版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
基于MSE模型和熵权法的游客目的地印象评价的数据清洗及挖掘分析摘要近年来,在党中央的领导下,市场经济的快速发展和群众生活水平的显著提高,使得国内旅游市场迎来了显著的增长。根据2023年前三季度的数据显示,国内旅游总人次达到36.74亿,同比增长75.5%,城镇居民和农村居民的旅游人次分别同比增长78.0%和67.6%。旅游消费也大幅增长,居民国内出游总花费达到3.69万亿元,同比增长114.4%。这些数据表明,旅游已成为人们休闲娱乐和提升幸福感的重要途径。游客的入住和景点的挑选,景点和宾馆综合服务设施的质量直接影响客人的旅行感受和评价。于是提升景点及旅社等旅游目的地美誉度成为各个地方文旅管理部门和旅游相关企业非常侧重的工作。本文通过对景区及酒店数据分析处理,围绕游客印象因素建立模型,提炼特色并综合评价景区和酒店。主要完成工作有:首先分析景区及酒店数据,得到Top热词及频率。然后根据LDA主题模型构成主题词典,根据主题词对每个景区酒店进行匹配,得出概率值,再对景区及酒店的服务、位置、设施、卫生、性价比五个方面进行评分及评价,评价模型采用MSE模型。使用TF-IDF算法、Simhash算法分析景区及酒店网评的有效性,综合MSE模型和熵权法对景区及酒店进行特色分析。最后分析影响目的地游客满意度的因素。在吸引游客、提升竞争优势、提高游客满意度和提升目的地美誉度方面为政府部门和旅游相关企业提供可以借鉴的建议。关键词:TF-IDF算法;MSE;熵权法;K-Means;美誉度目录1.绪论 [6],按照信息论基本原理的解释,熵是系统中无序程度的一个标准;在知道了信息熵的概念之后,才能了解熵值可用来评估或评价指标的离散程度。熵值越小,则指数的离散程度越大,指数对综合评价中的权重也越大。但假设每一个指数的值都相同,则该指数就不能再在综合评价中发挥作用。这样,就可以用信息熵来测算出不同指数的权重,以便于为各指数综合评分提供基础。。简单的说,就是信息分散程度越大,该指标权重越大;信息分散程度越小,该指标权重越小。具体步骤:Step1对数据进行标准化处理(需要注意的是这里不能是同向化后的矩阵,会损失原始信息),课题采用的标准化处理方式简单的比值归一化:pij=xStep2计算各个指标的熵值:hj其中K的值往往与样本大小有关,经常让k=1∕lnn。另外,如果Pij=0Step3计算各指标的权系数:ℎj熵权系数ℎj值越大3.2均方误差(MSE)均方误差REF_Ref101182199\r\h[7]是每个数据偏离真实值之间的距离平方和的平均值。它可以用来评价模型的好坏,当求出的MSE值越小的时候,意味着预测模型能更好的描述实验数的准确性。计算公式如下:MSE=1Mm=1M(3.3TF-IDF算法TF-IDF是为信息检索和文本挖掘的常用加权技术。TF-IDF是一个统计学方法,用来评价文本集或语料库中特定词汇对文本的意义。一个词语的重要性会随着其在文本中出现的频次提高,而与此同时,其在语料库中的频次也会降低。TF-IDF的主要思想是:一个词在一篇文章中出现次数高,而且越少的出现在其他文章,便更能代表该文章。(1)词频(TermFrequency)词频是指文本中词条的频率。通常来说,某个词在文档中出现的词频越高,则在文档中的权重越高,成为关键词的可能性越大REF_Ref101182240\r\h[8]。这个数据经常要进行归一化REF_Ref101182263\r\h[9](一般是词频除以文章总词数)处理,将数据转化为(0,1)或(-1,1)之间,使特征具有相同的度量尺度,以防止它偏向文章比较长的文件。公式:tf其中ni,j是某个词在文章dj中出现的频次(2)逆向文件频率(InverseDocumentFrequency)逆向文件频率(IDF)REF_Ref101182278\r\h[10]:对于一个词,可以用文件总数来除以包含这个词的文件数量,将得到的商取得对数算出IDF。假如包含这个词t的文档数量越少,说明IDF值会越大,这意味着该词能很好的区分这个文档的类别。公式:idfi=其中,|D|是文档总数量。|{j:ti∈dj}|是包含词ti(3)TF-IDF事实上,TF-IDF值就是词频与逆文档频率的乘积。利用某一文章中的的高频词,和该词在整个文章集合中的低文档频率,能求出高权重的TF-IDF。