沈俊鑫 林佳慧 李 晶

（1. 昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院 云南昆明 650500；2. 寧波工程學(xué)院經(jīng)濟(jì)與管理學(xué)院 浙江寧波 315211）

一、引言

在全球新冠肺炎疫情的背景之下，旅游業(yè)發(fā)展舉步維艱。相比2019年，2020年的國內(nèi)旅游收入下降了34964.62億元，同比下降61%，旅游人次也大幅下降，不足2019年旅游人次的一半。同時(shí)，旅游行業(yè)仍然存在虛假宣傳、強(qiáng)迫消費(fèi)、安全衛(wèi)生等問題[1]，而文化和旅游部又提出要以高質(zhì)量旅游服務(wù)供給引領(lǐng)和創(chuàng)造新需求，助力建設(shè)高標(biāo)準(zhǔn)旅游市場體系，不斷增強(qiáng)廣大游客的獲得感、幸福感、安全感[2]。因此，學(xué)者們越來越關(guān)注游客的偏好、興趣特征，從游客感知出發(fā)，提高旅游服務(wù)質(zhì)量，推動旅游業(yè)復(fù)蘇。但是，旅游服務(wù)質(zhì)量的傳統(tǒng)研究大多采用定性方法建立旅游服務(wù)質(zhì)量指標(biāo)體系，通過問卷調(diào)查獲取游客滿意度評價(jià)，量化后再采用其他方法進(jìn)行研究。然而通過建立指標(biāo)體系來獲取游客對旅游目的地的評價(jià)，并不能完整地展現(xiàn)游客對旅游目的地的看法[3]。同時(shí)，問卷調(diào)查缺乏彈性，不能了解問卷以外的信息，而且受限于研究者的認(rèn)知水平，可能會遺漏一些更深層和細(xì)致的信息，甚至?xí)霈F(xiàn)認(rèn)知偏見和錯(cuò)誤的預(yù)設(shè)。然而，隨著互聯(lián)網(wǎng)的快速發(fā)展和社交媒體的推廣與普及，游客開始在旅游社交平臺或是網(wǎng)站上發(fā)布大量關(guān)于旅途的評論信息，研究者可以通過評論數(shù)據(jù)獲取游客對旅游目的地的整體看法，大數(shù)據(jù)的時(shí)代來臨也為處理這些評論數(shù)據(jù)提供了工具。此外，云南擁有豐富的旅游資源，旅游業(yè)作為云南省的支柱性產(chǎn)業(yè)，對其經(jīng)濟(jì)增長有顯著的拉動作用。鑒于此，本文將運(yùn)用游客情感分析的理論，通過擴(kuò)充游客評論情感詞典，提高情感分析的準(zhǔn)確性，以赴云南旅游的游客評論為文本數(shù)據(jù)，感知游客對云南旅游服務(wù)質(zhì)量的態(tài)度與看法，探尋其對旅游目的地的情感傾向與特征，揭示游客產(chǎn)生不同情感傾向的原因，希望對云南旅游業(yè)的復(fù)蘇和發(fā)展提供積極參考。

