神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域的應(yīng)用研究文獻(xiàn)綜述

白翠玲，雷欣，董志良

（1．河北地質(zhì)大學(xué)土地科學(xué)與空間規(guī)劃學(xué)院；2．河北省科協(xié)智庫(kù)地學(xué)旅游與鄉(xiāng)村振興研究基地；3．河北地質(zhì)大學(xué)管理學(xué)院；4．河北地質(zhì)大學(xué)科學(xué)技術(shù)處，河北 石家莊 050031）

引言

神經(jīng)網(wǎng)絡(luò)是一種理論化的人腦神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，在對(duì)人腦或自然神經(jīng)網(wǎng)絡(luò)某些行為特征的抽象和模擬基礎(chǔ)上，建立的一種信息處理系統(tǒng)[1]。神經(jīng)網(wǎng)絡(luò)經(jīng)過不斷改進(jìn)感知器產(chǎn)生了BP 神經(jīng)網(wǎng)絡(luò)、主成分神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、SVM 神經(jīng)網(wǎng)絡(luò)，以及深度更廣的卷積型神經(jīng)網(wǎng)絡(luò)、玻爾茲曼機(jī)神經(jīng)網(wǎng)絡(luò)、深度殘差人工神經(jīng)網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍廣泛，韋伯斯于1974 年揭示了神經(jīng)網(wǎng)絡(luò)的反向傳遞學(xué)習(xí)特性，其學(xué)習(xí)的有效性較一般統(tǒng)計(jì)研究強(qiáng)得多，并采用神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的回歸式分析對(duì)比，用于估計(jì)太陽(yáng)黑子的年平均運(yùn)動(dòng)狀態(tài)。部分研究者使用人工神經(jīng)網(wǎng)絡(luò)來估計(jì)國(guó)際航空客運(yùn)量[2]；部分研究利用神經(jīng)網(wǎng)絡(luò)模型對(duì)商品價(jià)格進(jìn)行預(yù)測(cè)，以評(píng)估項(xiàng)目的經(jīng)濟(jì)可行性[3]；有些學(xué)者將人工神經(jīng)網(wǎng)絡(luò)的方法運(yùn)用在銀行故障預(yù)測(cè)中，來判斷銀行倒閉情況[4]；也有學(xué)者利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)多變量時(shí)間序列行為[5]；有研究者針對(duì)股票價(jià)格變動(dòng)頻率和規(guī)律，采用了人工神經(jīng)網(wǎng)絡(luò)的進(jìn)化規(guī)劃實(shí)驗(yàn)，并通過遺傳算法和神經(jīng)網(wǎng)絡(luò)的計(jì)算方式開展價(jià)格預(yù)測(cè)工作[6]。

神經(jīng)網(wǎng)絡(luò)模型因其具有的優(yōu)勢(shì)，如較好的容錯(cuò)性、并行處理能力、自學(xué)習(xí)能力、自適應(yīng)能力等，解決了旅游信息不全面、影響因素過多和非線性關(guān)系等一系列問題，對(duì)變量以及數(shù)據(jù)也不會(huì)像傳統(tǒng)方式那樣嚴(yán)苛，彌補(bǔ)了傳統(tǒng)預(yù)測(cè)方法的不足[7]。隨著技術(shù)的不斷迭代與更新，旅游行業(yè)在景區(qū)、交通、博物館等多領(lǐng)域開始應(yīng)用神經(jīng)網(wǎng)絡(luò)模型，以促進(jìn)旅游業(yè)的改革與升級(jí)[8]。從旅游業(yè)供給端視角來看，神經(jīng)網(wǎng)絡(luò)綜合了不同模型，通過旅游資源數(shù)字化采集、存儲(chǔ)[9]，實(shí)現(xiàn)旅游資源開發(fā)與保護(hù)[10]，以及旅游目的地規(guī)劃設(shè)計(jì)與管理[11]。從旅游者視角來看，神經(jīng)網(wǎng)絡(luò)模型能讓人們借助計(jì)算機(jī)網(wǎng)絡(luò)、虛擬現(xiàn)實(shí)等技術(shù)實(shí)現(xiàn)選擇適合自己的定制旅游方案，從而提高旅游者在旅途中的滿足感。隨著旅游信息化程度不斷提高，神經(jīng)網(wǎng)絡(luò)逐漸被運(yùn)用于游客體驗(yàn)的各個(gè)環(huán)節(jié)[12]。在旅游前，神經(jīng)網(wǎng)絡(luò)模型可以為游客提供預(yù)游覽的相關(guān)信息與真實(shí)體驗(yàn)；在旅游過程中，神經(jīng)網(wǎng)絡(luò)模型可以為游客提供路線規(guī)劃等服務(wù)，提升旅游體驗(yàn)的整體滿意度；在旅游結(jié)束后，神經(jīng)網(wǎng)絡(luò)模型可以記載游客的體驗(yàn)感受及經(jīng)驗(yàn)，增加目的地的口碑效應(yīng)[13]。

