馬妍

西安市近年來已成為各大網(wǎng)絡(luò)平臺上的網(wǎng)紅城市，西安市旅發(fā)委正在修改完善《關(guān)于加快民宿發(fā)展的三年行動計劃》，明確支持民宿業(yè)發(fā)展。本文從統(tǒng)計學(xué)角度出發(fā)，采用文本挖掘方法進一步分析數(shù)據(jù)，將評論特征作為民宿業(yè)評價指標(biāo)體系的二級指標(biāo)，整理得到相應(yīng)4個一級指標(biāo)，同時對特征詞進行同義詞合并，歸納得到相應(yīng)的三級指標(biāo)，創(chuàng)新了指標(biāo)的選取來源，構(gòu)建的民宿業(yè)評價指標(biāo)體系更具合理性和完整性。

近年來，我國居民消費水平不斷升級，旅游業(yè)已進入綜合發(fā)展階段，以共享經(jīng)濟平臺為支撐的民宿業(yè)正逐漸占據(jù)著傳統(tǒng)住宿業(yè)的市場份額。與此同時，行業(yè)快速發(fā)展也帶來了一系列安全和管理等方面的問題。由相關(guān)數(shù)據(jù)可知，目前還未出臺民宿行業(yè)相關(guān)管理法律法規(guī)，行業(yè)進入標(biāo)準(zhǔn)較低，很多人在缺乏前期準(zhǔn)備的情況下進入民宿行業(yè)，這使得少部分民宿衛(wèi)生不達標(biāo)、安全性存在隱患與風(fēng)險等。

全球經(jīng)濟正處于增長困境中，新經(jīng)濟這種新型經(jīng)濟發(fā)展形態(tài)越來越受到關(guān)注。直至今日，由于通信技術(shù)和互聯(lián)網(wǎng)技術(shù)在全球范圍內(nèi)快速發(fā)展，新經(jīng)濟正改變著人們的生活習(xí)慣和生活方式，為世界經(jīng)濟發(fā)展帶來動力。共享經(jīng)濟，是指資源擁有者以獲取一定報酬為目的，在網(wǎng)絡(luò)共享平臺上將物品或服務(wù)使用權(quán)轉(zhuǎn)讓給他人，提高資源配置效率的一種經(jīng)濟行為。目前，共享經(jīng)濟已滲透進日常生活的多個領(lǐng)域，一部分傳統(tǒng)產(chǎn)業(yè)發(fā)展受到?jīng)_擊，主要體現(xiàn)在經(jīng)營模式上，其中民宿業(yè)已從傳統(tǒng)電話預(yù)定方式轉(zhuǎn)變?yōu)橥ㄟ^各大民宿共享平臺進行網(wǎng)絡(luò)預(yù)定的模式，民宿業(yè)規(guī)模逐年擴大。

隨著居民消費水平升級，旅游不再局限于跟團游這種傳統(tǒng)出行形式，像自助游、探險游和靜態(tài)旅游等個性化新型旅游方式逐漸被游客所青睞。同樣，在旅行中越來越多的游客不滿足于傳統(tǒng)酒店住宿形式，希望體驗到有溫度有特色的住宿。民宿逐漸走進大眾視野，大眾消費習(xí)慣正潛移默化地被社會趨勢改變，整個民宿業(yè)正加速向前發(fā)展。目前，為明確支持民宿發(fā)展，西安市旅發(fā)委正在修改完善《關(guān)于加快民宿發(fā)展的三年行動計劃》，并啟動《西安市民宿發(fā)展規(guī)劃（2018-2022）》的編制，明確民宿發(fā)展總體目標(biāo)和空間布局，打造不同特色、主題、檔次且有效銜接、互為補充的西安特色民宿。

本文以西安市民宿業(yè)在線評論數(shù)據(jù)為研究對象，應(yīng)用大數(shù)據(jù)文本挖掘技術(shù)，從民宿業(yè)在線評論文本內(nèi)容中提取影響民宿業(yè)發(fā)展的重要指標(biāo)，基于詞云圖、情感語義圖、LDA模型和同義詞合并，建立西安市民宿業(yè)綜合評價指標(biāo)體系。

