旅游網(wǎng)絡輿情中關鍵詞的提取方法

【摘 要】在旅游過程中，網(wǎng)民總會遇到各種各樣的問題，網(wǎng)絡新媒體讓網(wǎng)民有了可以表達意見，傳播新聞的自由，形成網(wǎng)絡輿情。對于網(wǎng)絡輿情正確引導，還原游客意見構(gòu)成、聽取游客訴求，有利于及時發(fā)現(xiàn)問題、化解矛盾、釋放壓力，實現(xiàn)旅游市場的良性健康發(fā)展。本文利用數(shù)據(jù)挖掘算法對輿情中文本關鍵詞的提取提出了自己的看法。人工對比實驗證明了該算法的有效性，有較高的準確率和召回率。

【關鍵詞】旅游；關鍵詞；輿情

一、前言

網(wǎng)絡新媒體解放了人類的嘴巴，逐步消解新聞制造者與新聞閱讀者之間的鴻溝，讓每位新聞閱讀者都擁有在公共領域自由表達的平臺，打破傳統(tǒng)媒體”一對多”的傳播霸權(quán)，不再是媒體一家之詞，新聞閱讀者也可以制造傳播新聞，形成了”多對多”的傳播格局，新聞閱讀者生產(chǎn)、新聞內(nèi)容共享、自由的意見交流為特征的網(wǎng)絡新媒體時代。

二、發(fā)現(xiàn)處理旅游網(wǎng)絡輿情的重要性

在旅游過程中，網(wǎng)民總會遇到各種各樣的問題，會聽到或看到各種各樣的現(xiàn)象，則不可避免的在網(wǎng)絡空間針對這些聽到或看到遇到的各種現(xiàn)象和問題發(fā)表意見，爭取權(quán)益，建言獻策，交流思想、抒發(fā)感情。通過新聞評論、論壇社區(qū)、博客空間、即時通訊、微博和微信等網(wǎng)絡新媒體形式，網(wǎng)民可隨時爆料、由此產(chǎn)生新聞話題。不同意見觀點進入網(wǎng)絡這個自由市場，有些尖銳的意見之間形成博弈、交鋒、碰撞，與此同時，網(wǎng)絡新媒體與傳統(tǒng)媒體互相對接、引用和報道，傳統(tǒng)媒體越來越將獲取新聞線索和素材的重點放在網(wǎng)絡新媒體上，改變著輿論的生成與傳播機制，被官方壟斷的話語權(quán)由于網(wǎng)絡新媒體的出現(xiàn)而逐漸被下放和分解，形成旅游網(wǎng)絡輿情。旅游網(wǎng)絡輿情已成為旅游過程中游客社情民意的集中體現(xiàn)，是旅游管理方探察民情、傾聽民意的重要渠道。通過對旅游網(wǎng)絡輿情研究，還原游客意見構(gòu)成、聽取游客訴求，有利于及時發(fā)現(xiàn)問題、化解矛盾、釋放壓力，實現(xiàn)旅游市場的良性健康發(fā)展。旅游網(wǎng)絡輿情作為我國現(xiàn)階段最集中、最接近真實的游客民意代表，為旅游管理部門審視政策利弊得失，提供了成本低廉、反應快速的平臺。某種程度上，旅游網(wǎng)絡輿情代表的游客民意已成為旅游管理部門制定政策的民間智庫。

根據(jù)新華網(wǎng)網(wǎng)絡輿情監(jiān)測分析中心、武漢大學、中國社會科學院（2011）的研究結(jié)果顯示，地區(qū)網(wǎng)絡輿情事件的發(fā)生頻率和熱度高并不一定對該地形象產(chǎn)生負面影響，然而事件處理失當對地區(qū)形象的破壞卻是巨大的。旅游管理部門對旅游網(wǎng)絡輿情事件的應對是影響地區(qū)旅游網(wǎng)絡形象的關鍵。重視旅游網(wǎng)絡輿情、傾聽游客民意訴求、善用網(wǎng)絡建構(gòu)和提升旅游地區(qū)形象的理念，已被越來越多的地方所接受。

旅游業(yè)具有綜合性、關聯(lián)性、依賴性和異地性等特征，當政治、經(jīng)濟、社會、自然等危機事件發(fā)生時，旅游業(yè)是國民經(jīng)濟最易遭受沖擊的行業(yè)之一。隨著我國旅游產(chǎn)業(yè)進入大眾化的全面發(fā)展階段，國內(nèi)旅游規(guī)模迅速擴大、出入境旅游均有大幅增長，游客構(gòu)成更加多樣、利益訴求逐步多元，加上網(wǎng)絡新媒體和傳統(tǒng)媒體監(jiān)督報道的推波助瀾，提高了旅游危機事件的發(fā)生幾率和破壞程度。這會影響到旅游地區(qū)的聲譽，也在一定程度上危及整個旅游產(chǎn)業(yè)的安全。如上文所述，新媒體時代的危機事件在發(fā)生、演化和傳播上都與傳統(tǒng)媒體時代有巨大差異。因此，要科學有效的應對各類旅游危機事件、修復和維護政府、企業(yè)和個人的受損形象，采用網(wǎng)絡輿情的監(jiān)測方法和管理手段必不可少。

