基于情感分析的旅游景点推荐

发布时间：2021-01-21 03:51

　　近年来,旅游产业发展迅速,旅游门户网站层出不穷。相关的数据信息以指数级的速度在增长,包括游客评论、景色趣味评分、个性化定制套餐等,海量的数据造成了信息过载,也催生了推荐研究。同时,游客评论是用户情感观点表达的形式,兼具价值密度高和开放性等特点。群体意见为其他游客在决定出行景点或套餐时提供了参考,形成一种动态的协同环境。大多数旅游景点的推荐研究针对用户个性化展开,旨在寻找社会网络里的关联用户,挖掘隐形的关联信息作出相似爱好推荐。一是未充分发挥旅游评论的多重价值,二是忽略群体推荐的重要性。针对上述现状,提出基于情感分析的旅游景点推荐,获取游客评论的情感倾向和情感状态,挖掘潜在的信息和问题,为用户出行决策做支撑。为了提高旅游评论的情感分析准确率,针对旅游评论文本冗长且句式复杂,现有的旅游类情感分析算法较少考虑文本特点和句法变化规则,导致分类准确率降低的问题,对算法提出了改进。根据句法规则对文本进行直接分类词、总结句和转折句的初步提取,再通过CNN分类,有效提高了准确率。在保证评论情感分析的准确率的基础上,拟定情感因子来矫正正负面评论数量失衡比例,获取相应的情感分值并标准化。对于部分景点的结果... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

012-2018年国内旅游人数变化

图 2-1 旅游评论数据爬取用信息的常见方式是数据库存储和本地文件存储。使用网络的好处有两点。一、可以获取到最新的数据，由于网络数据化较大，在针对一些实时性要求较高的问题时采用数据爬虫

自编写爬写评论小程序

【参考文献】：
期刊论文
[1]基于域适应的旅游景点个性化推荐算法研究[J]. 郑恩让,韩国锋,刘晨.  陕西科技大学学报. 2019(01)
[2]大数据挖掘在智慧旅游应用中的探讨[J]. 鄢创辉.  现代信息科技. 2018(09)
[3]采用在线评论的景点个性化推荐[J]. 王少兵,吴升.  华侨大学学报(自然科学版). 2018(03)
[4]基于情景上下文与信任关系的旅游景点推荐算法[J]. 沈记全,王磊,侯占伟,薛霄.  计算机应用研究. 2018(12)
[5]双通道卷积神经网络在文本情感分析中的应用[J]. 李平,戴月明,吴定会.  计算机应用. 2018(06)
[6]基于卷积神经网络与多特征融合的Twitter情感分类方法[J]. 王汝娇,姬东鸿.  计算机工程. 2018(02)
[7]基于卷积神经网络和KNN的短文本分类算法研究[J]. 殷亚博,杨文忠,杨慧婷,许超英.  计算机工程. 2018(07)
[8]基于标签的个性化旅游推荐[J]. 李雅美,王昌栋.  中国科学技术大学学报. 2017(07)
[9]基于大数据的旅游目的地情感评价方法探究[J]. 刘逸,保继刚,朱毅玲.  地理研究. 2017(06)
[10]基于卷积神经网络的自适应权重multi-gram语句建模系统[J]. 张春云,秦鹏达,尹义龙.  计算机科学. 2017(01)

博士论文
[1]基于句法和语义挖掘的Web金融评论情感分析[D]. 江腾蛟.江西财经大学 2015
[2]基于语义统计分析的网络舆情挖掘技术研究[D]. 万源.武汉理工大学 2012

硕士论文
[1]基于分层抽样统计与协同过滤的旅游景点推荐系统研究[D]. 刘斌.华东交通大学 2018
[2]多数据源环境下的旅游推荐算法研究[D]. 李泽龙.海南大学 2018
[3]基于主题模型的个性化景点推荐系统研究与实现[D]. 段道恒.海南大学 2018
[4]基于LBSNs的城市景点知识发现与推荐优化[D]. 徐向阳.电子科技大学 2018
[5]考虑季节情境因素的旅游景点主题模型及应用研究[D]. 王青.东南大学 2017
[6]基于双重信任关系的季节情境感知旅游景点个性化推荐研究[D]. 刘梦颖.东南大学 2017
[7]面向评论文本基于情感分析的可信推荐模型研究[D]. 刘妙.浙江理工大学 2016



本文编号：2990404