近年來,旅游產(chǎn)業(yè)發(fā)展迅速,旅游門戶網(wǎng)站層出不窮。相關(guān)的數(shù)據(jù)信息以指數(shù)級的速度在增長,包括游客評論、景色趣味評分、個性化定制套餐等,海量的數(shù)據(jù)造成了信息過載,也催生了推薦研究。同時,游客評論是用戶情感觀點表達的形式,兼具價值密度高和開放性等特點。群體意見為其他游客在決定出行景點或套餐時提供了參考,形成一種動態(tài)的協(xié)同環(huán)境。大多數(shù)旅游景點的推薦研究針對用戶個性化展開,旨在尋找社會網(wǎng)絡(luò)里的關(guān)聯(lián)用戶,挖掘隱形的關(guān)聯(lián)信息作出相似愛好推薦。一是未充分發(fā)揮旅游評論的多重價值,二是忽略群體推薦的重要性。針對上述現(xiàn)狀,提出基于情感分析的旅游景點推薦,獲取游客評論的情感傾向和情感狀態(tài),挖掘潛在的信息和問題,為用戶出行決策做支撐。為了提高旅游評論的情感分析準確率,針對旅游評論文本冗長且句式復(fù)雜,現(xiàn)有的旅游類情感分析算法較少考慮文本特點和句法變化規(guī)則,導(dǎo)致分類準確率降低的問題,對算法提出了改進。根據(jù)句法規(guī)則對文本進行直接分類詞、總結(jié)句和轉(zhuǎn)折句的初步提取,再通過CNN分類,有效提高了準確率。在保證評論情感分析的準確率的基礎(chǔ)上,擬定情感因子來矯正正負面評論數(shù)量失衡比例,獲取相應(yīng)的情感分值并標準化。對于部分景點的結(jié)果... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

012-2018年國內(nèi)旅游人數(shù)變化

圖 2-1 旅游評論數(shù)據(jù)爬取用信息的常見方式是數(shù)據(jù)庫存儲和本地文件存儲。使用網(wǎng)絡(luò)的好處有兩點。一、可以獲取到最新的數(shù)據(jù)，由于網(wǎng)絡(luò)數(shù)據(jù)化較大，在針對一些實時性要求較高的問題時采用數(shù)據(jù)爬蟲

自編寫爬寫評論小程序

【參考文獻】：
期刊論文
[1]基于域適應(yīng)的旅游景點個性化推薦算法研究[J]. 鄭恩讓,韓國鋒,劉晨.  陜西科技大學(xué)學(xué)報. 2019(01)
[2]大數(shù)據(jù)挖掘在智慧旅游應(yīng)用中的探討[J]. 鄢創(chuàng)輝.  現(xiàn)代信息科技. 2018(09)
[3]采用在線評論的景點個性化推薦[J]. 王少兵,吳升.  華僑大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[4]基于情景上下文與信任關(guān)系的旅游景點推薦算法[J]. 沈記全,王磊,侯占偉,薛霄.  計算機應(yīng)用研究. 2018(12)
[5]雙通道卷積神經(jīng)網(wǎng)絡(luò)在文本情感分析中的應(yīng)用[J]. 李平,戴月明,吳定會.  計算機應(yīng)用. 2018(06)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)與多特征融合的Twitter情感分類方法[J]. 王汝嬌,姬東鴻.  計算機工程. 2018(02)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)和KNN的短文本分類算法研究[J]. 殷亞博,楊文忠,楊慧婷,許超英.  計算機工程. 2018(07)
[8]基于標簽的個性化旅游推薦[J]. 李雅美,王昌棟.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2017(07)
[9]基于大數(shù)據(jù)的旅游目的地情感評價方法探究[J]. 劉逸,保繼剛,朱毅玲.  地理研究. 2017(06)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)權(quán)重multi-gram語句建模系統(tǒng)[J]. 張春云,秦鵬達,尹義龍.  計算機科學(xué). 2017(01)

博士論文
[1]基于句法和語義挖掘的Web金融評論情感分析[D]. 江騰蛟.江西財經(jīng)大學(xué) 2015
[2]基于語義統(tǒng)計分析的網(wǎng)絡(luò)輿情挖掘技術(shù)研究[D]. 萬源.武漢理工大學(xué) 2012

碩士論文
[1]基于分層抽樣統(tǒng)計與協(xié)同過濾的旅游景點推薦系統(tǒng)研究[D]. 劉斌.華東交通大學(xué) 2018
[2]多數(shù)據(jù)源環(huán)境下的旅游推薦算法研究[D]. 李澤龍.海南大學(xué) 2018
[3]基于主題模型的個性化景點推薦系統(tǒng)研究與實現(xiàn)[D]. 段道恒.海南大學(xué) 2018
[4]基于LBSNs的城市景點知識發(fā)現(xiàn)與推薦優(yōu)化[D]. 徐向陽.電子科技大學(xué) 2018
[5]考慮季節(jié)情境因素的旅游景點主題模型及應(yīng)用研究[D]. 王青.東南大學(xué) 2017
[6]基于雙重信任關(guān)系的季節(jié)情境感知旅游景點個性化推薦研究[D]. 劉夢穎.東南大學(xué) 2017
[7]面向評論文本基于情感分析的可信推薦模型研究[D]. 劉妙.浙江理工大學(xué) 2016



本文編號：2990404