根据高权重的TF-IDF值能剔除常见的词,保留重要的词。公式:TF−IDF=TF∗IDF(3-7)注:该算法易于理解和实现,但其结构简单,没有考虑词的语义信息,无法处理一词多义和一义多词的情况。3.4LDA主题模型文档主题生成模型REF_Ref101182298\r\h[11](LatentDirichletAllocation,泛称LDA)通常三层结构组成,包括词、主题和文档。文档主题生成模型又称为盘子表示法(PlateNotation)。图3-1是模型的标示图,其中双圆圈表示可测变量,单圆圈表示潜在变量,箭头表示两个变量之间的依赖关系,矩形框表示重复抽样,对应的重复次数在矩形框的右下角显示。具体步骤:(1)从每个文本D中对应的多项分布θ中抽取每一个单词对应的一个主题z。(2)从主题z对应的多项分布φ中抽取一个单词w.重复(1)(2)步骤,共计Nd次,直至遍历文本中的每一个单词。图3-1模型标示图现在假设存在一个数据集DS,数据集中的每篇预料记为D,整个数据集共T个主题,数据集的特征词表称为词汇表,所包含的单词总数记为V。LDA模型对其描述的内容是:数据集DS中每个实篇语料D都与这个T主题的多项式分布相对应,记为多项分布θ;每个主题都与词汇表中V个单词的多项分布对应,记为多项分布φ。其中θ和φ分别存在一个带超参数的α和β的迪利克雷先验分布。3.5Hmihash算法SimHashREF_Ref101182326\r\h[12]算法是Google在2007年发表的论文“DetectingNear-DuplicatesforWebCrawling” 中提到得一种指纹算法,通过对两个相似文本的汉明距离来确定文章是否重复或者高度近似。HammingDistance:又称汉明距离,在信息论中,两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。实现思路如下:(1)分词:对意思模糊的文本进行分词,提取特征词并计算TF-IDF值。(2)hash:对特征词进行哈希编码。(3)加权:在hash值的基础上,给所有特征词进行加权。(4)合并:把同一个文本的所有的特征词的向量进行相加最终形成一个的向量。(5)降维:把合并之后的向量转化为0、1向量,每一个大于0的记为1,小于0的记为0。(6)计算:通过比较两个哈希编码按异或求得汉明距离,再计算文本相似度。3.6K-means聚类常用的聚类分析算法如表3-1所示。表3-1常用的聚类分析算法算法名称算法描述K-MeansK均值聚类也被称为一种快速聚类算法,它基于最小化误差函数将数据划分为预定类数数量k。该算法通俗易懂,易于处理大量数据。K-中心点K-均值算法对异常值的敏感性,K-中心点算法不使用簇中心,而选用最接近簇中离平均值最近的对象作为簇中心。系统聚类系统聚类也叫多级聚类,分类单位自上而下呈树形结构,位置越低,包含的对象就越少,这些对象间的共同特征越多。这种聚类方法只适用于少量数据,当数据量大的时候,聚类速度会非常慢。根据数据集和算法功能,选择K-Means算法作为课题聚合分析算法。K-meansREF_Ref101182349\r\h[13]的算法步骤为:(1)从数据对象中任意选择k个对象作为初始聚类中心a=(2)根据每个聚类对象的均值中心对象,计算每个对象与这些中心对象的距离,并根据最小距离重新对相应对象进行划分;(3)重新计算每个有变化聚类的均值中心对象;(4)重复上面2、3两步操作,直到每个聚类不再发生变化为止。
4.数据处理4.1数据清洗经过简单的初步探索,基本了解了数据的基本结构。具体结构字段如表4-1、4-2、4-3和4-4所示:表4-1景区评论景区名称评论日期评论内容A012020-11-25挺好的!人多热闹项目多A012020-11-06整体没有想象的那么好,而且好像双人票还比两张单人票贵A012020-09-28不错,推荐带孩子一块去表4-2酒店评论酒店名称评论日期评论内容入住房型H012020-01-01酒店很适合家庭出行标准客房H012020-01-01升级了房间延迟退房很赞标准客房H012020-01-01这几年,每年都会来广州,每次都会住**酒店。因为位置好,酒店的性价比也不错,这次给免费升级了大房间。