數(shù)據(jù)來源

本文數(shù)據(jù)來源于小豬短租平臺。小豬短租于2012年成立，平臺主要為用戶提供民宿短期租賃服務(wù)，經(jīng)過八年時間的發(fā)展已成為我國共享住宿業(yè)的代表企業(yè)。小豬短租平臺是一個專業(yè)的民宿網(wǎng)站平臺，有完善的服務(wù)售后體系，近年來正快速成長，數(shù)據(jù)量有保證，其在線點評具有良好的代表性。

數(shù)據(jù)采集

本文采用網(wǎng)絡(luò)爬蟲這種目前比較主流的方法，利用Python語言抓取數(shù)據(jù)，構(gòu)建西安市民宿業(yè)評論數(shù)據(jù)庫。一般的爬蟲方法都是通過尋找網(wǎng)址規(guī)律模擬，向瀏覽器發(fā)送request請求，需要分析所有通信流程才能得到目標(biāo)網(wǎng)址中的數(shù)據(jù)。通過上述流程獲取小豬短租網(wǎng)站中的西安市民宿業(yè)線上評論內(nèi)容，共8200條。評論內(nèi)容包括民宿名稱、總評分、地址、配備設(shè)施、房客姓名、評論時間、房客評論。

數(shù)據(jù)預(yù)處理

使用網(wǎng)絡(luò)爬蟲技術(shù)得到格式為csv的民宿業(yè)文本評論原始數(shù)據(jù)，由于原始數(shù)據(jù)中包含大量重復(fù)、冗余的無效數(shù)據(jù)而不能直接進行分析，若使用未經(jīng)清洗的原始數(shù)據(jù)進行后續(xù)分析，產(chǎn)生的結(jié)果會不準(zhǔn)確，出現(xiàn)這種結(jié)果的原因是因為其中存在無效數(shù)據(jù)。本文選擇Excel軟件使用篩選功能和查找功能對無效評論進行清洗。原始數(shù)據(jù)中訪客評論共有8200條，經(jīng)過清洗后的數(shù)據(jù)為8177條。

基于可視化技術(shù)的特征分析

通常，我們更愿意處理由多個詞匯組合而成的文本，而不是由句子組合而成的，因此，需要進一步處理非結(jié)構(gòu)化文本評論。本文使用Python語言中的nltk模塊和jieba程序包均可對文本進行分詞處理。由Python對民宿業(yè)文本評論按照上述過程進行分詞處理，然后統(tǒng)計民宿業(yè)評論分詞結(jié)果中的前50個高頻詞，發(fā)現(xiàn)出現(xiàn)頻率最高的三個詞分別為“房東”“房間”“方便”，對應(yīng)的頻數(shù)為4308、3390、2728。

情感語義圖是一個有向圖，可以表示兩個物件之間的關(guān)系，它包含著許多結(jié)點和弧，一個結(jié)點表示一個概念或者事件，一個弧連接著兩個結(jié)點表示結(jié)點之間存在的關(guān)系網(wǎng)絡(luò)，因此，使用語義分析能夠直觀發(fā)現(xiàn)特征詞之間的關(guān)系，尤其關(guān)注情感語義圖的中心結(jié)點，進一步分析民宿業(yè)在線評論特征。本文通過ROST CM6軟件對西安市民宿業(yè)在線評論進行社會網(wǎng)絡(luò)語義分析。語義關(guān)系頻數(shù)表和語義關(guān)系圖可知，房東、房間、方便、干凈是重要的中心節(jié)點，特征詞與這兩個節(jié)點越接近，它們之間的聯(lián)系就越緊密，具體分析的內(nèi)容如下：

1.以“房間”為節(jié)點，距離較近的關(guān)鍵詞有“方便”“位置”“交通”“整潔”“干凈”“舒服”“溫馨”“體驗”。說明民宿的地理位置、交通便利程度、衛(wèi)生情況、裝修環(huán)境和體驗感是房客選擇時考慮的關(guān)鍵因素。

