基于文本相似度算法的特色旅游線路開發(fā)研究

宦正東 朱曉菲 李翛

摘要：本研究將蘇州市內(nèi)43個景點(diǎn)資料作為待處理文本，利用jieba分詞對其進(jìn)行了分詞、去停用詞、提取特征項(xiàng)、計(jì)算特征項(xiàng)權(quán)重的處理，繼而用空間向量模型實(shí)現(xiàn)非結(jié)構(gòu)化信息向數(shù)字化信息的轉(zhuǎn)變，最后采用k-均值聚類方法，通過計(jì)算各文本間的相似度，確定類別數(shù)得出景點(diǎn)特征分類結(jié)果。繼而利用分類結(jié)果設(shè)計(jì)出了5條蘇州市特色旅游線路。

關(guān)鍵詞：文本相似度算法;旅游線路;開發(fā)

一、研究背景和意義

隨著經(jīng)濟(jì)的發(fā)展和技術(shù)的進(jìn)步，人們的休閑時間與時俱增，恩格爾系數(shù)與時俱減，人們可支配收入大幅度增加，生活水平提高了，對旅游的需求也越來越大。旅游已經(jīng)成為現(xiàn)代人生活中重要的部分，并且旅游者已不滿足傳統(tǒng)的旅游產(chǎn)品，越來越傾向于選擇個性化的，具有鮮明特色的休閑度假旅游產(chǎn)品。旅游收入在國內(nèi)生產(chǎn)總值中的占比越來越大，加快旅游業(yè)發(fā)展成為推動我國經(jīng)濟(jì)發(fā)展的重要方式之一。中國旅游業(yè)發(fā)展已進(jìn)入爆發(fā)式增長期，大眾旅游時代即將全面來臨。旅游業(yè)發(fā)展與周邊產(chǎn)業(yè)緊密聯(lián)動?？萍寂c創(chuàng)新是旅游發(fā)展的主要推動力，在線預(yù)訂、電子旅游信息、社交網(wǎng)絡(luò)等的廣泛應(yīng)用改變了原有旅游業(yè)的面貌，同時旅游業(yè)的發(fā)展也促進(jìn)了科技技術(shù)的創(chuàng)新。旅游業(yè)不僅促進(jìn)文化產(chǎn)業(yè)發(fā)展，文化更是旅游產(chǎn)品的靈魂，沒有文化的旅游是不存在的。旅游業(yè)的發(fā)展還直接促進(jìn)了與其相關(guān)的餐飲業(yè)、服務(wù)業(yè)和零售業(yè)的發(fā)展。當(dāng)前的旅游線路產(chǎn)品參差不齊，文化內(nèi)涵不夠深厚，趨同性較高，品牌建設(shè)意識淡薄。

蘇州市旅游資源豐富，旅游景點(diǎn)眾多，但開發(fā)程度有待提高的問題明顯。運(yùn)用全新的旅游線路開發(fā)思路，將文本相似度算法應(yīng)用到旅游線路開發(fā)中，通過描述景點(diǎn)的文本信息，分析得出景點(diǎn)的特征，將具有相同特征的景點(diǎn)歸為一類，結(jié)合地理位置的特征將同類型的景點(diǎn)設(shè)計(jì)在一條線路中形成特色旅游線路。線路開發(fā)具有可行性且具有現(xiàn)實(shí)意義。旅游業(yè)較低的資源消耗、高度的產(chǎn)業(yè)關(guān)聯(lián)、緊密的地域聯(lián)系、顯著的富民效應(yīng)，在京津冀協(xié)同發(fā)展中占有重要的地位。豐富人們的休閑娛樂生活，提高居民幸福感。隨著大眾旅游時代的到來，使旅游成為人們在緊張的工作學(xué)習(xí)之余的首選;人們生活水平的提高、帶薪休假的增加及對生活品質(zhì)的追求，高質(zhì)量旅游線路的設(shè)計(jì)是及其重要的;上班族在快節(jié)奏的生活下，需要釋放壓力，放松心情，才能更好地投入工作;老年人退休好，講究健康養(yǎng)老，康養(yǎng)旅游正當(dāng)時;年輕學(xué)生朝氣蓬勃，更需要感受祖國大好河山的錦繡壯麗，激發(fā)愛國主義情懷，將來投身到祖國建設(shè)中來。如何針對現(xiàn)有的旅游資源進(jìn)行有效的整合，打破現(xiàn)階段“單打獨(dú)斗”的狀態(tài)，在充分利用蘇州市古城區(qū)旅游資源的同時，進(jìn)行資源整合，從而推動蘇州市旅游業(yè)的整體發(fā)展，促進(jìn)文旅深度融合。如何規(guī)劃游覽這些分散在蘇州大街小巷中的古跡、有效地安排旅游線路、提升游客的旅游質(zhì)量和旅游效率，在智慧旅游的設(shè)計(jì)中十分必要。特別是在散客時代，只有特色旅游線路的推出才能更好地滿足游客的需求。

