排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
游客的网络评论由于能够真实反映对旅游服务的真实体验及感受,正在逐渐影响旅游者对旅游目的地的看法甚至旅游消费行为。如何将碎片化的旅游评论转化为对其他用户和旅游经营者有价值的且直观的信息,成为旅游信息挖掘的热点。本文提出了基于LDA(Latent Dirichlet Allocation)主题发现模型的游客评论挖掘方法,以大众点评、携程及马蜂窝中关于故宫的用户在线评论为例,挖掘游客关于故宫的关注主题并分析其情感倾向。实验结果表明,故宫的游客网络评论主题包含入口服务、历史文化、体验感受以及遗址文物四个方面,游客对该四个主题的情感倾向均为正向;其中,大众点评和马蜂窝在体验感受方面的情感极性值较高。该方法对定位旅游目的地游客关注点具有实践意义。 相似文献
2.
【目的/意义】随着旅游网站的增加,游客的网络评论日益增多。针对传统方法在旅游短文本评论主题分类
时出现特征维度过高和数据稀疏等问题,本文提出一种基于卷积神经网络和 SOM的旅游评论主题发现方法。【方
法/过程】首先采用词向量来进行文本表示,降低了特征维度过高问题;其次,通过卷积神经网络对评论文本提取高
阶的抽象特征;最后在通过 SOM 模型基于提取到的抽象特征对主题进行聚类。【结果/结论】实验结果表明,
CNN-SOM算法较传统文本聚类算法在准确率、召回率和 F值上都有显著提高,能够更好的进行旅游评论的主题
发现。 相似文献
1