基于文本挖掘的游客对古镇旅游态度的分析

doi:10.11959/j.issn.2096-0271.2017064

Abstract

Abstract:

The tourists' attitudes and the potential problems coming along with tourism projects were mainly analyzed.Thousands of comments aiming at five different ancient China towns coming from website were collected.Then with text mining,terms frequency was counted,and the hot topics were analyzed.After that,the scores were received with sentiment analysis.Based on the results from sentiment analysis,then the analysis of variance about possible causes influenced travelers' attitudes was given.Ultimately the fuzzy comprehensive evaluation model was built.The result is able to give references for creating a better system of ancient towns traveling program.

Key words: text mining, traveling of ancient towns, sentiment analysis, factor analysis, fuzzy comprehensive evaluation model, analysis of variance

CLC Number:

TP391

Jiayu FAN. Analysis of tourists' attitude for ancient towns based on text mining[J]. Big Data Research, 2017, 3(6): 93-101.

Figures/Tables 13

References 9

[1]	李爽，周璇玲，丁瑜，等. 大陆居民赴台湾旅游体验感知研究[J]. 旅游论坛， 2015(8):7-20.
	LI S , ZHOU X L , DING Y , et al. Research on experience perception of mainland residents to Taiwan travel[J]. Tourism Forum, 2015(8):7-20.
[2]	王耀斌，杨玲，孙传玲，等. 基于文本挖掘的典型旅游网站旅游分享比较研究[J]. 资源开发与市场， 2017(1):100-104.
	WANG Y B , YANG L , SUN C L , et al. Comparative research on travel sharing of typical travel website based on text mining-taking Gansu province as an example[J]. Resource Development ＆Market, 2017(1):100-104.
[3]	刘萌玥，陈效萱，吴建伟，等. 旅游景区网络舆情指标体系构建[J]. 资源开发与市场， 2017(1):80-84.
	LIU M Y , CHEN X X , WU J W , et al. Research on construction of index system of tourist attraction network public opinion[J]. Resource Development ＆Market, 2017(1):80-84.
[4]	魏慧玲 . 文本情感分析在产品评论中的应用研究[D]. 北京：北京交通大学， 2014.
	WEI H L . Application research of text sentiment analysis in product reviews[D]. Beijing: Beijing Jiaotong University, 2014.
[5]	林园园，战洪飞，余军合，等. 基于产品评论的消费者情感波动分析模型构建及实证研究[J]. 现代图书情报技术， 2016(11):44-53.
	LIN Y Y , ZHAN H F , YU J H , et al. Using product reviews to analyze sentiment fluctuation of consumer[J]. New Technology of Library and Information Service, 2016(11):44-53.
[6]	陈苗，刘超，庄俊玲，等. 基于文本挖掘的临床带教评价分析[J]. 中国卫生统计， 2017(34):59-64.
	CHEN M , LIU C , ZHUANG J L , et al. Analysis of commands for clinical teaching based on text mining[J]. Chinese Journal of Health Statistics, 2017(34):59-64.
[7]	陈顾远，王超，刘富强，等. 一种基于微博数据的公众环境污染情感指数估算法[C]// 2016全国环境信息技术与应用交流大会暨中国环境科学学会环境信息化分会年会， 2016年11月24日，北京，中国. 北京：环境保护部环境发展中心， 2016:474-481.
	CHEN G Y , WANG C , LIU F Q , et al. Estimate of public environment-emotional index based on micro-blog data[C]// 2016 National Conference on Environmental Information Technology and Application and Annual Meeting of Environmental Information of China Environmental Science Society， November,24,2016, Beijing,China. Beijing： Environment Development Centre of Ministry of Environmental Protection， 2016:474-481.
[8]	余维军 . 基于语义情感信息的评论有用性研究[D]. 重庆：重庆大学， 2016.
	YU W J . Research on review helpfulness based on semantic and sentiment information[D]. Chongqing: Chongqing University, 2016.
[9]	耿铭泽 . 基于旅游博客的旅游目的地游客满意度评价研究——以海南省为例[D]. 海口：海南大学， 2010.
	GENG M Z . study on the tourist satisfaction degree of tourism destination by travel blogs-a case study of Hainan province[D]. Haikou: Hainan University, 2010.

Metrics

Recommended 0

No Suggested Reading articles found!

