基于社交媒體數(shù)據(jù)挖掘的旅游者情緒感知

馮 澤 琪，彭 霞，吳 亞 朝

(1.北京聯(lián)合大學(xué)應(yīng)用文理學(xué)院，北京 100088；2.北京聯(lián)合大學(xué)旅游學(xué)院，北京 100101；3.北京工業(yè)大學(xué)信息學(xué)部，北京 100124)

0 引言

在自媒體時(shí)代，旅游者成為旅游目的地評(píng)價(jià)與營(yíng)銷的重要力量，因而旅游者情緒成為旅游地理領(lǐng)域關(guān)注的重點(diǎn)，相關(guān)研究集中于旅游者情緒的時(shí)空分布特征[1-3]、影響因素[4,5]和詞典構(gòu)建[6,7]以及對(duì)酒店滿意度[8,9]、旅游目的地形象感知[10-12]等。常用的社交媒體數(shù)據(jù)主要有點(diǎn)評(píng)數(shù)據(jù)[13-15]和網(wǎng)絡(luò)游記數(shù)據(jù)[16-18]。在旅游者常用的社交媒體中，新浪微博用戶多、數(shù)據(jù)量大、實(shí)時(shí)性強(qiáng)，微博文本篇幅較短、主題多樣且?guī)в形恢眯畔ⅲ浅＿m合開(kāi)展大規(guī)模旅游者情緒分析。然而，目前國(guó)內(nèi)旅游學(xué)者對(duì)微博數(shù)據(jù)關(guān)注較少，在文本分析方法上多采用ROST軟件，該方法只能處理較少的數(shù)據(jù)量，且結(jié)果準(zhǔn)確率低、靈活性差。采用深度學(xué)習(xí)方法對(duì)社交媒體數(shù)據(jù)進(jìn)行大規(guī)模旅游者情緒挖掘，提高分析準(zhǔn)確率，獲取更多有用信息，成為旅游者情緒研究的重點(diǎn)。鑒于此，本文基于2017-2019年旅游者發(fā)布的新浪微博數(shù)據(jù)，采用BERT(Bidirectional Encoder Representation from Transformers)模型進(jìn)行旅游者情感分析，探討旅游者情緒的時(shí)空分布規(guī)律；而后基于BERT模型對(duì)旅游者微博進(jìn)行文本分類，分析不同主題下旅游者的情緒特征；最后，考慮到負(fù)面評(píng)價(jià)對(duì)旅游者的影響遠(yuǎn)大于正面評(píng)價(jià)[19]，針對(duì)旅游者負(fù)面微博進(jìn)行話題提取，進(jìn)一步分析可能導(dǎo)致旅游者負(fù)面情緒的相關(guān)因素。

1 數(shù)據(jù)與方法

1.1 研究區(qū)與數(shù)據(jù)

本文研究區(qū)為北京市行政區(qū)劃范圍，研究數(shù)據(jù)為2017-2019年帶有地理位置信息的新浪微博數(shù)據(jù)，該數(shù)據(jù)通過(guò)新浪微博API抓取，包含用戶編號(hào)、文本信息、發(fā)布位置(經(jīng)緯度)、發(fā)布時(shí)間等信息。利用文獻(xiàn)[20]中的方法，根據(jù)用戶在長(zhǎng)時(shí)間內(nèi)的歷史簽到特征，采用隨機(jī)森林模型將用戶分為本地居民和旅游者兩類，其中旅游者發(fā)布的微博共1 554 230條(圖1)。

圖1 研究區(qū)與旅游者微博空間分布Fig.1 Study area and spatial distribution of tourists′ microblogs

1.2 研究方法

本文研究流程(圖2)為：首先基于篩選出的旅游者微博，利用BERT(Bidirectional Encoder Representation from Transformers)模型將微博情緒分為正面、中性、負(fù)面3類；然后運(yùn)用基于扎根理論的質(zhì)性分析方法對(duì)隨機(jī)抽取的游客微博確定主題的數(shù)目和類別，再通過(guò)BERT模型對(duì)全體游客微博進(jìn)行多主題文本分類；最后利用LDA(Latent Dirichlet Allocation)和BERTopic模型對(duì)游客負(fù)面微博進(jìn)行話題提取，進(jìn)而分析導(dǎo)致游客產(chǎn)生負(fù)面情緒的相關(guān)因素。

