基于網(wǎng)絡評論的文本挖掘與情感傾向分析

楊嘉雯 石媛媛 閆安

摘要：目的：基于五家旅游平臺上北京地區(qū)18家一級博物館評論的數(shù)據(jù)分析，挖掘影響游客滿意度因素，了解游客差評原因，對提升北京地區(qū)博物館服務具有重大意義。方法：通過詞云圖、語義網(wǎng)絡特征關(guān)聯(lián)分析、LDA主題模型特征分析，并建立語義情感詞典進行情感傾向分析。結(jié)論：根據(jù)文本挖掘與情感傾向分析結(jié)果，提出北京地區(qū)博物館服務建議。創(chuàng)新基于現(xiàn)實數(shù)據(jù)，采用數(shù)據(jù)挖掘方法分析北京地區(qū)博物館游客情感傾向，為游客情感影響因素識別提供科學研究范式。

關(guān)鍵詞：文本挖掘；語義網(wǎng)絡；文本情感分析；北京地區(qū)博物館

引言

游客平臺網(wǎng)站評價是游客對體驗的真實表達。通過挖掘網(wǎng)絡文本，了解游客看法，對完善博物館體系，提升游客體驗具有重要意義。對于挖掘網(wǎng)絡文本和分析情感傾向方法，已有眾多學者深入研究。莫紀燦等（2021）[1]使用ROSTCM6軟件對網(wǎng)師園網(wǎng)絡評論進行網(wǎng)絡語義分析，歸納游客感情特征；孫明慧等（2021）[2]構(gòu)建語義網(wǎng)絡，提取高頻詞，對消極情緒進行扎根理論編碼分析，建立鄉(xiāng)村書店游客負面情緒影響因素模型；鄭凇尹等（2022）[3]使用方面級情感分析方法，使用模型情感分類，歸納影響用戶滿意度的因素。

梳理文獻得出，國內(nèi)外在研究博物館游客體驗方面缺少對網(wǎng)絡文本的利用。因此本研究創(chuàng)新基于從去哪兒網(wǎng)、大眾點評等點評類網(wǎng)站抓取網(wǎng)絡評價，運用詞頻統(tǒng)計、語義網(wǎng)絡特征關(guān)聯(lián)分析、LDA主題模型分析、建立詞典情感分析等方法分析北京地區(qū)博物館游客體驗的影響因素，提出可持續(xù)發(fā)展的相關(guān)建議。

1. 北京地區(qū)博物館游客評論的特征分析

1.1 數(shù)據(jù)的來源與預處理

1.1.1 數(shù)據(jù)來源

本研究的評論數(shù)據(jù)選取大眾點評、驢媽媽、去哪兒網(wǎng)、攜程網(wǎng)、途牛網(wǎng)5家網(wǎng)站從2019年1月至2022年12月對北京地區(qū)18家國家一級博物館的評論。博物館分為8家文物博物館：中國國家博物館、恭王府博物館、清華大學藝術(shù)博物館、故宮博物院、中國人民抗日戰(zhàn)爭紀念館、首都博物館、周口店北京人遺址博物館、北京魯迅博物館；8家行業(yè)博物館：中國農(nóng)業(yè)博物館、北京天文館、北京汽車博物館、中國印刷博物館、中國電影博物館、中國科學技術(shù)館、北京自然博物館、中國人民革命軍事博物館、中國航空博物館、中國地質(zhì)博物館。

1.1.2 數(shù)據(jù)預處理

運用軟件收集網(wǎng)站一級評論，內(nèi)容包括評論內(nèi)容、評論日期及用戶名，共83264條評論，由于存在無關(guān)數(shù)據(jù)，如重復評論、無效無關(guān)數(shù)據(jù)等，無法直接分析，所以進行初步處理，去除2020年1月前全部評論、重復評論、顏表情、無用符號，最終獲得53319條有效評價數(shù)據(jù)。使用Jieba分詞，Jieba詞典庫不夠完整，本研究根據(jù)實際情況對停用詞添加刪除，建立適合的停用詞表，分詞結(jié)果更加顯著。

