馮 澤 琪，彭 霞，吳 亞 朝

(1.北京聯(lián)合大學應用文理學院，北京 100088；2.北京聯(lián)合大學旅游學院，北京 100101；3.北京工業(yè)大學信息學部，北京 100124)

0 引言

在自媒體時代，旅游者成為旅游目的地評價與營銷的重要力量，因而旅游者情緒成為旅游地理領域關注的重點，相關研究集中于旅游者情緒的時空分布特征[1-3]、影響因素[4,5]和詞典構建[6,7]以及對酒店滿意度[8,9]、旅游目的地形象感知[10-12]等。常用的社交媒體數(shù)據(jù)主要有點評數(shù)據(jù)[13-15]和網絡游記數(shù)據(jù)[16-18]。在旅游者常用的社交媒體中，新浪微博用戶多、數(shù)據(jù)量大、實時性強，微博文本篇幅較短、主題多樣且?guī)в形恢眯畔ⅲ浅＿m合開展大規(guī)模旅游者情緒分析。然而，目前國內旅游學者對微博數(shù)據(jù)關注較少，在文本分析方法上多采用ROST軟件，該方法只能處理較少的數(shù)據(jù)量，且結果準確率低、靈活性差。采用深度學習方法對社交媒體數(shù)據(jù)進行大規(guī)模旅游者情緒挖掘，提高分析準確率，獲取更多有用信息，成為旅游者情緒研究的重點。鑒于此，本文基于2017-2019年旅游者發(fā)布的新浪微博數(shù)據(jù)，采用BERT(Bidirectional Encoder Representation from Transformers)模型進行旅游者情感分析，探討旅游者情緒的時空分布規(guī)律；而后基于BERT模型對旅游者微博進行文本分類，分析不同主題下旅游者的情緒特征；最后，考慮到負面評價對旅游者的影響遠大于正面評價[19]，針對旅游者負面微博進行話題提取，進一步分析可能導致旅游者負面情緒的相關因素。

1 數(shù)據(jù)與方法

1.1 研究區(qū)與數(shù)據(jù)

本文研究區(qū)為北京市行政區(qū)劃范圍，研究數(shù)據(jù)為2017-2019年帶有地理位置信息的新浪微博數(shù)據(jù)，該數(shù)據(jù)通過新浪微博API抓取，包含用戶編號、文本信息、發(fā)布位置(經緯度)、發(fā)布時間等信息。利用文獻[20]中的方法，根據(jù)用戶在長時間內的歷史簽到特征，采用隨機森林模型將用戶分為本地居民和旅游者兩類，其中旅游者發(fā)布的微博共1 554 230條(圖1)。

圖1 研究區(qū)與旅游者微博空間分布Fig.1 Study area and spatial distribution of tourists′ microblogs

1.2 研究方法

本文研究流程(圖2)為：首先基于篩選出的旅游者微博，利用BERT(Bidirectional Encoder Representation from Transformers)模型將微博情緒分為正面、中性、負面3類；然后運用基于扎根理論的質性分析方法對隨機抽取的游客微博確定主題的數(shù)目和類別，再通過BERT模型對全體游客微博進行多主題文本分類；最后利用LDA(Latent Dirichlet Allocation)和BERTopic模型對游客負面微博進行話題提取，進而分析導致游客產生負面情緒的相關因素。

圖2 技術路線Fig.2 Technology roadmap

1.2.1 基于BERT模型的微博情感計算 不同于其他語言模型只處理左側的上下文，且使用從左到右或從右到左的編解碼器(transformer)進行預訓練，BERT模型[21]在所有層中共同依賴于左右上下文，使用多層雙向編解碼器進行預訓練，“從左到右”或“從左到右和從右到左”模型的淺層連接具有更強大的特征提取能力。因此，本研究采用BERT模型和chinese_L-12_H-768_A-12中文預訓練模型，將中文維基百科作為中文文本訓練的語料庫，使用12層的編解碼器和多頭注意力機制(multi-headed attention)，輸出一個768維的詞向量；隨機抽取旅游者微博進行正面、中性、負面情感標注，讀取情感標簽對模型進行訓練，最終預測出屬于每個標簽的概率，將概率最大的標簽作為該條微博的情緒標簽，并從預測的微博集合中隨機選取1 000條記錄進行驗證，情感分類的準確率達94.2%。