學(xué)者們采用跨學(xué)科方法和技術(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了系統(tǒng)深入的研究，由于神經(jīng)網(wǎng)絡(luò)模型持續(xù)迭代發(fā)展和成長(zhǎng)，新型應(yīng)用技術(shù)和實(shí)踐研究領(lǐng)域不斷涌現(xiàn)，目前學(xué)者們對(duì)神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域的應(yīng)用研究滯后于實(shí)際運(yùn)用，無(wú)法體現(xiàn)神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的未來應(yīng)用發(fā)展。另外，隨著大量跨學(xué)科概念、技術(shù)和實(shí)驗(yàn)研究涌現(xiàn)，神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究成果也亟須進(jìn)一步整合。本文以CNKI 和Web of Science 作為數(shù)據(jù)源，分析國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域應(yīng)用的相關(guān)文獻(xiàn)，從發(fā)文量、關(guān)鍵詞、時(shí)間演變的角度進(jìn)行相關(guān)分析，并繪制可視化圖譜；采用內(nèi)容分析法，提煉相關(guān)研究主題與研究方法，總結(jié)研究發(fā)展?fàn)顩r和未來發(fā)展趨勢(shì)，希望為神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域的未來應(yīng)用研究提供參考。

一、文獻(xiàn)計(jì)量分析

（一）文獻(xiàn)來源及研究趨勢(shì)分析

本研究選擇CNKI和WOS核心數(shù)據(jù)庫(kù)作為文獻(xiàn)數(shù)據(jù)來源以保證文章的質(zhì)量，時(shí)間范圍為1996—2022 年。英文文獻(xiàn)以 “The neural network” “tourism” 為檢索詞進(jìn)行文獻(xiàn)檢索，文獻(xiàn)類型不受限制，共檢索到2111 篇，中文文獻(xiàn)以神經(jīng)網(wǎng)絡(luò)、旅游為檢索詞進(jìn)行文獻(xiàn)檢索，共檢索到文獻(xiàn)469 篇，分別對(duì)這些文獻(xiàn)的標(biāo)題、關(guān)鍵詞和摘要進(jìn)行主題相關(guān)性篩選，剔除與神經(jīng)網(wǎng)絡(luò)、旅游無(wú)關(guān)的文獻(xiàn)，在進(jìn)行重復(fù)文檔篩選和合并后，保留了470份英文文獻(xiàn)和445篇中文文獻(xiàn)，這些文獻(xiàn)構(gòu)成了本文的研究數(shù)據(jù)集。

通過文獻(xiàn)年度變化分析，其發(fā)文量的趨勢(shì)呈現(xiàn)出四個(gè)階段：（1）1996—2005 年，該階段發(fā)文量較少，研究處于初始階段；（2）2006—2008年，神經(jīng)網(wǎng)絡(luò)研究開始興起，旅游業(yè)也進(jìn)入快速發(fā)展時(shí)期，發(fā)文量呈現(xiàn)出緩慢上升趨勢(shì)；（3）2009—2018 年，此階段發(fā)文量起伏不大，研究處于穩(wěn)定階段，開始進(jìn)入平穩(wěn)發(fā)展期；（4）2019 年至今，隨著神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的成熟，掀起了一波研究熱潮，但由于疫情的影響，旅游業(yè)發(fā)展受到一定影響，國(guó)內(nèi)發(fā)文量在2021 年有所降低，國(guó)外發(fā)文量增長(zhǎng)趨勢(shì)減緩。