1.2 文本特征提取

TF-IDF方法在分詞后對分詞結(jié)果進行遍歷[4]，挖掘文檔中關(guān)鍵詞，評估某詞組對文檔的重要程度，TF-IDF值越高表明該內(nèi)容的重要性越強[5-6]。根據(jù)TF-IDF結(jié)果，得到詞頻統(tǒng)計前20個詞及TF-IDF排名前20個特征詞，如表1所示。詞頻統(tǒng)計和TF-IDF中“電影”均占榜首，可見游客對數(shù)字化技術(shù)的關(guān)注。詞頻統(tǒng)計與TF-IDF結(jié)果基本相同，說明詞頻數(shù)和TF-IDF值間存在一定正向關(guān)系。但詞頻統(tǒng)計中“小朋友”位于靠前位置，但TF-IDF中為靠后位置，表明詞頻數(shù)越高不能表示重要性一定高。

1.3 基于詞云圖的特征可視化分析

基于分詞結(jié)果，在Jupyter Notebook環(huán)境內(nèi)生成詞云圖，通過可視化轉(zhuǎn)化數(shù)字表格，直觀展現(xiàn)評價高頻詞與游客體驗重點，利于建議提出，為結(jié)果展現(xiàn)的重要方法之一[7]，如圖1所示。

出現(xiàn)頻率較高的高頻詞，即圖中字體更大的詞組，如“電影”“歷史”“展廳”“門票”“小朋友”等，突出游客關(guān)注內(nèi)容。

根據(jù)圖1，結(jié)合整段評價分析：

（1）游客選擇博物館時考慮預約模式及開放時間，如是否有預約網(wǎng)站、是否需提前關(guān)注搶票進展、博物館預約開放時間，增加體驗滿意度。

（2）游客偏向更具新奇體驗的博物館，更多年輕人選擇主題豐富博物館出行；博物館可在展覽建設中注入創(chuàng)新力量，例如數(shù)字化劇場覆蓋率，提高回頭率。

（3）游客看重展館受眾及主題內(nèi)容，家長會優(yōu)先小朋友選擇有教育意義的博物館；年輕人為充實自身文化底蘊，會選擇有文化氣息的博物館。

（4）游客會被建筑外觀吸引，如故宮保留中國歷史的建筑物群、魯迅博物館特色的館內(nèi)環(huán)境和風格；博物館可在展覽風格及館內(nèi)環(huán)境投入精力，提高好評率。

1.4 基于語義網(wǎng)絡的特征關(guān)聯(lián)分析

詞頻統(tǒng)計對影響游客體驗因素初步分析，但對影響因素間的關(guān)系仍無法說明。語義網(wǎng)絡分析可直觀分析主要特征詞間的關(guān)聯(lián)關(guān)系以及語義網(wǎng)絡的中心節(jié)點，找尋文本特征[8]。運用ROSTCM6軟件對已處理數(shù)據(jù)進行社會網(wǎng)絡與語義分析[9]。生成共現(xiàn)矩陣，如表2所示，網(wǎng)絡語義分析圖如圖2所示。

圖2看出影響體驗因素間的關(guān)系具有包圍結(jié)構(gòu)，分為三個層面。交通、門票、展廳等高頻詞與其他高頻詞聯(lián)系最緊密，構(gòu)成第一層核心圈，也是影響游客體驗重要因素。第二層主要由小朋友、電影、停車場、展品等高頻詞組成，為次要因素，反映博物館提供的項目服務，如停車場、電影等。最外層主要由科技、文化、樂園等組成，反映游客對博物館文化內(nèi)涵的關(guān)注，對博物館的整體印象等。結(jié)合共現(xiàn)矩陣及網(wǎng)絡語義分析，影響博物館游客情感因素總結(jié)出以下方面：交通、門票、展廳、服務、文化、展覽。

1.5 基于LDA主題模型的特征分析

語義網(wǎng)絡已找到影響游客情感傾向的因素關(guān)系，繼以通過LDA[10]三層貝葉斯主題模型，通過無監(jiān)督學習方法發(fā)現(xiàn)文本中隱含的主題信息[11-12]。本研究利用比較困惑度[13]進行主題識別。經(jīng)python算出主題數(shù)目為5時，LDA模型困惑度最小。自然語言處理導出主題—關(guān)鍵詞分布后，得到游客評論的5個研究主題并每個主題提取20個特征詞。LDA主題分析生成主題、特征詞及權(quán)重如表3所示，展示每個主題及其關(guān)鍵詞和重要性。

