对旅游相关部门制定规划方案时提供技术支撑和成果参考。

1相关工作

随着互联网的快速发展，人们通过各种社交平台、旅游网站发表带有浓烈个人情感色彩的体验感受、产品评价等言论，如恐惧、愤怒、难过、失望、喜悦、开心等具有褒、贬意词性。通过对这些评论的分析，确定情感似向性，了解人们对特定事件、景点的正向或负向看法[5，19]。旅游评论反映了游客的真实感受，怎样把握用户对旅游景点、当地旅游服务的需求满意程度，是目前旅游资源建设和管理所关注的问题，有着重要的现实意义[20]。当前“互联网+”大数据技术的发展，基于网络旅游评论大数据的分析引起科研人员更多的关注[21]。尤其是基于文本的主体情感描述。情感分析也称意见挖掘、倾向性分析，是对语句中表达情感的词语进行分类处理的过程[22，23]。研究表明旅游评论对后续游客的出行决策具有很大的影响力。为从海量的游客评论数据挖掘情报信息，给旅游管理部门调研游客的看法形成一条便捷、高效且真实的反馈通道，本文基于网络游客对青海旅游评论语句重点分析他们的情感极性，推测用户最不满意的问题作为景区建设规划的依据和突破口，以此提升景区服务质量。

面对社会经济的发展带动来的信息量的指数级增加，作为社会个体的注意力成为最稀缺的资源。基于百度指数对网络用户在线搜索数据记录的深入分析，发现网络关注度与景点实地游客量呈正向关[24]。文献[25]以携程网旅游评论作为语料库，建立基于逐点语义分析法的分类器和基于支持向量机、朴素贝叶斯、N元文法三种典型机器学习算法的分类器，分析了旅游评论情感倾向性。对游览和娱乐、食宿和购物、交通三方面情感倾向性词组归类统计，得出游客反映的旅行目的地存在的一些问题。文献[26]重点分析携程网上关于酒店的情感倾向性。也有以同程旅游网[6]、马蜂窝[27]等网络评论为分析数据，构建模型。其中文献[27]以马蜂窝游客对南京的在线评论文本为数据，分析得出目的地形象维度重要性存在差异。王少兵等人[28]构建“旅游形象属性一触发词”词表，计算了评论信息中旅游形象属性的游客关注度。文献[29]提出基于LDA（ Latent Dirich-let Allocation）主题发现模型，以大众点评、携程及马蜂窝中关于故宫的用户评论为例，挖掘游客对景点故宫的关注及情感倾向。

以旅游目的地为研究目标，陈航等人[30]构建了目的地品牌与旅游者情感关系的分析框架和目的地品牌评价指标体系。根据不同情绪属性的游客对于目的地品牌情感评价的差异来寻求目的地品牌管理中的不足。文献[31]收集在线网络上对菲律宾的Tweet推文，使用支持向量机和naive Bayes进行情感分析。

以微博评论作为分析数据。文献[32]基于贝叶斯分类算法研究微博旅游评论，实现基于本体的旅游网络评论情感分析和预警系统。以游客视角来研究如何在网络众多信息中获取所需资料，文献[33]旨在帮助游客方便地从旅游社交网站中提取主观信息，确定旅游领域作者的态度和整体调性。这可以减少搜寻有关资料所需的时间。以设计意见评论模块，文献[34]提出了一种模块化的软件帮助用户了解网络上所有的旅游意见。根据评论中所表达的情感，提出旅游评论的情感分类方法[35]，构建基于模糊方式的意见分类系统[36]，基于评论或推特的城市交通和旅行信息分析[37]。