1.2.2 基于質性分析與BERT模型的旅游者微博文本分類 基于扎根理論[22]的質性研究方法指通過對搜集到的資料進行開放、主軸、選擇三階段編碼，對資料加以分解、提取現(xiàn)象并將現(xiàn)象概念化，再以適當方式將概念重新抽象、提升、歸納為類屬，繼而形成理論的過程。常用的質性研究軟件有ATLAS.ti、Nvivo、MAXQDA。本研究從旅游者微博中隨機抽取1 000余條記錄，運用Nvivo11對旅游者微博進行三階段編碼，最終歸為天氣、游覽、餐飲、休閑、住宿5個類別。進一步對上述5個類別分別構建關鍵詞詞典并對旅游者微博進行第一遍過濾，將旅游者微博劃分為包含類別關鍵詞及不含關鍵詞的兩個集合，對不含關鍵詞的集合進行準確率驗證，發(fā)現(xiàn)所有類別中不含關鍵詞集合的分類準確率均達99%以上；然后，在5個包含類別關鍵詞的集合中隨機抽取1.5萬條微博進行人工標注(屬于該類別的微博標注為1，不屬于則標注為0)，而后分別對5個包含類別關鍵詞的集合進行基于BERT模型的文本二分類，最終獲得天氣、游覽、餐飲、休閑、住宿5個主題的微博，經驗證準確率分別達97.8%、91.4%、98.8%、91.3%、97.1%。

1.2.3 基于LDA和BERTopic模型的旅游者負面微博話題分析 LDA模型可將文檔集中并計算每篇文檔主題的概率分布，之后根據(jù)主題分布進行主題聚類；該模型采用詞袋模型，在一篇文檔中，僅考慮某詞匯是否出現(xiàn)，而不考慮其出現(xiàn)的先后順序。BERTopic模型采用句子編解碼器(sentence transformers)對數(shù)據(jù)文本創(chuàng)建詞向量，通過UMAP和HDBSCAN對詞向量進行降維，并將語義接近的詞向量進行聚類，然后用c-TF-IDF提取類簇主題詞。為進一步了解天氣、游覽、餐飲、休閑、住宿5個主題中導致旅游者負面情緒的具體原因，本文分別運用LDA和BERTopic模型對負面微博進行話題提取，最后將兩種方法所得結果融合。

2 結果與分析

2.1 旅游者微博情感分析

本文通過BERT模型對旅游者微博文本進行情感分類，得到的旅游者中性微博最多(853 904條)，正面微博次之(396 259條)，負面微博最少(304 067條)。男性旅游者發(fā)布微博614 349條，其中正、負面微博數(shù)分別為131 985條和110 184條，分別占男性旅游者微博總數(shù)的21.48%和17.94%；女性旅游者發(fā)布微博939 881條，其中正、負面微博數(shù)分別為264 272條和193 883條，分別占女性旅游者微博總數(shù)的28.12%和20.63%?？梢姡员饶行月糜握吒鼧酚诜窒?，且情緒反應比男性更強烈。

統(tǒng)計每月旅游者微博數(shù)量(圖3a)可知，微博數(shù)量與假期密切相關。夏季(6-8月)與秋季(9-11月)節(jié)假日較多，旅游者數(shù)量多于春季和冬季；冬季(12月-次年2月)有節(jié)假日但天氣寒冷，而春季(3-5月)天氣適宜但節(jié)假日較少，故春季出游人數(shù)反而小于冬季。統(tǒng)計一周內每日的旅游者微博數(shù)量(圖3b)可知，旅游者多選擇周六、周日到北京旅游，旅游者數(shù)量從周一到周四較平穩(wěn)，周五開始上升，周六達到峰值，周日開始減少，負面微博占比在一周內基本穩(wěn)定。通過統(tǒng)計一日內每小時的旅游者微博數(shù)量(圖3c)可知，微博數(shù)量呈現(xiàn)出雙峰和波浪形變化特征：在凌晨4時達到波谷繼而逐漸上升，在中午13時達到一個小高峰，從15時開始繼續(xù)上升，并在23時達到最高峰，說明大部分旅游者喜歡下午游玩，休閑活動持續(xù)到23時。負面微博占比在24時-次日6時之間顯著增加，可能是由于失眠對情緒造成負面影響。