二、文獻(xiàn)綜述

（一） 旅游服務(wù)質(zhì)量

隨著旅游業(yè)的快速發(fā)展，旅游市場競爭日趨激烈，學(xué)者們開始關(guān)注旅游服務(wù)質(zhì)量，試圖通過提高服務(wù)質(zhì)量來增強(qiáng)旅游目的地或旅游企業(yè)的競爭力。Gronroos[4-5]最早提出了顧客感知服務(wù)質(zhì)量模型，接著將服務(wù)質(zhì)量理論引入旅游學(xué)的研究中，從顧客視角出發(fā)，定義旅游服務(wù)質(zhì)量的概念。隨后，Voget和Fesenmaier[6]提出服務(wù)提供者和企業(yè)無法真正了解游客的需求，應(yīng)該關(guān)注游客本身，才能達(dá)到提升旅游服務(wù)質(zhì)量的目標(biāo)。而隨著旅游服務(wù)質(zhì)量理論的發(fā)展與傳播，國內(nèi)學(xué)者也從廣義與狹義兩方面對旅游服務(wù)質(zhì)量進(jìn)行了定義[7]。在旅游服務(wù)質(zhì)量的評價(jià)模型方面，學(xué)者們大多采用的是傳統(tǒng)的SERVQUAL、SERVPERF和IPA等服務(wù)質(zhì)量評價(jià)模型，創(chuàng)新度不夠。比如，閆金娟和趙希勇[8]以SERVPER評價(jià)模型為理論基礎(chǔ)，運(yùn)用德爾菲法選擇指標(biāo)，構(gòu)建了鄉(xiāng)村旅游服務(wù)質(zhì)量評價(jià)體系。國外學(xué)者運(yùn)用SERVQUAL模型評價(jià)西里西亞博物館的旅游服務(wù)質(zhì)量[9]。此外，還有學(xué)者運(yùn)用IPA模型對旅游服務(wù)質(zhì)量提升進(jìn)行了深入的研究[10]。在研究方法方面，國內(nèi)學(xué)者主要使用的是模糊綜合評價(jià)法和灰色關(guān)聯(lián)法。其中，學(xué)者們大都是運(yùn)用模糊評價(jià)法構(gòu)建旅游質(zhì)量評價(jià)指標(biāo)體系，對游客體驗(yàn)的旅游服務(wù)質(zhì)量進(jìn)行評價(jià)[11-12]；也有學(xué)者從模糊數(shù)學(xué)的角度建立旅游服務(wù)質(zhì)量的模糊評價(jià)模型[13]；王恩旭等[14]則是運(yùn)用灰色關(guān)聯(lián)法分析入境游客對旅游服務(wù)質(zhì)量的滿意度，發(fā)現(xiàn)交通、娛樂和購物服務(wù)質(zhì)量相對較差。

總體來說，學(xué)者們偏向用不同方法、模型去研究旅游服務(wù)質(zhì)量，雖然有做出新的嘗試，但是對模型和方法的改進(jìn)不大，也沒有對游客關(guān)注的旅游要素進(jìn)行情感傾向區(qū)分，比如旅游地的景色、旅游路線的安排、旅游地當(dāng)?shù)氐奈幕厣龋@些要素是如何影響游客的情緒，對游客會產(chǎn)生怎樣的影響，仍然有待進(jìn)一步研究。

（二） 在線評論與網(wǎng)絡(luò)文本挖掘

互聯(lián)網(wǎng)的高速發(fā)展加快了信息的傳播速度，使得在線評論成為人們闡述個(gè)人觀點(diǎn)、看法的重要形式。同時(shí)，大數(shù)據(jù)技術(shù)的發(fā)展也為挖掘網(wǎng)絡(luò)文本深層信息提供了各種工具。

在線評論可以構(gòu)建一個(gè)包含文本信息、用戶信息、情感信息等方面的數(shù)據(jù)集，挖掘數(shù)據(jù)集中的用戶情感信息，對用戶生成個(gè)性化推薦[15]。還有研究表明，通過對評論文本特征以及評論者的社會身份和社會網(wǎng)絡(luò)展開分析，可以找出影響酒店在線評論同行評價(jià)的因素[16]。在線客戶評論和評分是影響旅游購買決策的強(qiáng)大信息來源[17]，旅游網(wǎng)站上游客的在線評論可信度會對其他游客購買決策產(chǎn)生影響[18]。游客在線評論是游客對旅游地的形象感知在互聯(lián)網(wǎng)上的映射，通過對網(wǎng)絡(luò)信息的挖掘與分析，可以幫助游客了解旅游地的形象特征[19]。但總的來說，在線文本挖掘的相關(guān)研究大都集中在社交平臺評論和產(chǎn)品使用評論，對游客評論的研究還相對較少，而且主要是研究游客評論反映的旅游地形象，對通過游客評論感知目的地旅游服務(wù)質(zhì)量的研究關(guān)注度還不夠。