旅游评论中用户对景点情感倾向性的分析实际上是给旅游主管部门提供了真实可靠的反馈信息，形成的反馈机制在景点规划建设中具有重要意义。

2旅游评论情感分析框架

随着智能手机的普及和移动互联网络的发展，旅游群体借助网络发表对景点相关联事物的直观感受。大量的网络电子足迹数据对于分析用户的情感趋势带来便利，尤其是针对一些大型社交网站上用户对旅游的评价，判断用户在旅游期间的情感态度，统计分析出群体集中关注的点，挖掘出用户意见最大的根源，形成分析报告呈交旅游管理部门，使景点的后期建设规划具有参考依据，从而及时解决存在问题，科学合理地设计规划方案，避免盲目扩张建设造成的资源浪费。

鉴于网络评论数据具有分散性和主题不确定性的特征，实验中运用数据爬取技术、情感分析技术、数据可视化技术将碎片化的用户评论整合在一起，形成一个相对完善的数据库并转换成对旅游建设管理者有用的直观信息，以此为旅游地的建设提供有价值的参考意见。本文整体设计思路见图1所示。

3实验设计与结果分析

本文工作主要关注网络评论中对景点相关事物的评价内容，以此来判断用户对景点及其关联附件的情感态度，然后统计分析出用户评价最多、差评最多的共性问题，再分类统计、提炼具体内容并给出指导意见。“去哪儿网”是集交通出行、酒店预订的大型网站，用户多，评论丰富，本文以此作为数据来源，创建Python顼目，通过Requests库发送数据请求，取得的数据转换成json格式，再抽出评论。

3.1数据预处理

编写Python爬虫抓取“去哪儿网”的评论元数据存在大量噪音，数据清洗处理主要完成除噪、去除不可用数据以及对此进行规范表述等。表1是数据预处理与情感极性分析出来的正向、负向分类结果。其中，原始评论条数达14392条，涉及景点数共565个。清洗处理系统自动默认评论，剩余5617条真实可用评论。在情感分析阶段，基于白然语言处理的模型框架，进行了分词、词性标注、分句、主观句提取等操作。

网络中获取的原始评论数据经初步清理后存放于评论表。评论表结构设计为景点ID、用户ID、用户名、评论内容、评论日期、景点名称。表2展示了从网络获取的评论保存于评论表的元数据样例。对存储青海全景所有景点的景点信息表结构则设计为景点ID、景点名称、景点简介、景点网址、评论总数、景点地理位置。

3.2情感分析

使用Python中的SnowNLP模块，根据词意对评论进行差评、好评的判断，并使用Jieba分词算法中的詞性表对评论进行分词操作，判断m评论中词语的词性，并统计出各词性、成语出现的个数。

3.2.1文本分词

采用Jieba分词中的全模式来进行分词，操作步骤如图2所示。

进行Jieba分词首先需要将评论数据导入，将评论按词性表进行分词清洗，得到新的分割后的数据。最后通过把评论库中的评论进行分词操作就会得到按词性分词后的数据字典，并且统计各词出现的次频以及出现频率较高的四字词语，如图3所示。

根据词性表，分词后的评论数据按词性可以统计汇总。如评论语句“塔尔寺的手T建筑也让人十分惊叹”。经过分词统计为：“手工”一一名词，“建筑”一一名词，“也”一一副词，“让”一一动词，“人”一一名词，“十分”一一数量词，“惊叹”一一感叹词。同时，对评论中以字长为4的分词也进行了统计，如只针对塔尔寺景点的一些评论中分词，出现“藏传佛教”有49个，“栩栩如生”有3个等词汇。以此为例，评论数据分词后的词性统计和字长为4的四字词分词后的统计结果样例见表3所示。

3.2.2用户情感分析

抽取评论中的关键词进行情感极性的分析。如果关键字的情感倾向在0-0.5之间就将评论定义为差评，反之则为好评，表4展示了情感极性分析样例。

通过对有效文本词语数据的情感极性分析，以好评、差评为标准，分别统计出4536条和1081条。评论中好评数要大于差评数，说明青海的旅游建没是值得肯定的，但是差评中反映出的问题也急需解决。这样才能更好地使青海旅游业继续发展下去。本文的最终目的，实际上就是要深入分析这些差评，从中挖掘出游客真正关注或不满意的原因，找出引起不满情绪的根源，提出解决对策，形成客观合理的调研报告，给景区管理部门在管理和规划建没中建言献策。