（二）關(guān)鍵詞聚類分析

1.國(guó)內(nèi)關(guān)鍵詞聚類分析

本文結(jié)合Citespace和VOSviewer軟件進(jìn)行關(guān)鍵詞分析。除了bp 神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、模態(tài)融合等神經(jīng)網(wǎng)絡(luò)模型術(shù)語(yǔ)，還包括預(yù)測(cè)、旅游安全、智慧旅游、預(yù)警系統(tǒng)、交通信息服務(wù)等關(guān)鍵詞，可見旅游市場(chǎng)營(yíng)銷、技術(shù)接受、游客市場(chǎng)需求等研究方向受到學(xué)者重視。對(duì)關(guān)鍵詞進(jìn)行分析可以發(fā)現(xiàn)關(guān)鍵詞之間節(jié)點(diǎn)和連線數(shù)量都較大，說明相關(guān)文獻(xiàn)之間聯(lián)系較為密切。通過中心性數(shù)值分析，bp 神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)等關(guān)鍵詞在文獻(xiàn)研究中占據(jù)較為重要的地位。

為深入了解關(guān)鍵詞之間的關(guān)系，對(duì)其進(jìn)行LLR 算法聚類。本文國(guó)內(nèi)聚類數(shù)據(jù)結(jié)果Q 值為0.7183，說明聚類結(jié)果是有效并且可靠的，選擇最大的10 個(gè)聚類進(jìn)行呈現(xiàn)（表1）。關(guān)鍵詞聚類圍繞 “神經(jīng)網(wǎng)絡(luò)” “旅游” 等關(guān)鍵詞形成聚類區(qū)域。

聚類分布揭示了國(guó)內(nèi)旅游領(lǐng)域神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的研究視角和方向：第一，旅游業(yè)供給端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。景區(qū)開發(fā)是規(guī)模值最大的聚類，緊密圍繞它的子聚類包含了產(chǎn)業(yè)結(jié)構(gòu)、季節(jié)調(diào)整、土地利用變化、旅游業(yè)發(fā)展等關(guān)鍵詞，顯示神經(jīng)網(wǎng)絡(luò)在旅游、生態(tài)、土地利用等領(lǐng)域的應(yīng)用。與景區(qū)開發(fā)聚類臨近的有交通信息服務(wù)、旅游管理系統(tǒng)、信息技術(shù)、景觀格局、旅行收入等，揭示了神經(jīng)網(wǎng)絡(luò)在旅游供給端領(lǐng)域的應(yīng)用研究熱點(diǎn)。第二，旅游業(yè)需求端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。情感分析是第二規(guī)模值聚類，關(guān)聯(lián)著旅游推薦、智慧旅游、交通信息服務(wù)等聚類。聚類中包含了深度學(xué)習(xí)、注意力機(jī)制、信息過載、事件泛化、信息服務(wù)模式、服務(wù)質(zhì)量、智能規(guī)劃等關(guān)鍵詞，體現(xiàn)了神經(jīng)網(wǎng)絡(luò)在旅游需求端領(lǐng)域的應(yīng)用研究熱點(diǎn)。

2.國(guó)外關(guān)鍵詞聚類分析

國(guó)外研究者們?cè)谏窠?jīng)網(wǎng)絡(luò)與旅游的結(jié)合研究中高頻關(guān)鍵詞主要有 “neural network model” “tour-ism model” “tourism demand” “time series” “demand” “artificial neural” “forecasting” “deep learning” “genetic algorithm” “arrival” “prediction” “impact” “classification” “big data” “system” “machine learning” “Regression” “travel” 等，可見神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于旅游領(lǐng)域的數(shù)據(jù)挖掘和分析更受研究者關(guān)注，同時(shí)也反映了神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域應(yīng)用的研究重點(diǎn)。關(guān)鍵詞之間的節(jié)點(diǎn)和連線數(shù)量都較大，說明相關(guān)文獻(xiàn)之間聯(lián)系較為密切。通過中心性數(shù)值分析， “neural network model” “artificial neural” “forecasting” 等關(guān)鍵詞在文獻(xiàn)研究中占據(jù)較為重要的地位。