（三） 在線文本情感分析技術(shù)

近年來，情感分析已經(jīng)成為一個(gè)熱門的研究話題，可以將情感文本分類用來收集用戶的偏好[20]。文本的情感分類廣泛應(yīng)用在市場營銷、政治學(xué)、心理學(xué)、人機(jī)交互、人工智能等領(lǐng)域，并展現(xiàn)了巨大的潛力。通過對情感分類的不同研究方法歸納匯總，發(fā)現(xiàn)文本情感分類的方法主要分為基于情感詞典、基于機(jī)器學(xué)習(xí)以及基于深度學(xué)習(xí)三種[21-22]。比如，有學(xué)者運(yùn)用基于詞典的情感分析方法對酒店評論進(jìn)行細(xì)粒度分類，了解用戶對酒店服務(wù)質(zhì)量的細(xì)粒度情感評價(jià)，研究影響用戶滿意度的因素[23]。李杰和李歡[24]則是通過卷積神經(jīng)網(wǎng)絡(luò)算法提取產(chǎn)品特征并對產(chǎn)品在線評論進(jìn)行情感分類。

研究在線評論情感分類的相關(guān)文獻(xiàn)發(fā)現(xiàn)，含有明確情感傾向的文本很容易判斷其情感極性，但對于不含任何情感詞的中性文本判斷的準(zhǔn)確度不高[25]，說明在判斷情感傾向時(shí)更應(yīng)該關(guān)注那些沒有使用明確的情感詞語來表達(dá)情感的文本，而不是帶有明顯情感傾向的文本。因此，學(xué)者們開始通過改進(jìn)算法或是對詞典進(jìn)行擴(kuò)充來提高情感分類的準(zhǔn)確性。比如，景麗等[26]將情感詞典與機(jī)器學(xué)習(xí)相結(jié)合，構(gòu)建了網(wǎng)絡(luò)評論情感分類模型，對情感詞典進(jìn)行擴(kuò)充后得出基于情感詞典的分類結(jié)果，再通過機(jī)器學(xué)習(xí)方法提高難以確定情感傾向文本的分類準(zhǔn)確性。Fahad[27]利用基于監(jiān)督學(xué)習(xí)的Logistic回歸分類器對文本內(nèi)容進(jìn)行情感檢測，明顯提高了系統(tǒng)情感分類的性能。

通過回顧相關(guān)文獻(xiàn)，可以發(fā)現(xiàn)在線評論文本的挖掘技術(shù)和情感分析技術(shù)已經(jīng)在眾多領(lǐng)域應(yīng)用，其發(fā)展和研究已經(jīng)較為成熟，這也為接下來的研究提供了技術(shù)基礎(chǔ)。鑒于此，本文從游客感知角度出發(fā)，運(yùn)用大數(shù)據(jù)文本挖掘和情感分析技術(shù)，從游客評論數(shù)據(jù)中探尋赴云南旅游游客的情感傾向和特征，了解云南旅游服務(wù)質(zhì)量的當(dāng)前狀況。

三、研究方法與數(shù)據(jù)

（一） 研究區(qū)域

本文選擇云南省作為研究區(qū)域，一是因?yàn)樵颇蠐碛胸S富的旅游資源，旅游業(yè)對云南經(jīng)濟(jì)的拉動作用十分突出。二是在全球疫情的大環(huán)境下，出境游基本處于停滯狀態(tài)，而國內(nèi)疫情在嚴(yán)格防控下，旅游業(yè)逐漸開始復(fù)蘇。云南省是我國的旅游大省，2020年國內(nèi)赴云南的游客人數(shù)為5.29億人次，已經(jīng)達(dá)到了疫情前2019年的66.13%，相比其他地方，將云南省作為研究區(qū)域有較好的現(xiàn)實(shí)意義。在此基礎(chǔ)上，本文選取了云南省的昆明、大理、麗江、迪慶、西雙版納共五個(gè)著名的云南旅游城市進(jìn)行研究，又從這五個(gè)城市中選取了網(wǎng)絡(luò)上點(diǎn)評數(shù)量最多的景點(diǎn)，包括滇池、石林、民族村、斗南花市、七彩云南歡樂世界、蒼山、洱海、大理古城、麗江古城、玉龍雪山、瀘沽湖、香格里拉、梅里雪山、普達(dá)措、松贊林寺、景洪告莊、野象谷、西雙版納原始森林公園共18個(gè)景點(diǎn)。