二、基于文本相似度算法的特色旅游線路的開發(fā)方法

（一）文本處理

文本通常是具有完整、系統(tǒng)含義的一個句子或多個句子，屬于自然語言，是非結(jié)構(gòu)化的信息。若要計(jì)算文本間的相似度，需要把這些非結(jié)構(gòu)化的信息即文本，轉(zhuǎn)化成計(jì)算機(jī)能夠識別和計(jì)算的數(shù)字化的表示形式，這樣才能計(jì)算出文本間的相似度。計(jì)算文本相似度前期需要完成的過程主要包括分詞，去停用詞、提取特征項(xiàng)、計(jì)算特征項(xiàng)權(quán)重，度量相似度等。文本預(yù)處理過程包括分詞和去停用詞。將要分析的內(nèi)容為蘇州市市內(nèi)43個景點(diǎn)的文本信息。43個主要景點(diǎn)涵蓋了蘇州市古城內(nèi)的主要蘇州園林、博物館、寺廟、古城門、歷史文化名街。一個景點(diǎn)的信息為一個文本，其中包含著基本信息、歷史、建筑特點(diǎn)、作用地位等，內(nèi)容豐富全面，但是整個一句話，計(jì)算機(jī)是無法識別的，要實(shí)現(xiàn)文本相似度的計(jì)算，首先需要將文本進(jìn)行預(yù)處理，就是將一句一句的話分成具有獨(dú)立意義的詞語。文本在預(yù)處理后得到幾百甚至幾千個具有獨(dú)立意義的詞語，要想對文本特征有比較準(zhǔn)確的把握，就需要對能顯著體現(xiàn)文本特征的詞語賦予高權(quán)重，對出現(xiàn)頻率較低的詞語賦予低權(quán)重，這樣更能體現(xiàn)出景點(diǎn)的特征。但并不是每個詞語都是有用的，都能代表景點(diǎn)特征，接下了的首要目的是提取能夠代表景點(diǎn)特征的詞語，一般意義上講，文本中出現(xiàn)頻率越高的詞語，對文本的重要性越大越能在一定程度上代表文本的特征。提取出文本特征項(xiàng)之后就是計(jì)算特征項(xiàng)的權(quán)重，選用應(yīng)用最多的、經(jīng)典的TF-IDF 權(quán)重計(jì)算方法。這個權(quán)重計(jì)算方法的中心思想為：如果某個詞語在整個文本中出現(xiàn)的頻率高。然后利用k 均值聚類算法對需要的文本預(yù)處理、特征項(xiàng)提取及其權(quán)重的計(jì)算過程，之后將43個景點(diǎn)的文本信息進(jìn)行分類。

（二）基于高頻詞的景點(diǎn)特征分析

首先將全部43個景點(diǎn)的資料作為待處理文本，調(diào)取 jieba 分詞模塊進(jìn)行分詞和去停用詞的預(yù)處理。將預(yù)處理之后的文本進(jìn)行生成高頻詞的操作，調(diào)用 jieba.analyse 包，對完成上述預(yù)處理后的文本提取出現(xiàn)頻率最高的前 20 個詞作為該文本的高頻詞。保存軟件生成的景點(diǎn)的高頻詞，分析各景點(diǎn)的特征。接下來，將所有景點(diǎn)文本信息中的高頻詞整合在一起，從 wordcloud 包中調(diào)取Word Cloud 模塊生成高頻詞詞云，設(shè)置最大詞量為 1000，出現(xiàn)頻率最高的詞大小設(shè)置為 40。分析生成全部景點(diǎn)的高頻詞詞云，這樣能夠更直觀得體現(xiàn)出這景點(diǎn)的總體特征。