表1 國(guó)內(nèi)高頻關(guān)鍵詞聚類

聚類數(shù)據(jù)結(jié)果Q值為0.5962，因此對(duì)于關(guān)鍵詞聚類結(jié)果也是十分有效的。分析結(jié)果顯示共有41個(gè)聚類，為聚焦研究熱點(diǎn)，通過分析選擇聚類最大的8個(gè)進(jìn)行呈現(xiàn)（表2）。通過分析發(fā)現(xiàn)：第一，旅游業(yè)供給端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。 “Sustainable development” 是規(guī)模值最大的聚類，緊密圍繞它的子聚類包含了 “Artificial neural-network” “design” “ANFIS” “ecotourism” 等關(guān)鍵詞，顯示神經(jīng)網(wǎng)絡(luò)在旅游可持續(xù)發(fā)展方面的應(yīng)用，其中包括生態(tài)旅游、旅游規(guī)劃設(shè)計(jì)等。與 “Sustainable development” 聚類臨近的聚類有 “Artificial intelligence” “Tourism management system” “Travel warning system” “Tourist economy” 等，揭示了神經(jīng)網(wǎng)絡(luò)在旅游供給端領(lǐng)域的應(yīng)用。第二，旅游業(yè)需求端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。 “Deep learning” 是第二規(guī)模值聚類，關(guān)聯(lián)著 “Sentiment analysis” “Artificial intelligence” 聚類，子聚類中包含了 “classification” “Image processing” “recognition” “big data” 等關(guān)鍵詞。

（三）關(guān)鍵詞演變分析

1.國(guó)內(nèi)關(guān)鍵詞演變分析

借助Citespace和VOSviewer軟件導(dǎo)出關(guān)鍵詞共現(xiàn)時(shí)間圖（圖1），顯示：1996年前后關(guān)鍵詞為客流量預(yù)測(cè)、旅游、旅游開發(fā)等，側(cè)重神經(jīng)網(wǎng)絡(luò)在旅游開發(fā)管理場(chǎng)景應(yīng)用的研究；2004 年前后關(guān)鍵詞為旅游市場(chǎng)需求、經(jīng)濟(jì)系統(tǒng)、危機(jī)、神經(jīng)元、人工神經(jīng)網(wǎng)絡(luò)、旅游規(guī)劃、反饋等，顯示神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究從供給端視角轉(zhuǎn)換到旅游者視角，更關(guān)注游客感知和體驗(yàn)；2010 年前后關(guān)鍵詞為旅游企業(yè)、專家系統(tǒng)、旅游影響因素等，研究者挖掘更深層次的影響旅游發(fā)展的因素；2014—2017 年關(guān)鍵詞為突發(fā)事件、發(fā)展趨勢(shì)、交通工程、客運(yùn)信息、人才需求等，神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究越來越成熟，范圍越來越廣泛；2018 年左右關(guān)鍵詞轉(zhuǎn)變?yōu)樯疃葘W(xué)習(xí)、人工智能、智慧旅游、在線旅游、地理信息服務(wù)、城市旅游、鄉(xiāng)村旅游等，表明研究進(jìn)一步聚焦在旅游細(xì)分領(lǐng)域。

圖1 國(guó)內(nèi)關(guān)鍵詞演變圖譜

2.國(guó)外關(guān)鍵詞演變分析

借助VOSviewer 軟件導(dǎo)出關(guān)鍵詞共現(xiàn)時(shí)間圖（圖2），顯示：2004 年前后關(guān)鍵詞為 “general regression neural work” “multifactor support vector” “tourism demand” “energy” 等，研究層次較淺，研究?jī)?nèi)容也較少； 2007—2014 年前后關(guān)鍵詞為 “algorithm” “arma model” “data mining” “classification” “commerce linear structural” “relation model” “international tourism” “neural- network model” “tourism forecasting” “time-varying analysis” 等，體現(xiàn)了神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究層次變得寬泛，著重于供給端對(duì)于大數(shù)據(jù)的挖掘運(yùn)用，聚焦神經(jīng)網(wǎng)絡(luò)模型在旅游客流量預(yù)測(cè)、旅游時(shí)變分析等；2016—2018 年前后關(guān)鍵詞轉(zhuǎn)變?yōu)?“demand” “tourism demand” “satisfaction” “consumption” 等，表明神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究從供給視角轉(zhuǎn)換到需求視角，更關(guān)注游客需求和滿意度方面；2020 年左右關(guān)鍵詞轉(zhuǎn)變?yōu)?“deep learning” “sentiment analysis” “big data” “machine learning” “artificial intelligence” 等，隨著科學(xué)技術(shù)的發(fā)展以及疫情的影響，研究進(jìn)一步聚焦神經(jīng)網(wǎng)絡(luò)在虛擬旅游領(lǐng)域的深度運(yùn)用。