标准客房表4-3景区评分景区名称总得分服务得分位置得分设施得分卫生得分性价比得分A014.43.84.94.94.54.5A024.23.84.94.24.54.0A034.23.94.24.14.54.5表4-4酒店评论酒店名称总得分服务得分位置得分设施得分卫生得分性价比得分H0H0H0其中酒店和景区各50家,酒店评论共25226条,景区评论59107条。其中重点需要处理评论数据。利用Python的pandas库,实现对两个评论Excel表的处理。在数据清洗的过程中,重点去除重复评论、英文、数字及特殊的标点符号。在目的地评论文本中,发现有些评论是纯英文文本。粗略的统计了一下,这些文本总共有2436条,主要分布在酒店评论库中。因此,决定将其一并去除,只保留中文文本。经过数据清洗后,酒店评论有22789条数据,占原数据的90.3%,景区评论有58411条数据,占原数据的98.8%,可以进行数据挖掘。4.2中文分词在自然语言与计算机的交互中,成熟的中文分词算法可以更好地实现自然语言处理结果。目前,分词工具有:HanLp分词、SnowNLP、北京大学PKUse、Jieba分词、NLPIR分词系统、BaiduLac等。本文采用的是Jieba分词。Jieba分词算法原理:(1)对前缀词典实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG);(2)采用了动态规划查找最大概率路径,找出基于词频的最大切分组合;(3)对于未登录词,采用了基于汉字成词能力的HMM模型,使用Viterbi算法REF_Ref101182380\r\h[14]。Jieba分词常用的三种模式,分别如下:(1)精确模式:该模式会将句子最精确地切分开,适合在文本分析时使用。(2)全模式:该模式会将句子中所有成词的词语都扫描出来,速度也非常快,缺点是不能解决歧义问题,有歧义的词语也会被扫描出来。(3)搜索引擎模式:该模式会在精确模式的基础上对长词再进行切分,将更短的词语切分出来。在搜索引擎中,要求输入词语的一部分也能检索到整个词语相关的文档,所以该模式适用于搜索引擎分词。处理方法如下:针对一条去除完符号酒店评论语句采用Jieba的全分词模式进行效果展示,如图4-1所示。图4-1Jieba分词结果4.3去停用词在自然语言的处理过程中,文本分析中有大量无用的数词、量词、连词、助词等,如“啊”、“哦”、“地”等,对语义作用很小。因此,过滤停用词能提高文本的检索效果,使分类结果更加精确,同时过滤标点符号、常规英文字母与数字的词。本文结合中文停用词列表、哈尔滨工业大学停用词列表、四川大学机器智能实验室停同词列表和百度停用词列表,从文本中剔除停止词。针对一条去除完符号酒店评论语句采用Jieba的全分词模式后,根据停用词表对文本进行剔除停用词进行效果展示如4-5所示:图4-5去除停用词结果在图4-5中可以很清楚的看到把一些无关的词都进行了去除,比如:离、都、很、比较等。5.数据分析及挖掘模型构建5.1景区及酒店的印象分析在论文前面阶段,已经对景区评论与酒店评论进行了预处理,清除了一些脏数据。接下来对预处理后的文本进行操作,读取文档,对文档中的缺失评论进行处理,处理后的景区评及酒店评论,分别把各个景区及酒店的评论进行聚合处理,生成对应的新文件。接下来就是对评论进行分词操作,在对每一家酒店、景区评论的操作中,选择用Jieba分词。Jieba分词有三种常用的分词方式,精确模式、全模式、以及搜索引擎模式,而且操作都比较简单。本文中采用全模式方式,针对每一条评论进行如图4-5进行分词去除停用词,在完成印象词表之前,还对景区评论、酒店评论每一条评论写入txt文档(如图5-1、5-2),进行了词云展示(如图5-3、5-4):图5-1景区评论图5-2酒店评论图5-3景区词云展示图5-4酒店词云展示经过这个词云展示,停用词过滤,可以很明显的看出大家对景区的评论集中在游玩、开心、便宜、好玩、环境等词,对酒店的评论集中在服务、服务态度、早餐、性价比、环境等。接下来,便是对每一家酒店、景区评论的操作,把对每一家景区、酒店的评论内容用Pandas中的GroupBy分组函数进行聚合并读取进来,在循环中进行对每一家的评论进行分词、过滤停用词、写入列表final,用Counter将final转化成词典,用counts.items()进行词频统计,然后根据词频用sorted()进行降序排序,读取前20热词与热度,写入以每一家酒店、景区命名的.csv文件,如图5-5、5-6所示。