（二） 數(shù)據(jù)來源和預(yù)處理

本文采集的游客數(shù)據(jù)來源于攜程網(wǎng)，利用Python抓取了13899條游客在線評論，收集的數(shù)據(jù)為2021年一整年的游客評論，包含了一年中的所有節(jié)假日。但原始數(shù)據(jù)良莠不齊，包含了大量的噪音。所以先要對數(shù)據(jù)進(jìn)行清理，去掉重復(fù)、無意義評論和默認(rèn)好評后剩余7021條有效游客評論。接著利用Python中的Jieba分詞包對游客的評論進(jìn)行分詞，為了提高分詞的效率，整合了百度、哈工大以及四川大學(xué)機(jī)器智能實(shí)驗(yàn)室停用詞表并進(jìn)行去重，剩下了1501個(gè)停用詞，加上根據(jù)游客的評論和游記整理出來的65個(gè)停用詞，一共1566個(gè)停用詞構(gòu)成了停用詞表，用來過濾掉評論文本中無意義的詞語和字符。

（三） 情感分析模型構(gòu)建

1. 游客評論情感詞典

首先將HowNet情感詞典、清華大學(xué)李軍褒貶義詞典和臺灣大學(xué)NTUSD簡體中文情感詞典進(jìn)行匯總、去重并刪去了一些生僻字和與旅游業(yè)無關(guān)的詞匯，得到了基礎(chǔ)情感詞典。其中，正面詞9659個(gè)，負(fù)面詞12908個(gè)。其次，通過閱讀和整理旅游相關(guān)文獻(xiàn)以及游客評論，提取和整理了游客評價(jià)的詞典，共包含446個(gè)正面詞和518個(gè)負(fù)面詞。最后，匯總得到游客評論情感詞典，總共是10105個(gè)正面詞和13426個(gè)負(fù)面詞。

同時(shí)，考慮到游客表達(dá)的情感傾向的強(qiáng)弱，進(jìn)一步對情感詞前后的程度副詞進(jìn)行了梳理，對不同的程度副詞賦予不同的系數(shù)。本文選取了HowNet詞庫中的219個(gè)程度副詞，根據(jù)其強(qiáng)弱等級，包括極其/最、很、較、稍、欠、過六個(gè)等級，以0.5為單位依次遞減，從3到0.5賦權(quán)重。例如，當(dāng)一條評論中出現(xiàn)“好看”這個(gè)詞時(shí)，將被記錄1分，而當(dāng)“好看”這個(gè)詞的前面還有“最”或者“很”等程度副詞的時(shí)候，分值將變?yōu)?分或者2.5分。對分句的所有情感詞進(jìn)行得分計(jì)算之后，將對每一條評論的正負(fù)情感得分進(jìn)行總計(jì)。程度副詞可以用來判斷文本的情感強(qiáng)弱，而否定詞和轉(zhuǎn)折詞則會導(dǎo)致句子的情感傾向發(fā)生變化。因此，筆者整理了39個(gè)否定詞和轉(zhuǎn)折詞作為否定詞典。情感詞典的具體規(guī)則見表1。