上述评论分词及文本情感极性分析表结构主要设计为景点ID、景点名称、用户评论、分词结果、情感极性分值、评论等级。从表中可以看出，分词合理，情感极性的判断也是比较准确的。

4基于差评的景区管理与建设

选取青海代表性景点塔尔寺为例，专项爬取该景点的评论总数11066条。通过可视化分析，可以看得出网络评论整体上是正面的（见图4）。但为给管理部门的建设规划和景点管理提供参考，在情感分析基础上，忽略了好评结果，重点关注所有差评信息。我们从所有差评中随机抽取了20条评论，深入分析发现，其中有6条评论涉及停车难问题;3条涉及网购票取票时窗口地址不明确;4条评价认为，游客花钱了但有很多地方正在修缮，不让进人参观;3条差评电子导游器问题;4条评论直接惊呼景区人太多！笔者就上述问题做了一番实地调研，发现网上评论基本符合事实！这说明游客在网络上的评论，其真实性、可靠度是很高的。分析网络评论，对景点建设规划和日常管理提供参考是具有实际价值的，也是景点提升竞争力、吸引力的一个必然工作。

青海塔尔寺景点是青海最有名气，对各地游客最有吸引力的景点。通过对网络评论中出现差评内容分析，具有代表性的问题主要存在于交通不便、票价设置不合理、导游管理不规范、景区过于商业化、停车位设置混乱等问题。简单归类，问题可划分为硬件设施和软件基础两个大类。

（1）硬件没施：景区内缺少标识;高峰时期客流量过大、景区内过于拥挤;交通不便利;路面和众多景点一直处于维修状态，购票后不能参观;景点文化信息介绍不充分、不详细;整体游玩时间较长，没有供人们休息的场所;景区周边存在黑停车场;景区店铺存在“强买强卖”和“敲诈勒索”的现象。

（2）软件基础：普遍存在门票价格过高;旅游体验感不强;取票方式烦琐;景区周边存在“黑导游”;旅游高峰期导游讲解应付了事;部分导游普通话不标准，听不懂讲解内容;景点售票人员态度恶劣，没有耐心等问题。

针对以上问题，拟提出下列建议可供相关建設部门参考。

（1）可以设立景区个性化标识，方便游客游览景区。高峰时期建议进行人流的疏导和限流，给游客制造通畅的旅游环境，也为景点减小客流量压力，避免不必要的损失。尤其是，对景点旅游线路的规划，以“大景点、小环路”的思想，将进入景点后游览线路分散成几路不同行进路线的小环路，有导游、景点管理疏导人员带队，以此缓解高峰时期的拥堵现象。

（2）修缮工程减免制度。对于正在修缮当中的部分景观，除督促相关部门加快景点部分设施修缮进度外，对原票价中包含参观的场景因修缮而造成无法正常观景的，可动态适时地减免部分票款，并正面告知游客，以此舒缓游客不满情绪。

（3）建议政府统一收缴、规划景区周边所有停车场。基于景点停车场地不足且与游览线路重叠，造成人、车混杂，风险因子突升现象，建议政府景点为圆心，收缴并统一规划景区周边一定区域范围内的停车场地。以收入场地的面积按比例再反换收入所得。同时，加大打击私白设立、经营停车场的力度。