圖2 技術(shù)路線Fig.2 Technology roadmap

1.2.1 基于BERT模型的微博情感計(jì)算 不同于其他語(yǔ)言模型只處理左側(cè)的上下文，且使用從左到右或從右到左的編解碼器(transformer)進(jìn)行預(yù)訓(xùn)練，BERT模型[21]在所有層中共同依賴于左右上下文，使用多層雙向編解碼器進(jìn)行預(yù)訓(xùn)練，“從左到右”或“從左到右和從右到左”模型的淺層連接具有更強(qiáng)大的特征提取能力。因此，本研究采用BERT模型和chinese_L-12_H-768_A-12中文預(yù)訓(xùn)練模型，將中文維基百科作為中文文本訓(xùn)練的語(yǔ)料庫(kù)，使用12層的編解碼器和多頭注意力機(jī)制(multi-headed attention)，輸出一個(gè)768維的詞向量；隨機(jī)抽取旅游者微博進(jìn)行正面、中性、負(fù)面情感標(biāo)注，讀取情感標(biāo)簽對(duì)模型進(jìn)行訓(xùn)練，最終預(yù)測(cè)出屬于每個(gè)標(biāo)簽的概率，將概率最大的標(biāo)簽作為該條微博的情緒標(biāo)簽，并從預(yù)測(cè)的微博集合中隨機(jī)選取1 000條記錄進(jìn)行驗(yàn)證，情感分類的準(zhǔn)確率達(dá)94.2%。

1.2.2 基于質(zhì)性分析與BERT模型的旅游者微博文本分類 基于扎根理論[22]的質(zhì)性研究方法指通過(guò)對(duì)搜集到的資料進(jìn)行開(kāi)放、主軸、選擇三階段編碼，對(duì)資料加以分解、提取現(xiàn)象并將現(xiàn)象概念化，再以適當(dāng)方式將概念重新抽象、提升、歸納為類屬，繼而形成理論的過(guò)程。常用的質(zhì)性研究軟件有ATLAS.ti、Nvivo、MAXQDA。本研究從旅游者微博中隨機(jī)抽取1 000余條記錄，運(yùn)用Nvivo11對(duì)旅游者微博進(jìn)行三階段編碼，最終歸為天氣、游覽、餐飲、休閑、住宿5個(gè)類別。進(jìn)一步對(duì)上述5個(gè)類別分別構(gòu)建關(guān)鍵詞詞典并對(duì)旅游者微博進(jìn)行第一遍過(guò)濾，將旅游者微博劃分為包含類別關(guān)鍵詞及不含關(guān)鍵詞的兩個(gè)集合，對(duì)不含關(guān)鍵詞的集合進(jìn)行準(zhǔn)確率驗(yàn)證，發(fā)現(xiàn)所有類別中不含關(guān)鍵詞集合的分類準(zhǔn)確率均達(dá)99%以上；然后，在5個(gè)包含類別關(guān)鍵詞的集合中隨機(jī)抽取1.5萬(wàn)條微博進(jìn)行人工標(biāo)注(屬于該類別的微博標(biāo)注為1，不屬于則標(biāo)注為0)，而后分別對(duì)5個(gè)包含類別關(guān)鍵詞的集合進(jìn)行基于BERT模型的文本二分類，最終獲得天氣、游覽、餐飲、休閑、住宿5個(gè)主題的微博，經(jīng)驗(yàn)證準(zhǔn)確率分別達(dá)97.8%、91.4%、98.8%、91.3%、97.1%。