分析表3中特征詞，各主題含義如下：主題一，游客關(guān)注博物館概況，如門票性價比、環(huán)境等；主題二，游客在疫情時代注重博物館的整體服務水平；主題三，游客重視博物館逐漸提高的數(shù)字化發(fā)展；主題四，游客更注重博物館的內(nèi)在文化知識，博物館為公共教育場合，可在此感受到在其他場合無法了解到的知識文化；主題五，強調(diào)多以親子出游為主。綜合以上五個主題，游客比較關(guān)心博物館周邊環(huán)境、整體服務、數(shù)字化建設及北京地區(qū)獨有內(nèi)在文化建設等。

2. 游客情感傾向分析

2.1 詞典的建立

本文分析游客情感傾向時，采用基于語義的情感詞典方法[14]。構(gòu)建程度副詞詞典、情感詞詞典和否定詞詞典。分析文本計算情感分數(shù)值，將情感傾向分類。

參考文獻，情感詞典及其賦值如表4所示。

情感詞詞典只可表明情感傾向，無法體現(xiàn)程度區(qū)別，因此建立程度副詞詞典，參考知網(wǎng)研究及前人研究，最終以周知等[15]研究為參考，劃分出6個等級并賦予權(quán)值，如表5所示。

當否定詞存在時，情感傾向會改變，因此附加否定詞詞典。目前研究對此設置無固定模板，據(jù)相關(guān)文獻建立否定詞詞典，如表6所示。

2.2 情感值計算算法設計

結(jié)合具體情況及參考文獻，本研究算法邏輯如下：

（1）對網(wǎng)絡評價文本數(shù)據(jù)進行預處理；

（2）建立好詞典，即程度副詞詞典、情感詞詞典和否定詞詞典，導入數(shù)據(jù)集；

（3）程序運行中遍歷尋找評論中情感詞，確定基礎(chǔ)情感分數(shù)值；

（4）以確定情感詞為查找中心，查找前面一個詞，判斷是否存在程度副詞，若有，在詞典中確定程度級別，根據(jù)權(quán)重賦值運算；

（5）再次以（3）中情感詞為查找中心查找，判斷是否存在修飾中心情感詞的否定詞，若有，分數(shù)置反；

（6）計算原始每條評論的情感分數(shù)值。對確定的情感詞計算所有權(quán)重后加和；

（7）最后統(tǒng)計游客評論的情感傾向占比。

2.3 結(jié)果分析

根據(jù)算法結(jié)果將評價情感傾向分為好評4509條評論、中性4398條評論、差評3872條評論，共53319條評論。

分析圖3，極高的好評率說明北京市地區(qū)博物館建設可觀；中性評價表明建設不夠吸引游客、跟進時代；差評存在，說明博物館有急需整改之處，可能是影響北京地區(qū)文化發(fā)展的障礙。

分析表7、圖4，好評中高度好評最多，中度其次，說明游客認可程度極高，博物館建設可觀；差評中輕度差評最多，中度其次，可見博物館雖存不足，反饋并不強烈。高度差評占比不高，可知發(fā)展中所存問題尚不嚴重，但仍須加強對其部分改進。

結(jié)語

本研究以9家旅游網(wǎng)站中北京地區(qū)18家一級博物館游客評論文本數(shù)據(jù)為例，使用語義網(wǎng)絡關(guān)聯(lián)分析、詞云圖分析、LDA主題模型特征分析對評論文本進行特征分析，采用建立情感詞典并賦予其相關(guān)分值，python計算每條評論情感得分。根據(jù)研究結(jié)果為北京地區(qū)博物館的游客體驗發(fā)展提出以下建議：

（1）數(shù)字化發(fā)展。北京地區(qū)博物館大多普及了數(shù)字化系統(tǒng)，但部分博物館維護不足，如評論中頻繁出現(xiàn)的熒屏熄滅等，因此維修與防護工作應加強。博物館具有文化傳播的社會功能，應強化網(wǎng)絡上知識教育，實現(xiàn)文化遺產(chǎn)的網(wǎng)絡化展示，應用科技使更多游客了解其內(nèi)涵。

（2）文創(chuàng)服務。博物館衍生文創(chuàng)產(chǎn)品，如故宮冰淇淋、汽車博物館同款汽車掛墜等。文創(chuàng)產(chǎn)品應貼合游客興趣點，關(guān)聯(lián)游客生活，體現(xiàn)創(chuàng)新性與經(jīng)濟價值，使文創(chuàng)產(chǎn)品更實用。