从图中可以看出,大家对A30景区评论集中在动物和动物园等词,H13酒店侧重在服务和早餐等方面。图5-5景区A30评论热词排行表图5-6酒店H13评论热词排行表5.2景区及酒店的综合评价通过评分列表中给出的五个评分项,分别对每个酒店及景区得出一个综合得分。以此种方式,在量化分数上给游客一个直观的酒店及景区的印象,方便他们进行选择。进行综合评分的主要目的是找出差异化,因此拟对每一个评分项给出一个权重。并不是每一个人都是评分专家,因此在主观印象上给出的权重没有理论依据和权重合理性。为了避免主观印象所导致的评分误差,把权重的取值交给数据处理。用LDA模型进行主题词典构建,并加上补充词典构建,然后对每一家酒店景区的评分进行分词,匹配每个主题的数量求出概率值,作为一个指标进行评分。得出各项评分之后,用熵权法求出的值作为总得分。基于热词提取的结果可知,基于词频的关键词提取会提取出其中无实际意义或不具备代表性的词语,使用逆文档频率以弥补词频排序带来的缺点,使更多合理的词排在前面,挖掘景区或酒店的隐含属性。因此,本模块通过评论文本进行分词,使用TF-IDF的算法对去停用词保留的评论进行文本向量化处理。利用LDA主题模型对每个主题的300个主题词进行输出,提取主题词。利用sklearn.feature_extraction.text中的CountVectorizer类实现调用读取预料景区评论并写入croups列表中,然后用CountVectorizer()方法将文本中的词语转化为词频矩阵,vectorizer.fit_transform(corpus)计算每个词语出现的的次数,调用lda.LDA()函数训练LDA主题模型,其中参数n_topics表示设置5个主题,n_iter表示设置迭代次数2000次,并调用fit()函数填充训练数据,用vectorizer.get_feature_names()函数获取各个特征或词语,model.topic_word_函数是存储各个主题单词的权重,根据所得的权重分别输出五个主题的权重最高的300个单词,如图5-7是景区主题1的前300个单词。根据读取出的单词来进行挑选,将挑选出的词作为为景区主题一的词典。同理,酒店也可以这样获得主题词典。图5-7Topic1借助陈天琪等REF_Ref101182427\r\h[15]对景区评价和缪章伟等REF_Ref101182439\r\h[16]对酒店评价主题归纳的结果,对景区及酒店评价的相关主题词进行了扩充和丰富,分别归纳景区和酒店的评价维度和具体分类下的主题词。景区和酒店的主题词典分别如表5-1、表5-2所示:表5-1景区主题词典评价维度景区主题词典服务服务、早餐、美味、美食、菜品、口味、好吃、味道、品种、种类、自助餐、自助、牛腩、餐厅、餐馆、口感、菜品、服务态度、售票员、态度、前台、保安、热情、小姐、和善、经理、服务员、热情、服务态度、贴心、亲切、主动、敬业、体贴、笑容、售票、订票、拿票、取票、管理、速度、接待、行李、效率、细节、周到、到位、方便、服务水平、刷卡、素质、文明位置地理位置、广州东站、北京路、花城、地标、机场、车站、出口、入口、附近、靠近、周围、购物、周边、地段、世界之窗、地铁口、湖边、商场、边上、广场、旁边、公园、大桥、交通、巴士、拥堵、地铁、自驾、车、打车、步行、出门、方便、公交车、公交、出行、出租车、车程设施设施、设备、景点、观光车、游览车、升级、摩天轮、大峡谷、庄园、馆、摩托车、冲浪、索道、安全、规范、危险、农家乐、游船、大门、动物、猛兽、海狮、孔雀、老虎、狮子、熊猫、鲤鱼、白鲸、喷泉、瀑布、海洋馆、温泉、温泉水、沙滩、微缩、阳元石、阴元石、取票机、休息室、卫生间、洗手间、厕所、马桶、指示牌、寄存处、路标、大厅、大堂、环境、停车、停车场、豪华、颜值、富丽堂皇卫生空气、空气质量、气味、清新、新鲜、卫生、干净、防疫、疫情、整洁、灰尘、霉味、乱、脏、差、臭、舒适、舒服性价比性价比、免费、优惠、消费、价格、经济、自费、价位、便宜、门票、票价、值得、划算、贵、涨价、不值、购物、价格不菲、公道、金额、风景、品质、景色、景观、天堂、谷、峰、湖、海、美、云霄、钟灵毓秀、山清水秀、亮点、特色、景色宜人、雪山、奇特、美丽、夜景表5-2酒店主题词典评价维度酒店主题词典服务服务、早餐、美味、正宗、普通、口味、好