（三）基于K-均值聚類的景點(diǎn)特征分析

上述43個景點(diǎn)文本信息完成了分詞與去停用詞的文本預(yù)處理，接下來，提取能夠代表文本獨(dú)特性和具體性的特征項(xiàng)，根據(jù)對各景點(diǎn)高頻詞的分析，可以得出，高頻詞能夠作為各文本的特征項(xiàng);用 TF-IDF 方法計(jì)算特征項(xiàng)的權(quán)重以降低文本表示模型的維度;用空間向量模型表示文本，完成文本為非結(jié)構(gòu)化信息向計(jì)算機(jī)能夠識別、計(jì)算的數(shù)字化信息的轉(zhuǎn)變。最后調(diào)用 sklearn.cluster 包中的 KMeans 模塊，用 k-均值聚類方法計(jì)算各文本間的相似度。在聚類的過程中，類別數(shù)設(shè)置的越大，同一類別里的景點(diǎn)數(shù)相對越少，景點(diǎn)之間的特征就越接近。經(jīng)過反復(fù)計(jì)算，設(shè)置不同的類別數(shù)分析得出的景點(diǎn)之間特征的形式情況，設(shè)定類別數(shù)為 5，即將個景點(diǎn)分為5 類。利用 k-均值聚類方法將包括 43 個文本的集合劃分為 5類，實(shí)現(xiàn)過程包括，隨機(jī)選出 5個文本作為初始聚類中心點(diǎn)，之后計(jì)算還剩下的38 個文本與選出的這 5個點(diǎn)的距離，并把與中心點(diǎn)距離近的歸為同一類，然后重新隨機(jī)選取中心點(diǎn)，迭代計(jì)算上述過程，直至聚類中心點(diǎn)不再發(fā)生改變。分析各類別中包含的景點(diǎn)可以得出類別內(nèi)部的特征，其中部分類別特征在一定程度上與高頻詞具有一定的聯(lián)系。從側(cè)面體現(xiàn)出算法具有科學(xué)性且與現(xiàn)實(shí)情況相符。

三、特色旅游線路開發(fā)——以蘇州市為例

通過文本相似度算法得到了 5 類具有不同特征的景點(diǎn)分類結(jié)果，將各類別的特征確定為線路主題。在線路設(shè)計(jì)的過程中，為突出蘇州市特色景點(diǎn)，只保留了蘇州市內(nèi)交通方便、歷史文化內(nèi)涵豐富、旅游設(shè)施相對完善、游客數(shù)較多的部分景點(diǎn)。最后，結(jié)合地理位置特點(diǎn)，設(shè)計(jì)出下列 5條蘇州市內(nèi)特色旅游線路。以 “韻存千秋·大美昆曲” 為主題，從中國昆曲博物館到蘇州昆劇傳習(xí)所，再到江蘇省蘇州昆劇院，了解了昆曲的歷史和文化;以 “匠心獨(dú)妙·蘇作天工”為主題，從蘇州博物館到蘇州工藝美術(shù)博物館，再到蘇州民俗博物館，以“一玉一木一錦，一燈一扇一繡”為主線，觀賞出的玉雕、木雕、宋錦、燈彩、蘇扇、蘇繡，感受蘇作工藝的匠心獨(dú)妙;以 “康乾南巡·駐蹕姑蘇” 為主題 ，結(jié)合《康熙南巡圖卷.第七卷.無錫至蘇州》、《乾隆南巡圖卷.第六卷.駐蹕姑蘇》的背景，從閶門出發(fā)，經(jīng)過胥門、江蘇巡撫衙門舊址、蘇州府學(xué)，最終到蘇州織造署舊址，了解康熙與乾隆南巡駐蹕蘇州的歷史故事;以“狀元故里·文脈尋根” 為主題，從懸橋巷的洪鈞故居出發(fā)，經(jīng)過臨頓路來到鈕家巷“狀元博物館”，再到十全街的狀元第，最后到達(dá)三元坊，了解“中國歷史上惟一的狀元外交官”、“蘇州門第最顯赫的狀元”、“祖孫狀元”、“連中六元狀元”的故事;以 “光輝之路˙紅色遺跡” 為主題，游覽張冀牖故居、中共蘇州獨(dú)立支部舊址、五卅路紀(jì)念碑、上海戰(zhàn)役指揮機(jī)關(guān)舊址等紅色遺跡，重溫蘇州革命歷史。

參考文獻(xiàn)：

[1] 張志雄、費(fèi)理源、廖宇. 基于蟻群算法的蘇州古城徒步旅游線路規(guī)劃[J].看世界，2020（21）

[2] 黃文彬、車尚錕.計(jì)算文本相似度的方法體系與應(yīng)用分析[J].情報(bào)理論與實(shí)踐. 2019（11）

基金項(xiàng)目：2021年度蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院院級課題“基于大數(shù)據(jù)的情感分析技術(shù)在蘇州旅游網(wǎng)絡(luò)評價(jià)中的應(yīng)用研究”，項(xiàng)目編號為701K703。2021年江蘇省高等學(xué)校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“基于大數(shù)據(jù)的情感分析法在蘇州旅游網(wǎng)絡(luò)評價(jià)中的應(yīng)用研究” 。