基于文本挖掘的陜西省旅游線路推薦探究

李詩(shī)怡 李淑玲

（西安歐亞學(xué)院，陜西西安 710065）

引言

隨著旅游業(yè)的繁榮和生活水平的提升，人們?cè)谧非笪镔|(zhì)生活的同時(shí)，將出行旅游、陶冶情操等精神生活的滿(mǎn)足視為生活中不可或缺的一部分。根據(jù)文化和旅游部發(fā)布的國(guó)內(nèi)旅游數(shù)據(jù)情況調(diào)查結(jié)果，2022 年上半年國(guó)內(nèi)出游總?cè)藬?shù)達(dá)14.55 億人次。陜西省作為我國(guó)中西部地區(qū)的旅游大省，不僅擁有獨(dú)一無(wú)二的自然美景，還有深厚的歷史文化底蘊(yùn)，但也存在影響旅游行業(yè)發(fā)展的因素，如景區(qū)分布廣，城市的知名度不高等。針對(duì)旅游景區(qū)分布廣、地區(qū)旅游不均衡的問(wèn)題，本文對(duì)陜西省3A 級(jí)及以上景區(qū)數(shù)據(jù)進(jìn)行分析，充分整合旅游資源，利用文本挖掘算法進(jìn)行分析與研究，并結(jié)合景區(qū)間的距離和景區(qū)的特色推薦旅游線路，以幫助游客選擇合適的旅游線路，從而在一定程度上推動(dòng)陜西省各城市的旅游業(yè)協(xié)調(diào)發(fā)展，為陜西省旅游業(yè)發(fā)展作出貢獻(xiàn)。

一、數(shù)據(jù)來(lái)源

本文研究的數(shù)據(jù)源于去哪兒旅行網(wǎng)站和百度百科網(wǎng)站，爬取數(shù)據(jù)時(shí)間截止到2022 年11 月去哪兒旅行網(wǎng)站記錄的3A 級(jí)及以上景區(qū)的數(shù)據(jù)，其中數(shù)據(jù)說(shuō)明如表1 所示。

表1 數(shù)據(jù)說(shuō)明表

二、模型構(gòu)建與分析

對(duì)景區(qū)數(shù)據(jù)進(jìn)行文本挖掘，有利于游客快速找到合適的旅游路線。下面將使用LDA 模型對(duì)經(jīng)過(guò)預(yù)處理的文本數(shù)據(jù)進(jìn)行主題詞提取，然后使用K-Means聚類(lèi)將相似的景區(qū)整合。首先，為了提取景區(qū)的主題詞，需要確定最優(yōu)模型主題數(shù)，通過(guò)困惑度曲線圖選出合適的主題數(shù)；其次，經(jīng)過(guò)LDA 模型主題提取出各個(gè)主題并展示；再次，根據(jù)主題對(duì)景區(qū)數(shù)據(jù)結(jié)合景區(qū)之間的距離進(jìn)行聚類(lèi)分析；最后，展示每個(gè)主題下的聚類(lèi)結(jié)果，并對(duì)其進(jìn)行描述和分析[1]。

（一）LDA 主題建模

1.確定最優(yōu)模型主題數(shù)

由于LDA 模型在建模之前需要確定最優(yōu)的主題個(gè)數(shù)，本文在確定主題數(shù)時(shí)選擇主題困惑度方法，該方法經(jīng)常被用于確定主題個(gè)數(shù)。

本文研究的主題從2 到9 變換時(shí)，困惑度慢慢降到比較低的水平，當(dāng)主題數(shù)增加到9 及之后時(shí)，困惑度變化不大；當(dāng)主題數(shù)為3、4、9 時(shí)，困惑度有轉(zhuǎn)折點(diǎn)，困惑度太高則主題數(shù)少，會(huì)影響聚類(lèi)效果，困惑度太低又會(huì)容易出現(xiàn)過(guò)擬合現(xiàn)象，因此既要保證主題數(shù)合理又要保證困惑度適中，結(jié)合困惑度越低模型效果越好的原則，選擇主題數(shù)為4。

2.各主題對(duì)應(yīng)關(guān)鍵詞

經(jīng)過(guò)LDA 主題模型關(guān)鍵詞提取后前10 個(gè)關(guān)鍵詞結(jié)果如表2 所示。

表2 主題關(guān)鍵詞

由表2 可知，主題一的關(guān)鍵詞有秦嶺、黃河、瀑布、森林等，它們都屬于自然景觀；主題二的關(guān)鍵詞有博物館、文物、遺址、黃帝陵等，它們都屬于歷史文化；主題三的關(guān)鍵詞有舊址、延安、紅軍、毛澤東等，它們都屬于革命景區(qū)；主題四的關(guān)鍵詞有休閑、體驗(yàn)、博覽園、參觀，它們都屬于娛樂(lè)生活。