（4）取缔乱要价、价格高的黑商店。对景区内不合法商贩进行统一管理，实施电子明码标价，在线投诉平台。以此加大处罚力度，加强统一管理。

（5）完善服务管理制度，对导游进行规范化管理。对景区导游、售票人员进行系统培训，提升导游和售票人员的素质，加强电子监管和取证力度，营造高品质服务环境。

（6）增加景区二维码讲解、二维码地图。利用科技手段，打造数字旅游平台，让游客提前了解景点文化底蕴与历史背景，给游客呈现更好的实地旅游体验。

5结论

本文获取对青海景点的旅游评论在线数据，通过清洗、分词、建模及情感分析等过程，实现以青海旅游景区评论数据为背景的游客情感趋势挖掘，重点对网络评论中差评文本进行分类统计，实施语义层的分析提纯，最终形成合理、实用的建议方案，为景点相关部门在景区可持续管理、规划和建设中提供参考依据。

注释：

1. http：//politics. people. com.cn/n/2014/0106/c70731-24027941.html.

2. https：//www.tuniu.com/trips/12604550.

3. http：//www.msweekly.com/show.html？id=101597.

参考文献：

[1]黄常锋，孙慧，何伦志.中国旅游产业链的识别研究[J]].旅游学刊，2011，26（1）：18-24.

[2]龚箭，杨舒悦.基于网络评论的旅游目的地评价研究——以我国31个省市自治区为例[J].华中师范大学学报（自然科学版），2018，52（2）：279-286.

[3]李君轶.基于游客需求的旅游目的地网络营销系统评价——以我国省级旅游官网为例[J].旅游学刊，2010，25（8）：45-51.

[4]张林，钱冠群，樊卫国，等.轻型评论的情感分析研究[J].软件学报，2014，25（12）：2790-2807.

[5]涂海丽，唐晓波.基于在线评论的游客情感分析模型构建[J].现代情报，2016，36（4）：70-77.

[6]郭宇，王晰巍，李师萌，等.基于情感分析的社会网络用户影响力模型研究[J].情报学报，2017（11）：1139-1147.

[7]吴茂英，黄克己.网络志评析：智慧旅游时代的应用与创新[J].旅游学刊，2014，29（12）：66-74.

[8]粟路军，何学欢，胡东滨，等.服务质量对旅游者抵制负面信息意愿的影响机制研究——基于Stimulus-Organism-Response（S-O-R）分析框架[J].旅游科学，2017，31（6）：30-51.

[9]Anclerson M， Magruder J.Leaming from the crowd： regressiondiscontinuitV estimates of the effects of an online review data-base[J].The Economic Journal，2012， 122（563）：957-989.

[10]孟美任，丁晟春.虚假商品评论信息发布者行为动机分析[J].情报科学，2013，31（10）：100-104.

[11]杨敏.在线商品虚假评论对交易双方的影响研究[J].现代经济信息，2016（1）：159.

[12]李璐暘，秦兵，刘挺.虚假评论检测研究综述[J].计算机学报，2018，41（4）：946-968.

[13]静恩明，郭风华，李仁杰，等.基于新浪旅游博客的河北省A级景区网络关注度研究[J].地理与地理信息科学，2015，31（3）：118-122.

[14]李勇，蒋冠文，毛太田，等.基于情感挖掘和话题分析的旅游舆情危机演化特征——以“丽江女游客被打”事件为例[J].旅游学刊，2019，34（9）：101-113.

[15]刘逸，保继刚，朱毅玲.基于大数据的旅游目的地情感评价方法探究[J]地理研究，2017，36（6）：1091-1105.

[16]郭建锦，郭建平.大数据背景下的国家治理能力建设研究[J].中国行政管理，2015（6）：73-76.

[17]李燕萍，虞虎，王昊，等.面向大数据时代的城市规划研究响应与应对方略[J].城市发展研究，2017，24（10）：1-10.

[18]陈涛，刘庆龙.智慧旅游背景下的大数据应用研究：以旅游需求预测为例[J].电子政务，2015（9）：6-13.

[19]张紫琼，叶强，李一军.互联网商品评论情感分析研究综述[J].管理科学学报，2010，13（6）：84-96.

[20]刘丹萍，金程.旅游中的情感研究综述[J].旅游科学，2015，29（2）：74-85.