圖3 旅游者微博情緒統(tǒng)計Fig.3 Statistics of tourists′ emotions expressed by microblogs

一年中旅游者情緒總體呈現(xiàn)出3個波谷(4月、7月、11月)和3個波峰(6月、9月、12月)(圖4a)，4月和11月旅游者情緒較低落，可能與這兩個月份出現(xiàn)大風、低溫、霧霾等不良天氣狀況的概率較高有關。旅游者在溫暖天氣下的情緒優(yōu)于冷涼天氣，而過于炎熱的天氣(7月)也會影響旅游者的情緒，男性和女性旅游者在不同月份的情緒反應差異較大。在一周內(圖4b)，旅游者情緒值從周一開始降低，周三達到波谷，之后緩慢上升，周日達到峰值，且男性和女性旅游者表現(xiàn)出相同規(guī)律，即在休息日旅游者的情緒更好。在一天內(圖4c)，旅游者情緒值在1時之后驟降，凌晨4時達到最低，之后逐步上升，中午13時達到第一個波峰，之后逐漸下降，16時達到一個相對低點，之后再次上升，直至23時達到一天的最高峰。結合之前的微博數(shù)量統(tǒng)計，旅游者多在中午到達景點，此時情緒達到一個小高潮，在下午進行游覽活動，至16時左右產生疲勞從而情緒變得低落，經過休息之后情緒恢復；男性和女性旅游者在20時之后的情緒變化趨勢出現(xiàn)差異，女性旅游者情緒高漲，直至23時入睡，而男性旅游者的情緒逐漸趨于平緩，這可能與男性和女性旅游者的夜間活動差異有關。

圖4 旅游者微博情緒值統(tǒng)計Fig.4 Statistics of tourists′ emotional value on microblogs

旅游者微博數(shù)量基本呈現(xiàn)由市區(qū)向郊區(qū)遞減趨勢(圖5)。在北京市城六區(qū)中，朝陽區(qū)的微博數(shù)量最多，其次是海淀區(qū)、東城區(qū)、西城區(qū)和豐臺區(qū)，石景山區(qū)的微博數(shù)量最少；郊區(qū)中，昌平區(qū)的微博數(shù)量最多，其次是順義區(qū)、大興區(qū)、通州區(qū)和房山區(qū)，遠郊的延慶區(qū)、密云區(qū)、門頭溝區(qū)和平谷區(qū)較少。各區(qū)正面、中性、負面微博數(shù)與該區(qū)微博總數(shù)基本呈正比。密云區(qū)、平谷區(qū)、石景山區(qū)、東城區(qū)和延慶區(qū)的正面情緒占比較高；順義區(qū)、大興區(qū)、海淀區(qū)、西城區(qū)、昌平區(qū)和通州區(qū)的負面情緒占比較高，且唯獨順義區(qū)負面微博數(shù)超過正面微博數(shù)，推測與順義首都國際機場飛機延誤易導致游客作出負面評價有關；門頭溝區(qū)正、負面情緒占比均較少，總體情緒較平和。

圖5 北京市各行政區(qū)旅游者微博情緒統(tǒng)計Fig.5 Statistics of tourists′ emotions expressed by microblogs in each administrative region in Beijing

2.2 旅游者微博主題分類分析

本文通過BERT模型進行旅游者負面微博文本分類，最終獲得“天氣”“游覽”“餐飲”“休閑”“住宿”5個主題的旅游者微博數(shù)量分別為110 095、90 545、116 114、96 557、8 731條。其中，“游覽”“餐飲”“休閑”“住宿”均為旅游者活動，“住宿”微博數(shù)量與其他3類活動的微博數(shù)量相距甚遠，最不受旅游者關注，而“天氣”是旅游者體驗的重要影響因素。

在5個主題中(圖6a)，“天氣”和“餐飲”主題產生強烈情緒的概率超過其他3個主題，且“天氣”是最易產生負面情緒的主題；“餐飲”和“休閑”較易產生正面情緒而不易產生負面情緒；“游覽”主題的正、負面評價占比均較少，總體情緒較平和。從每月不同主題旅游者微博的數(shù)量看(圖6b)，“餐飲”主題在7-8月數(shù)量最多，10月和1月次之，可能與上述月份節(jié)假日和聚餐活動較多有關，而2月是春節(jié)期間，人們因回鄉(xiāng)而較少在外用餐，數(shù)量最少；“天氣”主題在1月、6-8月、10-12月數(shù)量較多，可能因為這幾個月高溫、大風和霧霾對旅游者的影響較大；“休閑”主題在7-8月數(shù)量最多，9-10月次之，1月及3-6月較為均衡，11-12月較少、2月最少，可能受到節(jié)假日及天氣的雙重影響；“游覽”主題在10月數(shù)量最多，7-8月次之，應該是受到這3個月假期較多的影響，9月數(shù)量稍微減少，1月和12月數(shù)量最少，與北京旅游淡旺季時間相吻合。

圖6 旅游者微博主題數(shù)量統(tǒng)計Fig.6 Statistics on the number of themes of tourists′ microblogs