表1 情感詞典具體規(guī)則

2. 基于情感詞典的情感分類模型

設(shè)計(jì)情感分類的算法用于計(jì)算每條評論的情感得分，以此判斷游客對云南旅游服務(wù)質(zhì)量的態(tài)度和看法。首先利用Python將每條游客的評論根據(jù)標(biāo)點(diǎn)符號進(jìn)行切分，分成多個(gè)短句；再應(yīng)用Jieba模塊對每個(gè)子句進(jìn)行分詞，去除停用詞后組成一個(gè)分詞字典。將分詞和游客評論情感詞典進(jìn)行匹配，找出每句話中的情感詞，再查找情感詞的前后是否存在程度副詞和否定詞，若存在，則賦予相應(yīng)的系數(shù)。然后計(jì)算每個(gè)分句的情感得分值，將各個(gè)分句的情感得分進(jìn)行加減計(jì)算，最終得到每條評論的情感得分值。具體的公式如下：

其中，F(xiàn)i表 示每個(gè)分句的情感得分，m表示每個(gè)分句的否定詞個(gè)數(shù)，w是分句中程度詞對應(yīng)的權(quán)重，s表示分句的找出正面詞和負(fù)面詞后的基礎(chǔ)得分，n表示每條評論的分句數(shù)，F(xiàn)表示每條評論的總分。根據(jù)以上算法，計(jì)算出每條評論的情感得分，得分大于0的為正面評論，得分小于0的為負(fù)面評論，等于0則為中性評論。

（四） 游客評論可視化技術(shù)

基于上述算法對游客評論文本進(jìn)行情感分析后，使用Python環(huán)境下的Wordcloud模塊對正面和負(fù)面評論進(jìn)行主題挖掘，找出關(guān)鍵詞，根據(jù)詞頻的變化對游客評論進(jìn)行可視化。同時(shí)，利用ROST Content Mining的社會語義網(wǎng)絡(luò)對正面、負(fù)面評論文本進(jìn)行內(nèi)容挖掘，生成關(guān)鍵詞社會網(wǎng)絡(luò)關(guān)系圖，探尋關(guān)鍵詞之間的邏輯關(guān)系。

四、結(jié)果與討論

（一） 游客評論情感分類結(jié)果

通過前面的處理，游客評論被分成正面、負(fù)面、中性評論三類。正面評論5869條，中性評論631條，負(fù)面評論521條。其中，昆明是正面評論比例最高的旅游目的地，其次是大理；而負(fù)面評論比例最高的旅游目的地是西雙版納。詳細(xì)數(shù)據(jù)見表2。

表2 云南游客評論情感分類統(tǒng)計(jì)表

（二） 基于可視化技術(shù)的游客情感特征分析

對游客評論進(jìn)行了情感分類后，接下來運(yùn)用詞云和社會語義網(wǎng)絡(luò)將云南五個(gè)旅游目的地的正面和負(fù)面評論數(shù)據(jù)可視化，讓游客評論以更加直觀的方式展現(xiàn)出來，也方便進(jìn)一步提取評論文本中的信息。

1. 基于詞云的可視化分析

根據(jù)情感分類后的評論文本，為正面評論和負(fù)面評論分別繪制出詞云圖（見圖1、圖2），進(jìn)一步挖掘評論文本中隱藏的信息，找出關(guān)鍵特征。

圖1 正面評論詞云圖

圖2 負(fù)面評論詞云圖

通過正面評價(jià)詞云圖可以直觀地看出，游客在旅游中最關(guān)注旅游地的景色、可玩性、旅游體驗(yàn)感，圖中“景色、值得、風(fēng)景、美、好玩、漂亮、體驗(yàn)、推薦”以及“性價(jià)比高”等詞的出現(xiàn)頻率較高，旅游目的地可以以景色為賣點(diǎn)進(jìn)行宣傳，吸引游客；同時(shí)，旅游地可以在可玩性和體驗(yàn)感方面進(jìn)行提升、改善，提高游客滿意度。