吃、味道、品种、种类、丰富、自助餐、自助、酒廊、牛腩、餐厅、菜品、口感、服务态度、态度、前台、迎宾、保安、热情、经理、服务员、礼貌、温馨、热情、贴心、亲切、主动、敬业、体贴、笑容、员工、速度、及时、接待、行李、效率、细节、周到、到位、方便、服务水平、刷卡、素质位置地理位置、广州、广州东站、广东、北京路、深圳、成都、珠海、珠江、长隆、流溪河、台山、中国、深圳市、东莞、花城、小蛮、地标、机场、出口、附近、靠近、周围、购物、风景、边上、广场、旁边、公园、大桥、沙滩、大海、景观、酒吧、地段、商圈、夜景、交通、巴士、地铁站、打车、步行、出门、方便、公交车、公交、出行、出租车设施床、桌子、灯、枕头、电视、拖鞋、空调、电脑、上网、陈旧、温馨、升级、房间设施、卫生间、浴缸、浴室、一次性、用品、视野、视野隔音、声音、效果、安静、酒店、电梯、设施、硬件、楼层、风格、装修、商务、装潢、繁华、度假、大厅、环境、游泳池、温泉、停车场、滑梯卫生房间、房、卫生、干净、防疫、疫情、整洁、灰尘、霉味、乱、脏、差性价比性价比、免费、优惠、消费、价格、经济、价位、便宜、值得、划算、贵、涨价、不值、价格不菲、公道、金额、额外收费、价钱、老牌、品质、星级、五星、四星、三星、二星、一星、特色、档次、舒适、舒服然后根据构造的景区、酒店主题词典转换成代码中的词典,设置另一个词典{'服务':0,'位置':0,'设施':0,'卫生':0,'性价比':0}。将每一个景区、酒店的评论分词之后,遍历每一个单词,在对应的key的value加1,对景区酒店各个指标进行匹配统计,再与总数相除得出概率值写入Excel表格,如图5-8、5-9所示:图5-8景区概率分布图5-9酒店概率分布把景区酒店每个指标的概率取出最大值与最小值进行求差除以10,分成10个概率段。为了避免给出的评分差距过大,每个概率段对应0.1分,从4.1分开始计算,属于哪个范围的则赋予对应的值。对各个酒店景区进行打分的结果,如图5-10、5-11所示:图5-10景区得分图5-11酒店得分通过用熵权法,对景区酒店的得分进行比值归一化处理,计算各个指标的熵值,计算权系数得出酒店景区的指标权重(如表5-3、5-4所示)。表5-3景区评分权重服务得分位置得分设施得分卫生得分性价比得分0.149493150.191945720.272609120.201600860.18435115表5-4酒店评分权重服务得分位置得分设施得分卫生得分性价比得分0.220776010.179695890.225776210.200842020.17290987用Excel通过对表5-3、表5-4的数据进行绘制权重直方图,如图5-12、5-13所示。图5-12景区评分指标权重直方图图5-13酒店各项指标权重直方图从上面两个权重直方图图可以看出,权重的分配是合理的。因此,可以使用熵权法计算出的权值乘以对应的指标得分计算出综合得分。计算出的得分结果保留两位小数,效果如图5-14、5-15所示:图5-14景区综合得分图5-15酒店综合得分除此之外还需要对这一结果进行误差验证。验证总得分的误差采用均方误差(MSE)。将均方误差方法的公式(3-4)转换为具体的Python代码,以此来处理两个评论文本。具体处理效果如图5-16、5-17展示:图5-16酒店MSE图5-17景区MSE从验证总得分的误差采用均方误差(MSE)得出的结果中,利用Python自带的函数筛选出极大值、极小值,求出极差如表5-5所示。表5-5酒店及景区极大值、极小值、极差的MSE项目酒店评分总得分MSE景区评分总得分MSE极大值0.12330.1148极小值0.00650.0104极差0.11680.1044从表5-5中指标可看出,误差范围在可接受的范围内。该评分在可以信任。5.3网评的有效性分析经过之前的文本脏数据处理,得到了一个较为“干净”的文本数据。文本的有效性REF_Ref101182473\r\h[17]是用户接收评论信息的效率。因此,应该在文本信息传递效率上下很多功夫。通过阅读文献和查找资料,借鉴商城购物评论关键词提取的经验进行处理。图5-18是京东商场关于西门子洗碗机的评论关键词提取。图5-18京东商城关键词该模块可以快速的让用户了解到这个洗碗机的各种特点,还可以避免“网络水军”刷评论。因此,可以利用这种方式处理评论文本。课题采用sklearn中的TF-IDF算法辅助提取关键词。