词序	甲居藏寨		西江千户苗寨		周庄古镇		黄姚古镇		西塘古镇
词序	词	频数	词	频数	词	频数	词	频数	词	频数
1	中国	122	苗寨	201	周庄	1 894	古镇	711	古镇	1 662
2	乡村	94	西江	113	古镇	1 064	一个	156	江南	774
3	一个	89	晚上	73	水乡	852	感觉	110	感觉	605
4	门票	88	夜景	66	江南	777	地方	102	水乡	580
5	特色	84	看到	61	感觉	346	门票	94	一个	545
6	地方	81	全景	59	一个	336	不错	83	地方	458
7	藏族	64	千户	51	商业化	329	安静	82	酒吧	446
8	漂亮	60	整个	48	门票	300	喜欢	79	喜欢	432
9	美丽	60	风景	46	小桥流水	280	小镇	73	晚上	432
10	民居	57	地方	45	地方	278	客栈	69	乌镇	412
11	感觉	57	拍照	42	不错	271	商业化	68	门票	351
12	风景	57	不错	31	万三	250	房子	64	不错	318
13	比较	55	台上	30	比较	231	晚上	62	商业化	308
14	寨子	54	景色	28	商业	220	特色	61	比较	307
15	整个	51	感觉	28	晚上	217	宁静	61	小镇	283
16	藏式	48	白天	28	中国	211	比较	54	生活	264
17	梨花	47	漂亮	27	第一	200	值得	53	烟雨	250
18	建筑	47	观光车	26	景点	198	石板	53	特色	237
19	景色	43			气息	192	里面	51	觉得	226
20	山坡	42			喜欢	187	游客	50	景区	225

属性	甲居藏寨		西江千户苗寨		周庄古镇		黄姚古镇		西塘古镇
属性	词频	比重	词频	比重	词频	比重	词频	比重	词频	比重
价格制度	103	0.089 57	19	0.022 25	362	0.078 7	119	0.092 82	448	0.087 53
商业化	37	0.032 17	13	0.015 22	656	0.142 61	161	0.125 59	641	0.125 24
历史人文	376	0.326 96	217	0.254 1	2 320	0.504 35	489	0.381 44	2054	0.401 33
自然风光	224	0.194 78	244	0.285 71	474	0.103 04	104	0.081 12	1016	0.198 52
特色	410	0.356 52	361	0.422 72	788	0.171 3	409	0.319 03	959	0.187 38

项目	甲居藏寨	周庄古镇	黄姚古镇	西塘古镇
包含“门票”评分均值	0.694 822 95	0.525 235 18	0.473 015 84	0.390 611 75
不包含“门票”评分均值	0.857 206 41	0.693 428 18	0.699 982 77	0.738 293 33
显著性（P值）	0	0	0.000 1	0

变量	KMO
v₁	0.515 7
v₂	0.814 8
v₃	0.692 9
v₄	0.737 3
v₅	0.803 8
总体	0.735 9

因子	特征值	差异	贡献率	累计贡献率
因子1	3.320 32	2.474 74	0.832 4	0.832 4
因子2	0.845 58	0.839 00	0.212 0	1.044 3
因子3	0.006 58	0.037 94	0.001 6	1.046 0
因子4	-0.031 36	0.120 75	-0.007 9	1.038 1
因子5	-0.152 11	/	-0.038 1	1.000 0

Analysis of tourists' attitude for ancient towns based on text mining

RichHTML

PDF下载

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 13

References 9

Related Articles 6

Metrics

Recommended 0

变量	因子1	归一处理
周庄古镇	0.940 1	0.239 705 244 906 805
西塘古镇	0.957 9	0.244 243 861 393 712
黄姚古镇	0.377 1	0.096 152 375 124 302
甲居藏寨	0.721 2	0.183 890 461 256 024
西江千户苗寨	0.925 6	0.236 008 057 319 157
总数	3.921 9	1

景点		消极			中肯			积极
景点	评论数/条		比重	评论数/条		比重	评论数/条		比重
周庄古镇	494		0.215 5	269		0.117 4	1 529		0.667 1
西塘古镇	559		0.188 0	278		0.093 5	2 136		0.718 5
黄姚古镇	132		0.244 9	54		0.100 2	353		0.654 9
甲居藏寨	59		0.109 7	30		0.055 8	449		0.834 6
西江千户苗寨	26		0.085 2	21		0.068 9	258		0.845 9

[1]	Lingli ZHANG, Qikai CHU, Guijuan WANG, Weihan ZHANG, Hui PU, Zhenjin SONG, Yadong WU. Text sentiment visual analysis technology and its application in humanities [J]. Big Data Research, 2022, 8(6): 56-73.
[2]	Aili LI, Zishuai ZHANG, Yin LIN, Qiuju WANG, Jianan YANG, Weicheng MENG, Yanfeng ZHANG. Research on emotion monitoring of public based on social network big data [J]. Big Data Research, 2022, 8(6): 105-126.
[3]	Kangting XU, Wei Song. A Chinese text sentiment analysis method combining language knowledge and deep learning [J]. Big Data Research, 2022, 8(3): 115-127.
[4]	Baohua ZHANG, Huaping ZHANG, Tieshuai LI, Jianyun SHANG. Chinese comment sentiment analysis method based on multi-input model and syntactic structure [J]. Big Data Research, 2021, 7(6): 41-52.
[5]	Yunsheng SONG. Application of an emotion discriminant analysis system in the management of automobile brand [J]. Big Data Research, 2017, 3(6): 55-64.
[6]	Peng GUO. Demand unconstraining estimation based on big data warehouse in revenue management systems:framework and challenges [J]. Big Data Research, 2017, 3(3): 68-83.