從負(fù)面評價(jià)詞云圖中較為直觀地反映了赴云南旅游的游客對旅游地的負(fù)面印象。其中，“沒有、景色、一般、貴、商業(yè)化、體驗(yàn)、差、可玩性低、服務(wù)”和“排隊(duì)”等都是出現(xiàn)頻率較高的詞，說明旅游地的景色一般、體驗(yàn)沒有達(dá)到游客預(yù)期、景區(qū)商業(yè)化嚴(yán)重、可玩性低、工作人員服務(wù)態(tài)度不好以及排隊(duì)時(shí)間長等原因都會使游客對旅游目的地產(chǎn)生不滿情緒，從而進(jìn)行差評。同時(shí)，詞云圖也展現(xiàn)了云南旅游業(yè)存在的部分問題，指出了云南旅游業(yè)需要改進(jìn)的地方。

2. 基于語義網(wǎng)絡(luò)的可視化分析

詞云分析可以非常直觀地看到游客的關(guān)注點(diǎn)，但不能展現(xiàn)關(guān)鍵詞之間的邏輯關(guān)系。因此，還需要為正面、負(fù)面評論分別構(gòu)建社會網(wǎng)絡(luò)關(guān)系圖（見圖3、圖4），探尋游客產(chǎn)生正面和負(fù)面評論的原因。其中，節(jié)點(diǎn)之間的連線表示關(guān)鍵詞之間的關(guān)聯(lián)，線條的疏密程度表示詞語之間共現(xiàn)的頻率高低。

圖3 正面評論社會網(wǎng)絡(luò)關(guān)系圖

圖4 負(fù)面評論社會網(wǎng)絡(luò)關(guān)系圖

從正面評論社會網(wǎng)絡(luò)關(guān)系圖中可以看到，主要關(guān)鍵詞是“值得、風(fēng)景、景色”，而“導(dǎo)游、性價(jià)比高、有趣、方便、拍照”則是次要關(guān)鍵詞。其中“值得”與“玩得開心、方便、文化、特色”等正面評價(jià)詞相關(guān)聯(lián)，“景色”連接了“拍照、美麗、性價(jià)比高”等詞，“風(fēng)景”則主要與“時(shí)間、有趣、自然”相連。由此可以看出，旅游地的美景和高性價(jià)比的體驗(yàn)是游客產(chǎn)生好評的主要原因。除此之外，精彩的表演、好玩的項(xiàng)目、旅游地可以拍照打卡、交通方便、旅行團(tuán)時(shí)間路線安排合理、熱情好客的導(dǎo)游以及當(dāng)?shù)匚幕厣諊鷿庥舻纫蛩匾矔層慰彤a(chǎn)生正面的評價(jià)。

負(fù)面評論社會網(wǎng)絡(luò)關(guān)系圖中，可以看到“大象”“表演”“門票”“景色”這四個(gè)是主要關(guān)鍵詞，也是游客產(chǎn)生負(fù)面情緒的重要因素。其中“大象”與“可憐、看不到、人員”等詞相關(guān)聯(lián)，“表演”也連接了“大象、孔雀、商業(yè)化”等詞，表明動物表演的殘忍可能是造成游客產(chǎn)生負(fù)面評價(jià)的重要原因；“門票”與“性價(jià)比低、可玩性低、沒啥、體驗(yàn)、不值”等詞連接，說明游客認(rèn)為游玩的實(shí)際體驗(yàn)與門票價(jià)格不一致也是其產(chǎn)生負(fù)面評價(jià)的原因之一；“景色”主要連接了“沒啥、不推薦、有待改進(jìn)”等詞，可以判斷游客發(fā)布負(fù)面評價(jià)是因?yàn)槁糜蔚鼐吧钊耸?。而工作人員態(tài)度惡劣、體驗(yàn)感差等原因會導(dǎo)致游客產(chǎn)生負(fù)面情緒，甚至出現(xiàn)投訴。此外，還發(fā)現(xiàn)“遺憾”和“沒看到”主要是由于當(dāng)?shù)靥鞖饣驎r(shí)間導(dǎo)致，還有部分負(fù)面評價(jià)集中在游客出現(xiàn)高原反應(yīng)和景區(qū)商業(yè)化嚴(yán)重等因素上。這些負(fù)面評價(jià)集中反映了云南旅游業(yè)中急需改進(jìn)的地方，也為下文提出改進(jìn)措施指明了方向。