（二）K-Means 聚類(lèi)結(jié)果

聚類(lèi)的主要指標(biāo)是進(jìn)行分詞處理后的文本數(shù)據(jù)，基于LDA 模型提取的關(guān)鍵詞，將包含關(guān)鍵詞的共同特征景區(qū)進(jìn)行整合，即各主題所包含的景區(qū)與各景區(qū)的經(jīng)緯度信息。

K-Means 聚類(lèi)有多種的算法評(píng)價(jià)指標(biāo)，本文在聚類(lèi)效果評(píng)價(jià)時(shí)選擇常見(jiàn)的輪廓系數(shù)法，尹世莊等在研究中提到輪廓系數(shù)是由Kaufman 等結(jié)合凝聚度和分離度所提出的，輪廓系數(shù)的值在[-1，1]之間，趨近于1 表示內(nèi)聚性和分離性較好，即輪廓系數(shù)越大聚類(lèi)效果越好，該方法的計(jì)算公式如下：

該公式中，a代表向量到同一簇內(nèi)其他點(diǎn)不相似程度的平均值，b代表向量到其他簇的平均不相似程度的最小值，s代表向量輪廓系數(shù)。

根據(jù)主題模型整合后的各主題所包含的景區(qū)與各景區(qū)的經(jīng)緯度數(shù)據(jù)進(jìn)行聚類(lèi)，并輸出每個(gè)類(lèi)簇中心。根據(jù)輪廓系數(shù)值選取的主題聚類(lèi)模型結(jié)果如表3所示。

表3 主題線路推薦

如表3 所示，主題一聚類(lèi)結(jié)果分為3 個(gè)類(lèi)簇中心，即3 條線路。以類(lèi)簇一的經(jīng)緯度為中心，距離該中心近的景區(qū)有16 個(gè)，包括中壩大峽谷、丹江漂流、九龍山景區(qū)、吳山、壺口瀑布等景區(qū)；以類(lèi)簇二的經(jīng)緯度為中心，距離該中心近的景區(qū)有3 個(gè)，包括天書(shū)峽景區(qū)、太平國(guó)家森林公園、黑河國(guó)家森林公園；以類(lèi)簇三的經(jīng)緯度為中心，距離該中心近的景區(qū)有34 個(gè)，包括五龍洞國(guó)家森林公園、佛坪熊貓谷、關(guān)山草原、南宮山、南沙湖景區(qū)等景區(qū)。主題二聚類(lèi)結(jié)果分為兩個(gè)類(lèi)簇中心，即兩條線路。以類(lèi)簇一的經(jīng)緯度為中心，距離該中心近的景區(qū)有28 個(gè)，包括乾陵、華清宮、華陽(yáng)古鎮(zhèn)、咸陽(yáng)博物館、唐昭陵、大明宮國(guó)家遺址公園等景區(qū)；以類(lèi)簇二的經(jīng)緯度為中心，距離該中心近的景區(qū)有3 個(gè)，包括大唐芙蓉園、蔡倫墓、阿房宮遺址。

主題三聚類(lèi)結(jié)果分為兩個(gè)類(lèi)簇中心，即兩條線路。以類(lèi)簇一的經(jīng)緯度為中心，距離該中心近的景區(qū)有9 個(gè)，包括中共中央西北局舊址、鳳凰山麓革命舊址、延安革命紀(jì)念館、扶眉戰(zhàn)役紀(jì)念館、楊家?guī)X革命舊址等景區(qū)；以類(lèi)簇二的經(jīng)緯度為中心，距離該中心近的景區(qū)有6 個(gè)，包括八路軍駐西安辦事處、渭華起義紀(jì)念館、長(zhǎng)樂(lè)塬抗戰(zhàn)工業(yè)遺址、旬陽(yáng)縣紅軍紀(jì)念館等景區(qū)。

主題四聚類(lèi)結(jié)果分為兩個(gè)類(lèi)簇中心，即兩條線路。以類(lèi)簇一的經(jīng)緯度為中心，距離該中心近的景區(qū)有23 個(gè)，包括秦嶺峽谷漂流、秦嶺野生動(dòng)物園、翠華山、茯茶小鎮(zhèn)等景區(qū)；以類(lèi)簇二的經(jīng)緯度為中心，距離該中心近的景區(qū)有6 個(gè)，包括法門(mén)寺、姜嫄水鄉(xiāng)、楊凌農(nóng)業(yè)示范區(qū)等景區(qū)。