根据TF-IDF算法的特点,需要将文档进行归并。再利用pandas实现。具体效果如图5-19、5-20所示:图5-19景区文本聚合图5-20酒店文本聚合然后,通过文本分词、过滤停用词,最后利用TF-IDF算法生成一个TF-IDF值得矩阵,具体效果如图5-21所示:图5-21TF-IDF矩阵通过每个TF-IDF值来确定每个酒店或景区评论文本中的关键字。根据TF-IDF的值来进行排序,因此封装了一个sort()排序函数,返回前30的热词,并保存文档(景区关键词.xlsx、酒店关键词.xlsx),如图5-22、5-23所示:图5-22景区关键词图5-23酒店关键词还可以将数据中模糊不清的、看不出来意思是否一样的数据拿出来,进行对比判断汉明距离是否小于3,大于3的则需要删除一条其中的数据;“服务很好不错的”,“酒店服务态度不错很好的酒店”,这是酒店H01里面的两条数据,看着文本内容有点相似,但是是否需要删除,可以根据汉明距离算两个文本的相似度,如图5-24、5-25、5-26所示。图5-24文本1计算图5-25文本2计算图5-26汉明距离、相似度从图5-26中得出汉明距离等于22,明显大于3并且计算出来的相似度为0.34375,所以不需要去重。可以根据上述的步骤,去除其它文本中的模糊不清、相似的评论。5.4景区及酒店的特色分析(1)聚类分析模型构建旅游业繁荣发展给游客带来了选择困难的问题,评分接近的景区或酒店很难根据评分进行取舍。在整理酒店及景区评分的时候,也发现了有很多目的地的综合评分是一样。因此,为了解决这个痛点,构建K-Means聚类分析模型,实现细粒度的对酒店及景区划分排名,并采用高、中、低三个档次对它们进行分组,以此种方式进一步减少游客选择上的麻烦。利用sklearn中的函数完成K-Means的计算。计算的结果如下图5-27、5-28所示:图5-27景区聚类图5-28酒店聚类(2)结果分析根据K-Means算法,可以得到三个特征分布清晰的聚类。如表5-6聚群档次划分:表5-6三个特征分布清晰的聚类类别档次高中低酒店聚群酒店群3酒店群2酒店群1景区聚群景区群1景区群3景区群2根据计算出来景区酒店聚群结果进行聚类分布图绘制,图5-29、5-30是展示划分聚组中,每个聚组的数量:图5-29酒店聚类分布图图5-30景区聚类分布图将每个景区酒店分出类别的结果如图5-21、5-32所示:图5-31景区聚类类别图5-32酒店聚类类别从每个景区酒店分出的每个聚类中都选择3个对象,并结合热词算法得出的热词表来代表整个类别的特征项,如表5-7、5-8、5-9、5-10、5-11、5-12所示:(1)景区表5-7高档次景区前三名景区总评分特色A394.9动物,公园,不错,玩,茂名,值得,地方,动物园,好玩,适合,门票,环境,小孩,茂名市,挺,喜欢,小孩子,植物,开心,表演,带,空气,景点,孩子,老虎,走,小朋友,勇敢者,水上,感觉A234.8园林,中山,不错,苏州园林,值得,岭南,地方,景色,古典,江南,环境,大宅门,门票,母亲,园子,私家,感觉,古色古香,挺,建筑,私家园林,苏州,精致,适合,风景,名园,特色,风格,景点,园主A374.7温泉,不错,池,环境,温泉水,值得,泡,泡温泉,水质,玩,干净,好玩,地方,感觉,房车,前台,服务,设施,新兴县,水温,下次,舒服,按摩,云浮,冲浪,功效,便宜,挺,适合,性价比分析高层次景区热词表可知,A39景区以动物园为特色,值得游玩;环境好,空气清新;有动物表演,小朋友很开心,适合小朋友游玩。A23景区以苏州园林为特色,环境优美。景色带有古典韵味;建筑古色古香、各有特色。A37以温泉为特色,地方不错;环境好,可以泡温泉,水质干净;可以按摩,价格便宜,性价比高,适合游玩。表5-8中等档次景区前三名景区总评分特色A364.6陶瓷,石湾,景区,佛山,陶,龙窑,陶艺,不错,制陶,地方,文化,公仔,窑,值得,景点,历史,生产,门票,博物馆,烧制,工艺,特色,灶,陶都,明清,文艺,瓷器,店铺,挺,习艺A404.6岛上,海鲜,海水,沙滩,不错,伶仃,岛,小岛,海岛,景色,珠海,加工,风景,清澈,住,爬山,香港,游泳,海景,美,船票,景区,酒店,住宿,珠海市,沙子,地方,加工费,芝,潜水A444.6松湖,东莞,自行车,骑,骑行,地方,不错,湖,烟雨,单车,骑车,华为,风景,桃花,湖煙雨,很大,景色,踩,环湖,值得,环境,單車,公園,花海,周末,散步,租,万科,产业园,大學路分析中层次景区热词表可知,A36景区以陶艺为特色,带有历史风貌;可以了解制作、烧制陶瓷的工艺,有明清的陶瓷,还有陶瓷博物馆。