（三） 小結(jié)

總體來說，游客對云南旅游地產(chǎn)生正負(fù)面情感傾向的原因不盡相同，對不同城市的情感傾向也同樣具有差異。通過分析發(fā)現(xiàn)，游客更偏向昆明、大理、麗江三個(gè)旅游城市，不僅正面評論比例高，而且負(fù)面評論也較低。其中，昆明作為云南省會城市，提供的旅游景點(diǎn)多樣，而且配套的旅游服務(wù)設(shè)施較完善，能夠滿足游客在旅途中的觀光、休閑、購物、美食等多種需求。大理、麗江可能配套的旅游服務(wù)設(shè)施不如昆明完善，但自身的旅游資源豐富，足夠吸引游客。而迪慶和西雙版納相對而言，都屬于云南的邊境城市，比較偏遠(yuǎn)，交通不便，而且吸引游客的旅游景點(diǎn)多為自然景觀和人文古跡，配套的旅游服務(wù)設(shè)施也不夠完善，一旦遇上惡劣天氣，非常容易引發(fā)游客的負(fù)面情緒。

在對負(fù)面評價(jià)進(jìn)行分析時(shí)，可以發(fā)現(xiàn)“體驗(yàn)感一般”是游客產(chǎn)生負(fù)面情感傾向的一個(gè)重要原因，這可能是由于旅游地同質(zhì)化現(xiàn)象嚴(yán)重，游客認(rèn)為和其他地方的景區(qū)沒有區(qū)別，完全沒有體現(xiàn)云南本地的特色。同時(shí)，對比了負(fù)面評論相應(yīng)的游客評分發(fā)現(xiàn)，游客雖然發(fā)布了負(fù)面的評論，但是不一定會給出非常低的評分，評分主要集中在3~5分，說明游客的評分和評價(jià)內(nèi)容不一致，由此表明了通過處理游客評論文本對游客情感傾向進(jìn)行分類具有一定的科學(xué)性。

五、結(jié)論、建議與討論

（一） 結(jié)論

本文基于大數(shù)據(jù)技術(shù)獲取游客評論數(shù)據(jù)，通過游客評論感知云南旅游服務(wù)質(zhì)量，運(yùn)用情感分類方法來分析游客的情感傾向和特征，最后采用可視化技術(shù)將游客的情感傾向和特征直觀地展示出來，進(jìn)一步挖掘出評論文本中隱藏的深層信息，研究結(jié)論如下：

一是赴云南旅游的游客產(chǎn)生正、負(fù)面情感評論的原因不盡相同。其中，游客對于自然風(fēng)光、文化特色、美食、網(wǎng)紅打卡點(diǎn)等一般都會給出正面評價(jià)；而對收費(fèi)較高的項(xiàng)目、商業(yè)化嚴(yán)重的古城等容易產(chǎn)生差評，主要原因是游客在價(jià)格預(yù)期和實(shí)際體驗(yàn)之間的落差較大，導(dǎo)致其認(rèn)為性價(jià)比低，從而產(chǎn)生不滿情緒。此外，游客即使對旅游目的地的某些服務(wù)或因素不滿，也不一定會發(fā)布低分差評，因此旅游網(wǎng)站上的總體評分偏高。

二是游客非常重視旅途中的體驗(yàn)感，旅游目的地的“體驗(yàn)感一般”容易使游客產(chǎn)生負(fù)面情緒，而景區(qū)商業(yè)化、同質(zhì)化嚴(yán)重是造成游客認(rèn)為“體驗(yàn)感一般”的重要原因。

三是游客對不同城市的情感傾向與該城市的基本特征息息相關(guān)。一般來說，旅游基礎(chǔ)設(shè)施齊全、交通便利的大城市相對旅游設(shè)施不完善的邊緣小城更容易獲得游客正面評價(jià)。