2.相對于民宿而言，房東是民宿中比較重要的角色。以“房東”為節(jié)點，關(guān)鍵詞有“姐姐”“熱情”“滿意”“貼心”“問題”。其中，與“滿意”關(guān)聯(lián)頻數(shù)為393，與“問題”關(guān)聯(lián)頻數(shù)為253，說明房東為女性居多且服務(wù)態(tài)度熱情，對于民宿的環(huán)境和房東提供的服務(wù)，大部分房客持滿意態(tài)度，但是仍存在著一些問題需要解決。

3.“設(shè)施”“衛(wèi)生”和“問題”三個節(jié)點出現(xiàn)的頻率也比較高，說明設(shè)施設(shè)備配備情況、和衛(wèi)生情況備受關(guān)注，且在入住過程中可能伴隨著些許問題?？梢詫⑺鼈冏鳛槎壴~匯，它們也反映了民宿業(yè)發(fā)展的影響因素。

基于LDA主題模型的特征分析

在對文本評論進行可視化分析后，我們需要更進一步挖掘民宿業(yè)文本評論中的語義，而語義挖掘的工具就是主題模型。LDA主題模型在眾多主題模型中更為有效方便，此方法假定每個文檔對應(yīng)一個不同的主題，并且每個主題與多個不同的詞相對應(yīng)，然后根據(jù)每個文檔找到相應(yīng)的主題分布，再依據(jù)每個主題找到里面所對應(yīng)的詞。

根據(jù)以上的 LDA 主題模型的原理可以進行實際分析，本文利用Python中的gensim程序包進行主題模型分析，首先對民宿業(yè)在線評論數(shù)據(jù)進行文本預(yù)處理建立向量空間模型，然后使用gensim程序包對民宿業(yè)評論內(nèi)容建立LDA主題模型。

一行表示一個主題，每個主題為了方便展示只輸出了權(quán)重最高的前8個特征詞，每個特征詞后的數(shù)字表示該特征詞所占權(quán)重。第二行的主題可以概括為房客對民宿“設(shè)備要素”方面的描述，其中權(quán)重最高的特征詞“熱水”后的0.431就是該詞條相對于該主題的權(quán)重。根據(jù)民宿業(yè)評論LDA建模結(jié)果可以看出房客主要關(guān)注的方面有：設(shè)施設(shè)備、地理位置、交通情況、周邊情況、衛(wèi)生情況、房東服務(wù)、價格等。

綜合以上三種方法可以看出基于可視化分析中詞云圖和情感語義圖提取到同樣的評論特征，為交通情況、設(shè)施設(shè)備、衛(wèi)生情況、裝修風(fēng)格、服務(wù)態(tài)度和總體評價。對文本評論建立LDA模型所得的主題，相比于可視化分析結(jié)果，新增三個文本特征，分別為價格、安全、裝修風(fēng)格。整理上述分析結(jié)果，提取到9個民宿業(yè)的在線評論特征，分別為交通情況、周邊情況、裝修風(fēng)格、設(shè)施設(shè)備、服務(wù)態(tài)度、衛(wèi)生情況、總體評價、價格、安全。

本文使用Word2vector模型中的Skip-gram模型和K-means聚類方法對同義詞語進行匯總，得到西安市民宿業(yè)評價指標(biāo)體系，如表所示。

國內(nèi)多數(shù)學(xué)者建立民宿業(yè)評價指標(biāo)體系，一般只含有兩級指標(biāo)，并未細(xì)分二級指標(biāo)得到相應(yīng)的三級指標(biāo)。本文建立的西安市民宿業(yè)評價指標(biāo)體系細(xì)分到三級指標(biāo)，能夠看出西安市民宿與其他地區(qū)民宿的具體區(qū)別，與其他學(xué)者建立的各地民宿業(yè)指標(biāo)體系對比后發(fā)現(xiàn)西安市民宿業(yè)房客更關(guān)注民宿周邊環(huán)境，尤其是商業(yè)中心和餐飲服務(wù)。指標(biāo)體系中二級指標(biāo)“裝修風(fēng)格”也是其他指標(biāo)體系中從未出現(xiàn)的，說明西安市民宿裝修風(fēng)格更加多元化，有日系、北歐、現(xiàn)代等多種風(fēng)格，是西安市民宿特色之一。

（渭南師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院）