A40景区以海岛为特色,风景美丽;有海鲜、沙滩,还可以游泳;可以坐船、潜水等活动。A44景区以湖为特色,地方不错;可以绕湖骑行,风景秀丽,还有桃花可以观赏;适合周末过来散步。表5-9低档次景区前三名景区总评分特色A254.5温泉,庙会,不错,日式,服务,自助餐,吃,环境,池子,珠海,池,泡,泡温泉,感觉,地方,值得,干净,酒店,大餐,挺,舒服,毛巾,换水,水果,下次,晚上,玩,房间,小汤,榻榻米A324.3温泉,不错,池,环境,池子,服务,泡,银盏,按摩,玩,自助餐,泡温泉,挺,干净,水果,下次,值得,地方,设施,感觉,舒服,饮料,取票,开心,池水,好玩,水疗,免费,水,水温A424.3温泉,不错,环境,池,服务,挺,泡,泡温泉,地方,舒服,前台,下次,玩,值得,服务态度,茂名,服务员,好好,开心,感觉,装修,温泉水,地热,鱼疗,黄丹婷分析低层次景区热词表可知A25景区以温泉为特色,环境舒适;带有日式服务,可以吃自助餐。水质干净,水果不错。A32以温泉为特色,感觉舒适;水质干净,水温适合;设施好,取票方便,可以做水疗。A42景区以温泉为特色,环境不错;服务态度好,感觉舒适,装修好。前台服务好,可以做鱼疗,值得游玩。(2)酒店表5-10高档次酒店前三名酒店总评分特色H044.9温泉,酒店,服务,不错,玩,孩子,池畔,环境,水上,亲子,房间,早餐,小朋友,泳池,适合,水房,开心,带,乐园,玩水,入住,下次,特别,喜欢,住,设施,阳台,深圳,挺,区H064.9温泉,服务,酒店,泡温泉,不错,流溪河,早餐,房间,环境,孩子,玩,池,干净,区,喜欢,特别,带,设施,小朋友,服务员,从化,啤,感觉,入住,泡,儿童,服务态度,下次,体验,工作人员H074.9酒店,沙面,江景,房间,服务,不错,玉堂春,广州,环境,早茶,珠江,住,早餐,入住,老牌,位置,米其林,房,五星级,暖,特别,设施,第一家,宏图,故乡,升级,棒,江边,岛,舒服分析高层次酒店热词表可知,H04酒店以亲子房、乐园游玩为特色,服务好;环境好,有水上亲子间,父母可以跟孩子游玩乐园、游泳;设施好,值得入住。H06酒店以服务好、适合小孩子居住为特色,有早餐供应,房间环境好;有小朋友游玩地区,设施好,值得入住。H07酒店以地理位置、设施好为特色,有江景房间,是个老牌酒店;五星级服务,提供广州早茶;感觉舒适,靠近江边可以散步游玩。表5-11中档次酒店前三名酒店总评分特色H354.7酒店,房间,服务,干净,河源,不错,责任,女性,住,律师,舒服,舒适,喷泉,前台,希岸,卫生,事故,沟通,应急,承认,维权,环境,入住,挺,满意,流血,第一,新,这家,摔倒H084.7不错,服务,酒店,房间,前台,住,干净,惠州,性价比,环境,卫生,服务态度,高,价格,推荐,下次,位置,早餐,很大,挺,实惠,值得,西湖,热情,设施,入住,满意,舒适,小姐姐,四星级H024.6酒店,服务,不错,前台,房间,深圳,入住,早餐,大使,位置,肖宇玲,住,宇行,陈丹娜,机场,刘丽平,环境,干净,曾莉,李燃,交通,李然,特别,大卫,罗小环,下次,热情,挺,机器人,卫生分析中层次酒店热词表可知,H35酒店以服务好、环境好为特色,房间干净,服务好;出现事故,能及时沟通,有应急处理方式,有维权。H08酒店以服务好、性价比高为特色,比较实惠;前台服务好,设施完善,靠近西湖可以游玩;价格实惠,可以优先考虑入住。H02酒店以服务环境不错、交通便利为特色,位置靠近机场;服务热情,卫生干净,值得入住。表5-12低档次酒店前三名酒店总评分特色H394.5酒店,房间,北京路,不错,位置,服务,性价比,设施,旧,好好,前台,环境,交通,很大,广州,住,入住,免费,步行街,卫生,干净,一般般,早餐,大巴,老城区,停车场,停车,机场,小吃,地理位置H434.5酒店,小蛮,腰,塔,不错,珠江,广州,位置,服务,房间,江景,设施,环境,景观,老,干净,江边,旧,住,性价比,泳池,入住,早餐,夜景,花城,景色,景房,陈旧,卫生,临江H484.5酒店,服务,不错,房间,卫生,位置,东门,住,光华,国贸,干净,前台,交通,地理位置,挺,便利,老街,环境,性价比,金,下次,推荐,服务态度,加油,优越,价格,舊,值得,早餐,黄金分析低层次酒店热词表可知,H39酒店以地理位置好、出行方便为特色,服务好、这家酒店性价比对游客来说适合优先考虑;有停车场,有大巴车停靠,靠近机场,四通八达;提供小吃,卫生干净,靠近步行街可以购物。H43酒店以地理位置好、性价比高为特色,在房间可以欣赏江景;环境干净,夜景优美;靠近景点可以游玩。H48酒店以交通便利、地理位置优越为特色,服务不错,卫生干净;价格实惠,提供早餐,值得入住。