（二） 建議

為了推動疫情之下的旅游市場回暖，促進(jìn)云南旅游業(yè)繼續(xù)高質(zhì)量發(fā)展，本文基于旅游大數(shù)據(jù)對云南旅游服務(wù)質(zhì)量當(dāng)前存在的問題進(jìn)行了研究，為云南旅游業(yè)發(fā)展提出以下建議：

一是完善現(xiàn)有的旅游服務(wù)配套設(shè)施，滿足游客多種需求，為游客提供高質(zhì)量的旅游體驗(yàn)；合理規(guī)劃偏遠(yuǎn)景區(qū)的道路，增加中心城區(qū)與景區(qū)之間的交通設(shè)施，不僅可以方便游客出入景區(qū)，在人流量大時(shí)還可以減少排隊(duì)、堵車現(xiàn)象。

二是旅游目的地要重視網(wǎng)絡(luò)評論，及時(shí)了解游客情感偏好，利用數(shù)據(jù)挖掘和分析技術(shù)，了解游客真實(shí)的情感特征，能夠有針對性地進(jìn)行相關(guān)營銷策略調(diào)整，為游客提供更加貼心、便捷的服務(wù)。比如，游客對旅游目的地產(chǎn)生“不值”的負(fù)面情感，大都是因?yàn)槔硐肱c現(xiàn)實(shí)之間的差距太大，旅游目的地可以通過大數(shù)據(jù)技術(shù)建立游客數(shù)據(jù)庫，根據(jù)游客偏好提供相關(guān)的服務(wù)或是產(chǎn)品，滿足游客的需求。

三是加強(qiáng)對旅游從業(yè)人員的服務(wù)意識培訓(xùn)與管理，做到以游客為本，避免服務(wù)態(tài)度惡劣、誘導(dǎo)消費(fèi)、強(qiáng)制消費(fèi)等情況發(fā)生，從根源上減少因服務(wù)意識不強(qiáng)導(dǎo)致游客不滿的情況發(fā)生。

四是找準(zhǔn)旅游城市和旅游產(chǎn)品定位，堅(jiān)持文化與旅游相融合。充分挖掘具有云南文化特色的旅游資源，比如，云南的多民族文化、普洱茶文化等，與當(dāng)前同質(zhì)化嚴(yán)重的景區(qū)形成差異，讓游客體驗(yàn)到云南的別樣風(fēng)情，提升游客的旅游體驗(yàn)感。同時(shí)，還可以引進(jìn)高新技術(shù)，打造智慧景區(qū)，不僅可以提高景區(qū)管理效率，還能吸引年輕游客。

（三） 討論

本文利用大數(shù)據(jù)文本分析技術(shù)對赴云南旅游游客的情感傾向和特征做出了積極的嘗試，相比傳統(tǒng)的問卷調(diào)查方法，大數(shù)據(jù)能夠大幅度增加樣本量，而且選取了2021年一整年的評論數(shù)據(jù)，覆蓋了一年中所有的節(jié)假日，數(shù)據(jù)具有實(shí)時(shí)性，基本上可以獲得游客對云南旅游地的整體評價(jià)情況，能更加深刻地挖掘游客評論數(shù)據(jù)中的信息。同時(shí)，通過研究游客產(chǎn)生正負(fù)面情感傾向的原因，還有游客對不同城市產(chǎn)生不同的情感的原因，為改進(jìn)云南旅游服務(wù)質(zhì)量指明了方向。當(dāng)然，本文也存在一些不足的地方。比如，通過大數(shù)據(jù)對文本情感分類只是基于給定的規(guī)則對人腦思維進(jìn)行簡單模擬，而不是像人一樣思考、推測、判斷，無法達(dá)到人類進(jìn)行情感分類的精確度。另外，本文的數(shù)據(jù)也具有局限性，僅限于攜程網(wǎng)站，并未從其他領(lǐng)域網(wǎng)站上獲取數(shù)據(jù)并進(jìn)行對比分析，無法發(fā)現(xiàn)不同網(wǎng)站的游客是否存在不同情感偏好。