乡村旅游网络评论的应用研究

发布时间：2021-06-21 19:57

　　近年来,为了通过加快发展都市近郊的乡村旅游项目来提高农村发展水平,各种农业和旅游业融合发展的活动相继展开,但这些项目在发展过程中出现了同质化的现象,千篇一律,缺乏吸引力。随着“互联网+农业”发展模式的迅速推进,目前互联网上也出现了大量游客上传的与古村落和古镇相关的点评评论。这些古村落和古镇的发展已经初具规模,积累了一定的知名度,在地理定位上又与乡村一致,因此可以借鉴这类古村落和古镇在不同季节的经营方式,来改善出现同质化现象的乡村旅游项目的品质。本文选取8个全国具有代表性的古村落和古镇作为研究对象,采用爬虫技术采集了相关平台上与古村镇相关的游客评论,通过分析游客评论为同质化严重的乡村旅游的发展提供决策支持。首先,由于农业易受季节变化影响,以基础农业为依托的乡村旅游的经营也会受到季节变化的影响,本文提出采用加入时间标签的Labeled LDA模型分析这类文本信息。但现有的模型在进行主题分类时,尚不能区分季节性主题词和常规性主题词,据此本文提出通过引入方差来改进Labeled LDA模型中特征词权重的计算方法。实验结果表明,该模型能解决常规性主题词干扰主题分类的问题,相较于传统模型具有更强的... 

【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景
    1.2 研究目的与意义
    1.3 国内外研究现状
        1.3.1 网络评论的相关研究
        1.3.2 主题模型相关研究
        1.3.3 特征词提取相关研究
        1.3.4 联合情感/主题模型相关研究
        1.3.5 国内外研究小结
    1.4 研究内容与技术路线
    1.5 主要创新点
2 理论基础和关键技术
    2.1 主题模型
        2.1.1 LDA模型
        2.1.2 Labeled LDA模型
    2.2 TF-IDF特征提取方法
    2.3 JST模型简介
3 基于方差加权的Labeled LDA模型的主题分类
    3.1 改进Labeled LDA主题模型
        3.1.1 传统TF-IDF的不足
        3.1.2 方差加权
        3.1.3 方差加权的Labeled LDA模型
    3.2 实验过程
        3.2.1 实验数据
        3.2.2 对比实验
        3.2.3 评价指标
    3.4 结果分析
    3.5 本章小结
4 基于联合情感/主题模型的情感分类
    4.1 结合先验知识的JST模型
    4.2 实验设计
        4.2.1 实验数据
        4.2.2 实验参数和评价指标的设置
    4.3 实验结果对比
    4.4 实验结果分析
    4.5 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
个人简介
导师简介
获得成果目录
致谢


【参考文献】：
期刊论文
[1]基于LDA模型气象微博主题内容的粉丝偏好挖掘[J]. 刘冠东.  统计与管理. 2018(12)
[2]一种基于词加权LDA模型的专利文献分类方法[J]. 孙伟,刘文静,葛丽阁,余璇.  计算机技术与发展. 2019(03)
[3]基于改进Labeled LDA模型的科技视频文本分类[J]. 马建红,樊跃翔.  计算机工程. 2018(09)
[4]结合改进的CHI统计方法的TF-IDF算法优化[J]. 马莹,赵辉,李万龙,庞海龙,崔岩.  计算机应用研究. 2019(09)
[5]Supervised topic models with weighted words:multi-label document classification[J]. Yue-peng ZOU,Ji-hong OUYANG,Xi-ming LI.  Frontiers of Information Technology & Electronic Engineering. 2018(04)
[6]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重.  软件学报. 2018(02)
[7]文本数据观点挖掘技术综述[J]. 陈巧红,孙超红,贾宇波.  工业控制计算机. 2017(02)
[8]基于词对主题模型的中分辨率遥感影像土地利用分类[J]. 邵华,李杨,丁远,刘凤臣.  农业工程学报. 2016(22)
[9]抓好“三农”工作决胜全面小康社会[J]. 陈锡文.  中国井冈山干部学院学报. 2016(05)
[10]基于主题种子词的情感分析方法[J]. 陈永恒,左万利,林耀进.  计算机应用. 2015(09)

博士论文
[1]基于主题模型的多标签文本分类及推荐系统若干问题研究[D]. 邹跃鹏.吉林大学 2019
[2]基于主题模型的文本情感和话题建模的研究[D]. 徐康.东南大学 2017

硕士论文
[1]基于机器学习的中文文本分类算法的研究与实现[D]. 朱梦.北京邮电大学 2019
[2]基于Labeled-LDA模型的在线医疗专家推荐研究[D]. 倪秀丽.浙江大学 2018
[3]基于改进TF-IDF特征提取的文本分类模型的设计与实现[D]. 杜朋朋.华中科技大学 2016
[4]基于Labeled-LDA的文本分类研究与实现[D]. 董星.北京邮电大学 2014
[5]基于信息增益和信息熵的特征词权重计算研究[D]. 李海瑞.重庆大学 2012



本文编号：3241309