1.2.3 基于LDA和BERTopic模型的旅游者負(fù)面微博話題分析 LDA模型可將文檔集中并計(jì)算每篇文檔主題的概率分布，之后根據(jù)主題分布進(jìn)行主題聚類；該模型采用詞袋模型，在一篇文檔中，僅考慮某詞匯是否出現(xiàn)，而不考慮其出現(xiàn)的先后順序。BERTopic模型采用句子編解碼器(sentence transformers)對(duì)數(shù)據(jù)文本創(chuàng)建詞向量，通過(guò)UMAP和HDBSCAN對(duì)詞向量進(jìn)行降維，并將語(yǔ)義接近的詞向量進(jìn)行聚類，然后用c-TF-IDF提取類簇主題詞。為進(jìn)一步了解天氣、游覽、餐飲、休閑、住宿5個(gè)主題中導(dǎo)致旅游者負(fù)面情緒的具體原因，本文分別運(yùn)用LDA和BERTopic模型對(duì)負(fù)面微博進(jìn)行話題提取，最后將兩種方法所得結(jié)果融合。

2 結(jié)果與分析

2.1 旅游者微博情感分析

本文通過(guò)BERT模型對(duì)旅游者微博文本進(jìn)行情感分類，得到的旅游者中性微博最多(853 904條)，正面微博次之(396 259條)，負(fù)面微博最少(304 067條)。男性旅游者發(fā)布微博614 349條，其中正、負(fù)面微博數(shù)分別為131 985條和110 184條，分別占男性旅游者微博總數(shù)的21.48%和17.94%；女性旅游者發(fā)布微博939 881條，其中正、負(fù)面微博數(shù)分別為264 272條和193 883條，分別占女性旅游者微博總數(shù)的28.12%和20.63%?？梢?jiàn)，女性比男性旅游者更樂(lè)于分享，且情緒反應(yīng)比男性更強(qiáng)烈。

統(tǒng)計(jì)每月旅游者微博數(shù)量(圖3a)可知，微博數(shù)量與假期密切相關(guān)。夏季(6-8月)與秋季(9-11月)節(jié)假日較多，旅游者數(shù)量多于春季和冬季；冬季(12月-次年2月)有節(jié)假日但天氣寒冷，而春季(3-5月)天氣適宜但節(jié)假日較少，故春季出游人數(shù)反而小于冬季。統(tǒng)計(jì)一周內(nèi)每日的旅游者微博數(shù)量(圖3b)可知，旅游者多選擇周六、周日到北京旅游，旅游者數(shù)量從周一到周四較平穩(wěn)，周五開(kāi)始上升，周六達(dá)到峰值，周日開(kāi)始減少，負(fù)面微博占比在一周內(nèi)基本穩(wěn)定。通過(guò)統(tǒng)計(jì)一日內(nèi)每小時(shí)的旅游者微博數(shù)量(圖3c)可知，微博數(shù)量呈現(xiàn)出雙峰和波浪形變化特征：在凌晨4時(shí)達(dá)到波谷繼而逐漸上升，在中午13時(shí)達(dá)到一個(gè)小高峰，從15時(shí)開(kāi)始繼續(xù)上升，并在23時(shí)達(dá)到最高峰，說(shuō)明大部分旅游者喜歡下午游玩，休閑活動(dòng)持續(xù)到23時(shí)。負(fù)面微博占比在24時(shí)-次日6時(shí)之間顯著增加，可能是由于失眠對(duì)情緒造成負(fù)面影響。

圖3 旅游者微博情緒統(tǒng)計(jì)Fig.3 Statistics of tourists′ emotions expressed by microblogs