（3）文化傳播。博物館為重要文化陣地，應加強推廣，增添咨詢渠道，擴大影響力，進一步增加游客選擇博物館出行的可能性。統(tǒng)計游客流量數(shù)據(jù)，為后續(xù)宣傳工作提供支撐。

（4）整體服務。博物館具有極強社會屬性，是全民旅游陣地，但研究表明，游客主要群體為親子及青少年，缺少老年游客。應加強員工培訓，提高服務質(zhì)量，貼近老年思想，使博物館旅游全年齡發(fā)展。優(yōu)化內(nèi)在設計，突出本館特色，側(cè)重文化內(nèi)涵展示，傳播好所代表的歷史文化；優(yōu)化館內(nèi)服務，清晰門票購買細則，避免出現(xiàn)游客無法及時購票的情況；盡量設置停車場，或標記附近停車場的位置，提供便捷交通。

參考文獻：

[1]莫紀燦，張青萍.基于網(wǎng)絡文本分析的蘇州古典園林活化策略研究——以網(wǎng)師園為例[J].資源開發(fā)與市場，2021，37（5）： 629-635.

[2]孫明慧，陳少華.文化旅游視角下基于網(wǎng)絡評論的鄉(xiāng)村書店形象感知分析——以先鋒書店（鄉(xiāng)村店）為例[J].出版科學，2021，29（02）：66-78.

[3]鄭淞尹，王萍，丁恒，等.基于方面級情感分析的博物館數(shù)字化服務用戶體驗研究[J].情報科學，2022，40（4）：171-178.

[4]林振榮，黃虹霞，舒?zhèn)ゼt，等.基于TF-IDF與用戶聚類的推薦算法[J].計算機仿真，2022，39（6）：341-345.

[5]邵欣欣.TI-FastText自動商品分類算法[J].計算機科學，2022，49（S1）：206-210.

[6]曾金，張耀峰，黃新杰，等.面向用戶評論的主題挖掘研究——以美團為例[J].情報科學，2022，40（11）：78-84.

[7]師榮蓉，張教萌.中國經(jīng)濟高質(zhì)量發(fā)展的社會評價：基于微博情感分析的視角[J].統(tǒng)計與決策，2021，37（24）：180-184.

[8]張公讓，鮑超，王曉玉，等.基于評論數(shù)據(jù)的文本語義挖掘與情感分析[J].情報科學，2021，39（5）：53-61.

[9]葉佳鑫，熊回香，楊滋榮，等.關(guān)鍵詞詞頻及語義特征對科技文獻聚類的影響研究[J].情報科學，2021，39（8）：156-163.

[10]孫瑞英，陳宜泓.基于LDA主題模型的國內(nèi)智慧閱讀研究熱點及發(fā)展導向研判[J/OL].圖書館建設：1-21[2023-04-20].http：//kns.cnki.net/kcms/detail/23.1331.G2.20221221.1311.002.html.

[11]陳芳，沈芮宇.基于文本挖掘的空中危險接近事件致因研究[J].安全與環(huán)境學報，2022，22（6）：3280-3287.

[12]李倩，王帥.LDA模型下我國公共圖書館微信平臺閱讀推廣內(nèi)容主題研究[J].圖書情報工作，2022，66（8）：72-83.

[13]李雅倩，孫玉玲，趙婉雨.基于主題模型和時間序列分析的新興主題識別與特征關(guān)聯(lián)研究[J].知識管理論壇，2022，7（3）：229-247.

[14]林振宇，解吉波，楊騰飛，等.旅游多主題情感詞典的構(gòu)建方法[J].地理與地理信息科學，2021，37（4）：22-27.

[15]周知，王春迎，朱佳麗.基于超短評論的圖書領(lǐng)域情感詞典構(gòu)建研究[J].情報理論與實踐，2021，44（9）：183-189.

作者簡介：楊嘉雯，本科，研究方向：物流管理；閆安，本科，研究方向：計算機與科學技術(shù)；石媛媛，本科，研究方向：經(jīng)濟學。

項目基金：數(shù)字賦能文旅融合高質(zhì)量發(fā)展研究（編號：202310004145）。