2.3 旅游者負面微博主題提取分析

本文運用LDA和BERTopic主題模型分別提取“天氣”“游覽”“餐飲”“休閑”“住宿”5個主題的旅游者負面微博話題，分析旅游者負面口碑產生的原因。對話題進行命名、整理，并將同類話題歸類，得到5個主題的旅游者情緒影響因素(表1)；此外，還統(tǒng)計了各主題高頻詞，通過繪制詞云圖(圖7)可以發(fā)現(xiàn)，在天氣主題中旅游者對氣溫“熱”“冷”“風”較為敏感；長城、天安門和恭王府是旅游者抱怨較多的游覽目的地；“住宿”主題中“床”“賓館”“價格”討論較多；而休閑主題中“演唱會”是旅游者易出現(xiàn)負面情緒的活動內容。

圖7 旅游者負面微博各主題詞云Fig.7 Cloud diagram of each theme for tourists′ negative microblogs

游覽主題中，導致旅游者產生負面情緒的主要因素有“旅游吸引物”“活動”“天氣”“體驗”“旅游產品”等，如排隊買票的人過多、一日游的體驗太差、故宮周一閉館、看升旗遭遇大風或寒冷天氣等，大數(shù)據(jù)分析的優(yōu)勢在于可以動態(tài)、精細捕捉各景區(qū)存在的問題，并根據(jù)負面口碑的原因提出改進措施。餐飲主題中，導致旅游者產生負面情緒的主要因素有“餐廳/食物”“服務質量”“口味”“用餐環(huán)境”等，如餐廳太貴、豆汁等北京小吃不合胃口、喜茶排隊太長等。天氣主題中，導致旅游者產生負面情緒的主要因素有“天氣”“所在地”“活動”“體驗”等，如高溫、霧霾、大風等不良天氣對旅游者游覽造成影響。住宿主題中，導致旅游者產生負面情緒的主要因素有“設施”“服務”“體驗”，如床品舒適度差、房間溫度不合適、衛(wèi)生條件差、價格貴等。休閑主題中，導致旅游者產生負面情緒的主要因素有“活動”“所在地”“體驗”，如演唱會后天氣不好、咖啡口感差、在酒吧喝醉酒等。從表1可知，惡劣天氣對“游覽”“餐飲”“休閑”“住宿”4類活動中的旅游者負面情緒都有貢獻?？梢?，如何在旅游過程中屏蔽惡劣天氣影響，如改進室內場館的空調與新風設施、安裝室外遮陽棚、提高綠蔽率等，將是提升旅游者體驗的關鍵之一。

表1 旅游者負面微博各主題對應的話題及情緒影響因素Table 1 Topics and emotion influencing factors corresponding to each theme for tourists′ negative microblogs

3 結論與討論

本文以2017-2019年北京市帶地理位置的新浪微博為例，通過BERT模型進行情感計算和主題分類，挖掘旅游者情緒的時空分布規(guī)律，探討不同主題下旅游者的情緒特征，并通過LDA和BERTopic模型提取旅游者負面微博話題，進而分析每個主題中可能導致旅游者負面情緒的相關因素。研究結果表明：1)旅游者情緒呈現(xiàn)出晝夜、周和季節(jié)性節(jié)律變化，不同性別旅游者在情緒反應強度及晝夜、季節(jié)性變化上存在差異。女性比男性旅游者更樂于分享，且情緒反應比男性更強烈，正、負面情緒的比例比男性分別高6.64%和2.69%；旅游者情緒值在日內呈現(xiàn)出雙峰和波浪形變化特征，男性旅游者在20時后情緒逐漸趨于平緩，而女性旅游者情緒峰值持續(xù)至23時。2)中等強度情緒與強烈情緒在空間分布上存在差異。密云區(qū)、平谷區(qū)、石景山區(qū)、東城區(qū)和延慶區(qū)的旅游者正面情緒占比較高；而順義區(qū)、大興區(qū)、海淀區(qū)、西城區(qū)、昌平區(qū)和通州區(qū)的旅游者負面情緒占比較高，其中唯有順義區(qū)負面微博數(shù)超過正面微博數(shù)；門頭溝區(qū)旅游者情緒最為平穩(wěn)。3)旅游者負面微博主要包括“游覽”“餐飲”“休閑”“住宿”4個活動主題以及“天氣”主題，其中旅游者對“天氣”和“餐飲”主題較敏感，而惡劣天氣最易導致負面情緒。因此，為提升旅游者體驗，應考慮在特定旅游景區(qū)加強應對天氣影響的管理措施。

本文探索了系統(tǒng)的旅游者情緒分析方法，可從多維度、多層次挖掘旅游者情緒特征且準確度較高，可用于旅游目的地輿情監(jiān)測與預警。然而，本文對旅游者情緒與外部環(huán)境之間的交互關系缺乏深入探討，未來將加強此方面的研究。