一年中旅游者情緒總體呈現(xiàn)出3個(gè)波谷(4月、7月、11月)和3個(gè)波峰(6月、9月、12月)(圖4a)，4月和11月旅游者情緒較低落，可能與這兩個(gè)月份出現(xiàn)大風(fēng)、低溫、霧霾等不良天氣狀況的概率較高有關(guān)。旅游者在溫暖天氣下的情緒優(yōu)于冷涼天氣，而過(guò)于炎熱的天氣(7月)也會(huì)影響旅游者的情緒，男性和女性旅游者在不同月份的情緒反應(yīng)差異較大。在一周內(nèi)(圖4b)，旅游者情緒值從周一開(kāi)始降低，周三達(dá)到波谷，之后緩慢上升，周日達(dá)到峰值，且男性和女性旅游者表現(xiàn)出相同規(guī)律，即在休息日旅游者的情緒更好。在一天內(nèi)(圖4c)，旅游者情緒值在1時(shí)之后驟降，凌晨4時(shí)達(dá)到最低，之后逐步上升，中午13時(shí)達(dá)到第一個(gè)波峰，之后逐漸下降，16時(shí)達(dá)到一個(gè)相對(duì)低點(diǎn)，之后再次上升，直至23時(shí)達(dá)到一天的最高峰。結(jié)合之前的微博數(shù)量統(tǒng)計(jì)，旅游者多在中午到達(dá)景點(diǎn)，此時(shí)情緒達(dá)到一個(gè)小高潮，在下午進(jìn)行游覽活動(dòng)，至16時(shí)左右產(chǎn)生疲勞從而情緒變得低落，經(jīng)過(guò)休息之后情緒恢復(fù)；男性和女性旅游者在20時(shí)之后的情緒變化趨勢(shì)出現(xiàn)差異，女性旅游者情緒高漲，直至23時(shí)入睡，而男性旅游者的情緒逐漸趨于平緩，這可能與男性和女性旅游者的夜間活動(dòng)差異有關(guān)。

圖4 旅游者微博情緒值統(tǒng)計(jì)Fig.4 Statistics of tourists′ emotional value on microblogs

旅游者微博數(shù)量基本呈現(xiàn)由市區(qū)向郊區(qū)遞減趨勢(shì)(圖5)。在北京市城六區(qū)中，朝陽(yáng)區(qū)的微博數(shù)量最多，其次是海淀區(qū)、東城區(qū)、西城區(qū)和豐臺(tái)區(qū)，石景山區(qū)的微博數(shù)量最少；郊區(qū)中，昌平區(qū)的微博數(shù)量最多，其次是順義區(qū)、大興區(qū)、通州區(qū)和房山區(qū)，遠(yuǎn)郊的延慶區(qū)、密云區(qū)、門頭溝區(qū)和平谷區(qū)較少。各區(qū)正面、中性、負(fù)面微博數(shù)與該區(qū)微博總數(shù)基本呈正比。密云區(qū)、平谷區(qū)、石景山區(qū)、東城區(qū)和延慶區(qū)的正面情緒占比較高；順義區(qū)、大興區(qū)、海淀區(qū)、西城區(qū)、昌平區(qū)和通州區(qū)的負(fù)面情緒占比較高，且唯獨(dú)順義區(qū)負(fù)面微博數(shù)超過(guò)正面微博數(shù)，推測(cè)與順義首都國(guó)際機(jī)場(chǎng)飛機(jī)延誤易導(dǎo)致游客作出負(fù)面評(píng)價(jià)有關(guān)；門頭溝區(qū)正、負(fù)面情緒占比均較少，總體情緒較平和。

圖5 北京市各行政區(qū)旅游者微博情緒統(tǒng)計(jì)Fig.5 Statistics of tourists′ emotions expressed by microblogs in each administrative region in Beijing

2.2 旅游者微博主題分類分析

本文通過(guò)BERT模型進(jìn)行旅游者負(fù)面微博文本分類，最終獲得“天氣”“游覽”“餐飲”“休閑”“住宿”5個(gè)主題的旅游者微博數(shù)量分別為110 095、90 545、116 114、96 557、8 731條。其中，“游覽”“餐飲”“休閑”“住宿”均為旅游者活動(dòng)，“住宿”微博數(shù)量與其他3類活動(dòng)的微博數(shù)量相距甚遠(yuǎn)，最不受旅游者關(guān)注，而“天氣”是旅游者體驗(yàn)的重要影響因素。