圖2 國(guó)外關(guān)鍵詞演變圖譜

通過對(duì)國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究熱點(diǎn)分析，國(guó)內(nèi)外在各個(gè)階段研究的重點(diǎn)有所差別，國(guó)內(nèi)學(xué)者研究較早，側(cè)重于供給端、需求端的實(shí)際應(yīng)用，國(guó)外研究?jī)?nèi)容側(cè)重于供給端、需求端的數(shù)據(jù)挖掘、模型改進(jìn)和分析，并且在各個(gè)階段的研究著重點(diǎn)隨著時(shí)代的特點(diǎn)有所改變與進(jìn)步，旅游業(yè)也進(jìn)入了快速發(fā)展時(shí)期。

二、研究重點(diǎn)內(nèi)容分析

（一）國(guó)內(nèi)文獻(xiàn)研究重點(diǎn)內(nèi)容分析

1.神經(jīng)網(wǎng)絡(luò)在旅游業(yè)供給端的應(yīng)用研究

國(guó)內(nèi)研究者們從供給端的角度進(jìn)行研究，包括神經(jīng)網(wǎng)絡(luò)在景區(qū)開發(fā)、旅游交通、旅游安全系統(tǒng)、旅游市場(chǎng)管理等領(lǐng)域的應(yīng)用。

（1）旅游景區(qū)開發(fā)。在旅游地質(zhì)勘探領(lǐng)域，神經(jīng)網(wǎng)絡(luò)為提升遙感影像劃分的準(zhǔn)確性創(chuàng)造了更有效的途徑，專家們分別提出或應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)[14]、三維Hopfield 網(wǎng)[15]、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)[16]等對(duì)地質(zhì)復(fù)雜區(qū)域的遙感影像進(jìn)行監(jiān)督與劃分。在生態(tài)環(huán)境方面，學(xué)者基于旅游地社會(huì)-生態(tài)恢復(fù)力[17]，關(guān)注氣候干擾或壓力及其對(duì)旅游活動(dòng)的影響，促進(jìn)文化旅游的可持續(xù)發(fā)展；部分學(xué)者使用BP 神經(jīng)網(wǎng)絡(luò)建立反演模型，據(jù)此進(jìn)行水質(zhì)評(píng)價(jià)分析，促進(jìn)景區(qū)生態(tài)環(huán)境建設(shè)[18]；同時(shí)，人工神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于預(yù)測(cè)房屋震害、旅游環(huán)境承載力預(yù)警系統(tǒng)等研究領(lǐng)域[19]。在文旅融合的機(jī)制、路徑和開發(fā)模式中神經(jīng)網(wǎng)絡(luò)也被廣泛應(yīng)用[20]。

（2）旅游交通。先進(jìn)的道路與交通信息系統(tǒng)(ATIS)作為IST 的核心子系統(tǒng)，提供了歷史數(shù)據(jù)和實(shí)時(shí)道路交通信息，并用于支持政府施行策略的制訂[21]。由于假期自駕游的增加，大批量汽車進(jìn)入景區(qū)，導(dǎo)致熱門景區(qū)嚴(yán)重堵車，目前已采用 “互聯(lián)網(wǎng)+” 形式的多平臺(tái)城市旅游交通系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)模型預(yù)先判斷是否會(huì)出現(xiàn)堵車以及擁堵程度，然后利用App 將結(jié)果反饋給旅游者，同時(shí)，再利用電腦終端將結(jié)果及時(shí)反映給交通和景區(qū)管理部門，并通過Dijkstra 算法[22-23]、Hopfield 神經(jīng)網(wǎng)絡(luò)[15]、蟻群算法[24]等實(shí)現(xiàn)車輛路線優(yōu)化，提升交通路網(wǎng)體系。