三、旅游網(wǎng)絡輿情中關鍵詞提取的主要方法

關鍵詞提取主要包括以下幾種類別：（1）在基于有監(jiān)督學習的關鍵詞提取算法中，詞頻，TF-IDF，N-Gram，詞長，出現(xiàn)位置，共出現(xiàn)頻率等常常被當做有效的特征加以使用。這種方法主要是對較多的訓練語料進行一定的訓練，在訓練中獲得各項系統(tǒng)的相關參數(shù)并建立一定的模型，最后利用這種模型對語料庫進行測試，從測試中檢測此種模型提取關鍵詞的效果，Kea算法是一個基于貝葉斯模型的非常有效的算法。基于“信息增益”（Information Gain）的英文關鍵詞提取系統(tǒng)是以實用性為最終目標的算法，稱為KPSpotter。（2）基于無監(jiān)督學習的關鍵詞提取。Mihalcea和Tarau受Page Rank的啟發(fā)，把詞看做網(wǎng)頁，將詞與詞之間的語義關系看做鏈接，開發(fā)了Text Rank算法。他們提出了自己的短語合并算法。他們先將每個單詞作為基本元素參與迭代，迭代完之后，取出排名靠前的一部分詞作為候選。如果候選的詞在文中相鄰，則將他們合并成為短語?；谟斜O(jiān)督學習的算法充分利用了各種先驗知識，實驗結(jié)果表現(xiàn)較好。但由于過度依賴訓練數(shù)據(jù)，使得實用性較差?；趫D的算法利用詞語間的語義相似度建立網(wǎng)絡，通過某種特定的規(guī)律構(gòu)建一個比較復雜的網(wǎng)絡模型，也取得了不錯的成績。很多工作都注意到了短語級別的關鍵詞的重要性，同時也提出了相應的方法。

四、本文提出的關鍵詞提取算法

給定閾值k， k 為最近鄰對象個數(shù)

輸入： 要聚類的數(shù)據(jù)集D，參數(shù)k

輸出： 聚類好的簇列表S

對數(shù)據(jù)集D，計算所有對象的距離矩陣M，得到詞語語義距離后，對所有詞語進行聚類。

方法： repeat 判斷輸入點是否為核心對象P，P∈D

IF P為核心對象{以對象p 建立一個新簇C， 對簇C 內(nèi)新加入的對象O， O∈C，遞歸將核心對象繼續(xù)聚到簇C 中，直到?jīng)]有新對象加入。

}

ELSE P為非核心對象{

如果P是一個邊界對象，P被標記為噪聲

}

until 所有輸入點都判斷完畢

repeat 針對所有核心對象的D領域所有直接密度可達點找到最大密度相連對象集合，合并密度可達對象。

util 所有核心對象的D領域都遍歷完畢

輸出聚類好的簇列表S={C1，C2，……Cm}

算法的主要思想是通過詞語間的語義距離，對詞語進行密度聚類，得到主題相關類，并簡化參數(shù)輸入， 同時能夠發(fā)現(xiàn)空間密度不同的簇。人工對比實驗證明了該算法的有效性，有較高的準確率和召回率。

五、總結(jié)

加強旅游行業(yè)網(wǎng)絡輿情引導機制的研究，應用信息化技術加強旅游業(yè)網(wǎng)絡輿情引導，營造一個有序、繁榮的旅游市場，隨著數(shù)據(jù)挖掘技術等大數(shù)據(jù)應用越來越多的融入到旅游的各管理領域，通過互聯(lián)網(wǎng)，指導人們的旅游行為和旅行計劃，從而實現(xiàn)方便快捷的智能化感知和交互性旅游體驗。今后旅游業(yè)還應在網(wǎng)絡輿情預警分析的研究和應用方面進行進一步的探索。

參考文獻：

[1]李 鋒.目的地旅游危機管理：機制、評估與控制[D].西安：陜西師范大學，2008.

[2]吳曉梅.十年發(fā)展鑄輝煌—十六大以來旅游業(yè)發(fā)展述評之一[N].中國旅游報，2012-9-12.

[3]劉 棟，張彩環(huán).基于短語的中文標簽自動生成混合算法[J].計算機科學，2014.

注：

項目名稱：智慧旅游中的數(shù)據(jù)挖掘算法研究（項目編號：SKL2015C18）。

項目名稱：數(shù)據(jù)挖掘算法在智慧服務中的應用（項目編號：LYC15-16）。

作者簡介：

張貴紅（1973—），女，樂山師范學院計算機科學學院，講師，研究方向：數(shù)據(jù)挖掘。