[21]龍茂兴，孙根年，马丽君，等.区域旅游网络关注度与客流量时空动态比较分析——以四川为例[J].地域研究与开发，2011，30（3）：93-97.

[22]周立柱，贺宇凯，王建勇.情感分析研究综述[J].计算机应用，2008，28（11）：2725-2728.

[23]魏铧，向阳，陈千.中文文本情感分析综述[J].计算机应用，2011.31（12）：3321-3323.

[24]黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J].旅游学刊，2013，28（11）：93-100.

[25]郑文英.旅行目的地中文评论的情感分析研究[D].哈尔滨：哈尔滨工业大学，2010.

[26]曹斌.互联网上旅游评论的情感分析及其有用性研究[D].哈尔滨：哈尔滨工业大学，2008.

[27]徐菲菲，刺利青，Ye Feng.基于网络数据文本分析的目的地形象维度分异研究——以南京为例[J].资源科学，2018，40（7）：1483-1493.

[28]王少兵，吴升.基于景点在线评论文本的游客关注度和情感分析[J].贵州大学学报（自然科学版），2017，34（6）：69-73.

[29]黎崾，谢宗彦，张公鹏，等.基于LDA的游客网络评论主题分类：以故宫为例[J].情报工程，2017，3（3）：55-63.

[30]陈航，王跃伟.基于旅游者情感的目的地品牌评价研究——以互联网旅游日记为例[J].人文地理，2018，33（2）：154-160.

[31] Menchavez J C L，Espinosa K J P.Fun in the Phi：lippines：auto-matic identification and sentiment analysis of tourism-relatedtweets[C]//2015 IEEE International Conference on Data Min-ing Workshop （ICDMW）. 14-17 Nov. 2015， Atlantic City， NJ，USA. IEEE. 2015：660-667.

[32] Yang Y X，Lin X L.Tourism network comments sentimentanalysis and early warning system based on ontology[J].lntelli-gent Computing rl'heories anrl Application，2016.

[33] Palakvangsa-Na-ayudhya S，Sriarunrungreung v，ThongprasanP.et al. Nebular： a sentiment classification system for the tour-ism business[C]//2011 Eighth Intemational Joint Conferenceon Computer Science and Software Engineering （JCSSE）. 11-13 May 2011， Nakhon Pathom. Thailand. IEEE. 2011：293-298.

[34] Marrese-Taylor E.Velclsquez J D， Bravo-Marquez F.Opinionzoom：a modular tool to explore tourism opinions on the web[C]//2013 IEEE/WIC/ACM Internaticmal Joint Conferences onWeb Intelligence （WI） and Intelligent Agent Technologies（IAT）. 17-20 Nov. 2013， Atlanta， CA， USA. IEEE， 2013：261-264.

[35] Colhon M. Badica C， bendre A. Relating the opinion holderand the review accuracy in sentiment analysis of' tourist re-views[J]. Knowledge Science， Engtineering and Management，2014.

[36] Afzaal M.Usman M，Fong A C M.et aI.Fuzzy aspect hasedopinion classification system for mining tourist reviews[J].Ad-vances in Fuzzy Systems， 2016，2016：1-14.

[37] Ali F，Kwak D.Khan P.et aI.Fuzzy ontology-based sentimentanalysis of transportation and City feature reviews for safe trav-eling[J].Transportation Research Part C：Emerging Technologies，2017.77：33-48.

收稿日期：2020-03-27

基金項目：本文系青海省应用基础研究项目“多层异质复杂网络的链路预测研究及其在青海旅游景点自动推荐中的应用”（2018-ZJ-707）和教育部“春晖计划”合作科研项目“耦合多元信息属性关系的多层异质复杂网络链路预测研究”的研究成果之一。项目负责人：唐明虎

作者简介：唐明虎（1974-），男，副教授，博士，研究方向：机器学习、社交网络分析。