6.旅游目的地建设建议6.1提高用户感受度从结果中可以看到影响游客满意度的因素主要有五个方面,分别是服务、位置、设施、卫生、性价比。分析中得出卫生环境对于顾客满意度的影响比较明显差,所以要从卫生管理方面多下功夫。对于旅游目的地的酒店的管理来讲,可以从提升卫生环境方面入手,现在的游客越来越重视卫生环境,拥有干净整洁的卫生环境是外出旅游选择的一项不可或缺的重要因素。酒店不仅要看重肉眼可见到的一尘不染视觉指标,更要引来科学检测装备和手段来落实理化指标,酒店不可以只靠卫生部门的检查来整改,以致酒店客房的整洁只经得起表象检擦,而并未科学手段的测量和评测,环境质量不达标,导致顾客的满意度大大减少。因此可以加强对于卫生清洁设备的管理、制定符合酒店自身的卫生管理程序、增强员工的卫生意识与职业道德、重点注意卫生盲区的清理等措施来提升卫生环境这一方面,卫生质量上的去,顾客的满意度也会上升,当然酒店目的地的美誉度也会得到提高。再者就是酒店位置对于旅游目的地满意度也有很大的影响,大多数旅游的人们都会选择离自己旅游地点相近的酒店,这样会给人们提供很大的方便,还会愉悦人们的心情。所以酒店的位置位于有利地位,会对景区和酒店的美誉度有很大的提升。6.2进行差异化消费游客对于酒店及景区的取舍是有很明显的划分趋势的,因此需要按照游客不同的需要来给他们提供相应的服务。在之前的分析中,将酒店及景区划分为高、中、低三个组类。因此,可以以此为参考,思考一些不同的消费模式。这样做一方面可以提高用户的旅游和消费体验,另一方面可以帮助酒店及景区改善自己的面貌。
7.总结随着网络技术的快速发展和旅游业信息的高度密集,在线评论平台上出现了大量以评论和游记等为形式的非结构化数据,传统的调研方式已无法满足如今动辄上万的数据挖掘需求,本文主要通过TF-IDF算法、LDA主题模型、和K-Means模型解决了景区及酒店的印象分析、综合评价、网评文本有效性识别、特色分析四个任务。为实现印象词云表,本文在对原始数据进行预处理后,进行基于对每一个词的词频统计,将计算结果都写入了csv文件保存。为解决综合评价问题,本文首先通过对每一家景区酒店的分词,基于LDA主题模型进行主题识别,并结合相关文献构建的主题词词典。随后,通过对每一家景区酒店的评论文本分词跟构建的主题词典进行匹配数据,将每一指标的数据统计出来,再和五个指标的总数相比求得每一家景区酒店的各个指标概率写入Excel中并保存。再将得到的概率通过Excel自带的函数求得各
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 快消品企业销售经理业绩达成率考核表
- 建筑项目安全管理与质量控制绩效考核表
- 便利店食品冷藏存储规范指引
- 酒店客房服务质量与服务环境细节管理考核表
- 远程教育智能交互平台操作指引
- 申请组建跨部门危机处理小组函(4篇)
- 2026企业 AI 智能体研究报告:就绪度、落地现状与阻碍The Rise of Agentic AI From Experimentation to Enterprise Readiness
- 供应原材料合同签订通知函(4篇)
- 合作方2026年度预算调整事宜确认函(3篇)
- 电商节日营销流量放大方案手册
- 我国海外工程项目跨文化适应能力提升路径探析
- 制药厂现场QA培训课件
- 农村污水处理工程施工组织设计
- 雨课堂学堂在线学堂云《信息检索与科技写作( 理大)》单元测试考核答案
- 概念验证中心运营细则
- 期末考试质量分析报告写作模板
- 大学版画教学课件
- 食品生物技术专业教学标准(高等职业教育专科)2025修订
- 住院患者沐浴管理制度
- T/CADBM 51-2021室内装饰用竹木纤维集成墙板应用技术规程
- 妊娠合并下肢静脉血栓护理
评论
0/150
提交评论