在5個(gè)主題中(圖6a)，“天氣”和“餐飲”主題產(chǎn)生強(qiáng)烈情緒的概率超過(guò)其他3個(gè)主題，且“天氣”是最易產(chǎn)生負(fù)面情緒的主題；“餐飲”和“休閑”較易產(chǎn)生正面情緒而不易產(chǎn)生負(fù)面情緒；“游覽”主題的正、負(fù)面評(píng)價(jià)占比均較少，總體情緒較平和。從每月不同主題旅游者微博的數(shù)量看(圖6b)，“餐飲”主題在7-8月數(shù)量最多，10月和1月次之，可能與上述月份節(jié)假日和聚餐活動(dòng)較多有關(guān)，而2月是春節(jié)期間，人們因回鄉(xiāng)而較少在外用餐，數(shù)量最少；“天氣”主題在1月、6-8月、10-12月數(shù)量較多，可能因?yàn)檫@幾個(gè)月高溫、大風(fēng)和霧霾對(duì)旅游者的影響較大；“休閑”主題在7-8月數(shù)量最多，9-10月次之，1月及3-6月較為均衡，11-12月較少、2月最少，可能受到節(jié)假日及天氣的雙重影響；“游覽”主題在10月數(shù)量最多，7-8月次之，應(yīng)該是受到這3個(gè)月假期較多的影響，9月數(shù)量稍微減少，1月和12月數(shù)量最少，與北京旅游淡旺季時(shí)間相吻合。

圖6 旅游者微博主題數(shù)量統(tǒng)計(jì)Fig.6 Statistics on the number of themes of tourists′ microblogs

2.3 旅游者負(fù)面微博主題提取分析

本文運(yùn)用LDA和BERTopic主題模型分別提取“天氣”“游覽”“餐飲”“休閑”“住宿”5個(gè)主題的旅游者負(fù)面微博話題，分析旅游者負(fù)面口碑產(chǎn)生的原因。對(duì)話題進(jìn)行命名、整理，并將同類話題歸類，得到5個(gè)主題的旅游者情緒影響因素(表1)；此外，還統(tǒng)計(jì)了各主題高頻詞，通過(guò)繪制詞云圖(圖7)可以發(fā)現(xiàn)，在天氣主題中旅游者對(duì)氣溫“熱”“冷”“風(fēng)”較為敏感；長(zhǎng)城、天安門和恭王府是旅游者抱怨較多的游覽目的地；“住宿”主題中“床”“賓館”“價(jià)格”討論較多；而休閑主題中“演唱會(huì)”是旅游者易出現(xiàn)負(fù)面情緒的活動(dòng)內(nèi)容。

圖7 旅游者負(fù)面微博各主題詞云Fig.7 Cloud diagram of each theme for tourists′ negative microblogs

游覽主題中，導(dǎo)致旅游者產(chǎn)生負(fù)面情緒的主要因素有“旅游吸引物”“活動(dòng)”“天氣”“體驗(yàn)”“旅游產(chǎn)品”等，如排隊(duì)買票的人過(guò)多、一日游的體驗(yàn)太差、故宮周一閉館、看升旗遭遇大風(fēng)或寒冷天氣等，大數(shù)據(jù)分析的優(yōu)勢(shì)在于可以動(dòng)態(tài)、精細(xì)捕捉各景區(qū)存在的問(wèn)題，并根據(jù)負(fù)面口碑的原因提出改進(jìn)措施。餐飲主題中，導(dǎo)致旅游者產(chǎn)生負(fù)面情緒的主要因素有“餐廳/食物”“服務(wù)質(zhì)量”“口味”“用餐環(huán)境”等，如餐廳太貴、豆汁等北京小吃不合胃口、喜茶排隊(duì)太長(zhǎng)等。天氣主題中，導(dǎo)致旅游者產(chǎn)生負(fù)面情緒的主要因素有“天氣”“所在地”“活動(dòng)”“體驗(yàn)”等，如高溫、霧霾、大風(fēng)等不良天氣對(duì)旅游者游覽造成影響。住宿主題中，導(dǎo)致旅游者產(chǎn)生負(fù)面情緒的主要因素有“設(shè)施”“服務(wù)”“體驗(yàn)”，如床品舒適度差、房間溫度不合適、衛(wèi)生條件差、價(jià)格貴等。休閑主題中，導(dǎo)致旅游者產(chǎn)生負(fù)面情緒的主要因素有“活動(dòng)”“所在地”“體驗(yàn)”，如演唱會(huì)后天氣不好、咖啡口感差、在酒吧喝醉酒等。從表1可知，惡劣天氣對(duì)“游覽”“餐飲”“休閑”“住宿”4類活動(dòng)中的旅游者負(fù)面情緒都有貢獻(xiàn)。可見(jiàn)，如何在旅游過(guò)程中屏蔽惡劣天氣影響，如改進(jìn)室內(nèi)場(chǎng)館的空調(diào)與新風(fēng)設(shè)施、安裝室外遮陽(yáng)棚、提高綠蔽率等，將是提升旅游者體驗(yàn)的關(guān)鍵之一。