（三）陜西旅游線路推薦

游客在考慮時(shí)間成本時(shí)會(huì)選擇最短線路，因此筆者將結(jié)合LDA 主題提取各景區(qū)結(jié)果與每個(gè)主題下景區(qū)距離的聚類(lèi)結(jié)果，將所有景區(qū)分為4 種類(lèi)型。從景區(qū)特色方面來(lái)入手為游客推薦，表3 中主題一所包含的關(guān)鍵詞和景區(qū)為風(fēng)景名勝線路，主題二所包含的關(guān)鍵詞和景區(qū)可以歸類(lèi)為歷史古跡線路，主題三所包含的關(guān)鍵詞和景區(qū)可以歸類(lèi)為紅色之旅線路，主題四所包含的關(guān)鍵詞和景區(qū)可歸類(lèi)為休閑時(shí)光線路。下面以紅色之旅主題為例介紹推薦線路，游客可以根據(jù)旅行需求挑選適合自己的特色線路。

紅色之旅根據(jù)聚類(lèi)結(jié)果分為兩條線路，該兩條線路皆是相對(duì)于類(lèi)簇中心而言最近距離的線路，此路線的景區(qū)以紅色革命為主，紀(jì)念館、革命舊址都記錄了革命歷程。沿著該線路能夠感受黨的光輝歷程，走進(jìn)革命圣地，緬懷革命先烈，了解先輩的豐功偉績(jī)，跟隨黨的腳步，不忘初心。

基于類(lèi)簇中心一經(jīng)緯度聚類(lèi)的結(jié)果，主題三第一條推薦線路為棗莊革命舊址-楊家?guī)X革命舊址-延安革命紀(jì)念館-鳳凰山麓革命舊址-中共中央西北局舊址；基于類(lèi)簇中心二經(jīng)緯度聚類(lèi)的結(jié)果，主題三第二條推薦線路為長(zhǎng)樂(lè)塬抗戰(zhàn)工業(yè)遺址-茂陵博物館-八路軍駐西安辦事處-猿人遺址-渭華起義紀(jì)念館-旬陽(yáng)縣紅軍紀(jì)念館。這兩條推薦線路都距離中心點(diǎn)較近，且各景區(qū)之間的距離也較近，可供游客按需選擇。

三、結(jié)論與建議

本文通過(guò)對(duì)陜西省旅游景區(qū)的文本挖掘研究，針對(duì)線路推薦問(wèn)題，站在游客的角度上考慮時(shí)間成本，結(jié)合景區(qū)的特色與景區(qū)間的距離，采用LDA 主題模型對(duì)陜西省的景區(qū)數(shù)據(jù)進(jìn)行整合，將樣本數(shù)據(jù)分為自然景觀、歷史古跡、紅色之旅、休閑時(shí)光4 類(lèi)。然后結(jié)合景區(qū)整合結(jié)果與距離聚類(lèi)，根據(jù)類(lèi)簇中心選出最優(yōu)線路，最后根據(jù)聚類(lèi)的結(jié)果為游客推薦合適的線路[2]。

針對(duì)研究中發(fā)現(xiàn)的問(wèn)題，筆者將從兩方面提出建議，一方面是景區(qū)角度：首先，建議景區(qū)加強(qiáng)管理，提高景區(qū)服務(wù)人員的職業(yè)素養(yǎng)[3]；其次，由于陜西省的特色景區(qū)僅集中在某些城市，景區(qū)差異不大，建議陜西省多開(kāi)發(fā)特色景區(qū)，滿(mǎn)足游客的個(gè)性化需求[4]；再次，景區(qū)要完善公共設(shè)施，增加出游交通設(shè)備；最后，對(duì)于地域發(fā)展不均衡、旅游資源利用不合理這類(lèi)問(wèn)題，建議結(jié)合多個(gè)城市讓游客體驗(yàn)不同的景區(qū)風(fēng)格。另一方面是游客角度：首先，游客要明確旅游目的地，節(jié)省選擇地點(diǎn)占用的時(shí)間；其次，游客要根據(jù)選好的目的地，有針對(duì)性地瀏覽旅游攻略，了解目的地景區(qū)特色，從而擁有更好的旅行感受[5]。