（3）旅游安全系統(tǒng)。在保障游客安全方面，景區(qū)主管單位已逐步建設(shè)了游客安全信息系統(tǒng)和安全預(yù)警系統(tǒng)，有效完成了對(duì)游客安全信息的收集、預(yù)警工作，為景區(qū)安全提供了有力保證[25]；人臉識(shí)別技術(shù)被廣泛應(yīng)用于旅游領(lǐng)域，尤其是在人流相對(duì)稠密的城市安檢領(lǐng)域[26]；通過對(duì)卷積神經(jīng)網(wǎng)絡(luò)圖像的識(shí)別和大數(shù)據(jù)算法的計(jì)算，建立了科學(xué)實(shí)用的地質(zhì)災(zāi)害雷達(dá)識(shí)別模型，可有效提高地質(zhì)災(zāi)害識(shí)別精度[27]。在旅游管理系統(tǒng)方面，學(xué)者在災(zāi)害對(duì)旅游業(yè)的承載力經(jīng)濟(jì)損失研究中取得了一定的成果[28]；PSO-BP網(wǎng)絡(luò)的旅游管理系統(tǒng)安全風(fēng)險(xiǎn)評(píng)估能夠有效評(píng)估旅游管理系統(tǒng)的安全風(fēng)險(xiǎn)[29]。

（4）旅游市場(chǎng)管理。在旅游管理方面，隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展，旅游業(yè)也與互聯(lián)網(wǎng)行業(yè)融合，通過去哪兒、途牛、攜程等網(wǎng)絡(luò)旅行產(chǎn)品形成的大量如評(píng)價(jià)、建議等信息，能對(duì)管理部門進(jìn)行有效監(jiān)督，完善景區(qū)服務(wù)；學(xué)者們通過SVM、KNN、決策樹等機(jī)器學(xué)習(xí)算法[30]、state of art模型[31]、BTM 和Doc2vec 模型、BLSTM_MLPCNN神經(jīng)網(wǎng)絡(luò)模型等方法進(jìn)行投訴識(shí)別，并出現(xiàn)了一些在中文文本分析和投訴管理方面的運(yùn)用研究。在旅游管理決策方面，有研究者提供了各種統(tǒng)計(jì)分析方式以達(dá)到對(duì)各種旅游應(yīng)用系統(tǒng)的決策支持，而這種方式現(xiàn)已被廣泛應(yīng)用于我國(guó)旅游目的地營(yíng)銷體系、假日出游系統(tǒng)以及多媒體導(dǎo)航系統(tǒng)等，在黃金周假日旅游預(yù)報(bào)等方面也取得了很好的應(yīng)用效果[32]。在旅行社方面，專家們通過BP 神經(jīng)網(wǎng)絡(luò)，建立人才風(fēng)險(xiǎn)預(yù)警模式，可以提高人力資源管理水準(zhǔn)[33]。

（5）旅游預(yù)測(cè)。在旅游需求預(yù)測(cè)方面，隨著神經(jīng)網(wǎng)絡(luò)模型的發(fā)展，出現(xiàn)了諸多人工智能方法，例如基于遺傳算法[34]、粗糙集方法[35]等建立的預(yù)測(cè)模型。在早期，研究者們主要使用指數(shù)平滑法、趨勢(shì)線法，后來又產(chǎn)生了基于因果分析法的觀光景點(diǎn)旅游客流預(yù)測(cè)模式[36]，包括線性回歸法、灰色預(yù)測(cè)理論[37]等，近年來產(chǎn)生了基于各種神經(jīng)網(wǎng)絡(luò)的觀光旅游景點(diǎn)客流量預(yù)估模型，例如人工神經(jīng)網(wǎng)絡(luò)、BP 神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)模式等[38]。應(yīng)用這些模型提高了游客活動(dòng)監(jiān)管的時(shí)效性，也有助于主管部門優(yōu)化景區(qū)管理，合理調(diào)度資源，提前準(zhǔn)備緊急分流預(yù)案，以防止旅客擁擠、滯留等重大安全事件的出現(xiàn)[39]。在旅游收入預(yù)測(cè)分析方面，人工智能技術(shù)一般分為蒙特卡洛模擬技術(shù)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法以及灰色分析、馬爾可夫模型等，對(duì)發(fā)展綠色、健康的旅游經(jīng)濟(jì)具有實(shí)際意義[40]。