表1 旅游者負(fù)面微博各主題對(duì)應(yīng)的話題及情緒影響因素Table 1 Topics and emotion influencing factors corresponding to each theme for tourists′ negative microblogs

3 結(jié)論與討論

本文以2017-2019年北京市帶地理位置的新浪微博為例，通過(guò)BERT模型進(jìn)行情感計(jì)算和主題分類，挖掘旅游者情緒的時(shí)空分布規(guī)律，探討不同主題下旅游者的情緒特征，并通過(guò)LDA和BERTopic模型提取旅游者負(fù)面微博話題，進(jìn)而分析每個(gè)主題中可能導(dǎo)致旅游者負(fù)面情緒的相關(guān)因素。研究結(jié)果表明：1)旅游者情緒呈現(xiàn)出晝夜、周和季節(jié)性節(jié)律變化，不同性別旅游者在情緒反應(yīng)強(qiáng)度及晝夜、季節(jié)性變化上存在差異。女性比男性旅游者更樂(lè)于分享，且情緒反應(yīng)比男性更強(qiáng)烈，正、負(fù)面情緒的比例比男性分別高6.64%和2.69%；旅游者情緒值在日內(nèi)呈現(xiàn)出雙峰和波浪形變化特征，男性旅游者在20時(shí)后情緒逐漸趨于平緩，而女性旅游者情緒峰值持續(xù)至23時(shí)。2)中等強(qiáng)度情緒與強(qiáng)烈情緒在空間分布上存在差異。密云區(qū)、平谷區(qū)、石景山區(qū)、東城區(qū)和延慶區(qū)的旅游者正面情緒占比較高；而順義區(qū)、大興區(qū)、海淀區(qū)、西城區(qū)、昌平區(qū)和通州區(qū)的旅游者負(fù)面情緒占比較高，其中唯有順義區(qū)負(fù)面微博數(shù)超過(guò)正面微博數(shù)；門頭溝區(qū)旅游者情緒最為平穩(wěn)。3)旅游者負(fù)面微博主要包括“游覽”“餐飲”“休閑”“住宿”4個(gè)活動(dòng)主題以及“天氣”主題，其中旅游者對(duì)“天氣”和“餐飲”主題較敏感，而惡劣天氣最易導(dǎo)致負(fù)面情緒。因此，為提升旅游者體驗(yàn)，應(yīng)考慮在特定旅游景區(qū)加強(qiáng)應(yīng)對(duì)天氣影響的管理措施。

本文探索了系統(tǒng)的旅游者情緒分析方法，可從多維度、多層次挖掘旅游者情緒特征且準(zhǔn)確度較高，可用于旅游目的地輿情監(jiān)測(cè)與預(yù)警。然而，本文對(duì)旅游者情緒與外部環(huán)境之間的交互關(guān)系缺乏深入探討，未來(lái)將加強(qiáng)此方面的研究。