2.神經(jīng)網(wǎng)絡(luò)在旅游業(yè)需求端的應(yīng)用研究

通過對(duì)神經(jīng)網(wǎng)絡(luò)應(yīng)用于游客視角的分析，本文從神經(jīng)網(wǎng)絡(luò)在旅游形象感知與情感分析、路線推薦等方面來解讀。

（1）旅游形象感知。當(dāng)前游客印象認(rèn)知研究的重點(diǎn)在于對(duì)網(wǎng)絡(luò)圖像的認(rèn)知分析，利用計(jì)算機(jī)手段對(duì)照片原始數(shù)據(jù)進(jìn)行信息收集，通過多層次分析游客在目的地照片背后隱含的豐富信息，以UGC 圖像的角度來反映游客對(duì)目的地的印象認(rèn)識(shí)，為游客形象認(rèn)知問題創(chuàng)造全新的角度[27]。受到深度認(rèn)知模型在不同行業(yè)應(yīng)用研究獲得結(jié)果的影響，不少學(xué)者將卷積神經(jīng)網(wǎng)絡(luò)用于圖像識(shí)別、信息認(rèn)知、行為認(rèn)知等方面，對(duì)豐富的圖像信息展開了解析，使旅游的認(rèn)知研究更為完整真實(shí)，最大限度實(shí)現(xiàn)圖像信息的應(yīng)有意義；同時(shí)基于旅游網(wǎng)絡(luò)文本旅游地形象關(guān)鍵感知元素提取和雙向情感分類，探尋文本背后的內(nèi)在語(yǔ)義，精準(zhǔn)發(fā)掘客人對(duì)餐廳評(píng)論中的真正情感，利用智能分析技術(shù)手段對(duì)情感類型加以拆解，從而形成雙向的情感話語(yǔ)意義關(guān)系[41]。

（2）路線推薦。推薦系統(tǒng)通過對(duì)大數(shù)據(jù)的過濾與篩選，有效地解決線路信息過載問題；享游平臺(tái)通過自由圖像描繪技術(shù)和大數(shù)據(jù)處理綜合分析為使用者提供定制的旅行方案設(shè)計(jì)，使客戶更好認(rèn)識(shí)自我，進(jìn)而增加了使用者在行程中所得到的滿意度；許多智能旅游平臺(tái)引入了移動(dòng)地理位置服務(wù)，比如攜程網(wǎng)、驢媽媽、途牛網(wǎng)等，這些旅游平臺(tái)可以利用移動(dòng)地理位置服務(wù)為不同的用戶推薦旅游線路、旅游酒店和景點(diǎn)資源[42]。

（二）國(guó)外文獻(xiàn)研究重點(diǎn)內(nèi)容分析

1.神經(jīng)網(wǎng)絡(luò)在旅游業(yè)供給端的應(yīng)用研究

國(guó)外學(xué)者們基于供給端視角展開了豐富的研究，但是在研究?jī)?nèi)容上與我國(guó)學(xué)者有所差異，其主要探討神經(jīng)網(wǎng)絡(luò)在旅游規(guī)劃與開發(fā)、運(yùn)營(yíng)管理、安全預(yù)警與風(fēng)險(xiǎn)評(píng)估等領(lǐng)域的應(yīng)用。

（1）旅游規(guī)劃與開發(fā)。第一方面是在旅游資源綜合評(píng)價(jià)研究領(lǐng)域，學(xué)者們基于多策略技術(shù)的區(qū)域旅游資源綜合評(píng)價(jià)自適應(yīng)模型、綜合評(píng)價(jià)[43]、基于超混沌映射的新型區(qū)域集群旅游分析、多物種進(jìn)化遺傳算法等方法進(jìn)行數(shù)據(jù)分析優(yōu)化和針對(duì)不同類型的問題進(jìn)行旅游資源質(zhì)量評(píng)估。第二方面是對(duì)景區(qū)的設(shè)計(jì)與開發(fā)模式研究領(lǐng)域，部分學(xué)者基于新型旅游企業(yè)產(chǎn)品改進(jìn)智能系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合[44-45]、回歸分析[46]、神經(jīng)網(wǎng)絡(luò)[46]、大數(shù)據(jù)時(shí)代多因素加權(quán)神經(jīng)網(wǎng)絡(luò)模型、自適應(yīng)神經(jīng)網(wǎng)絡(luò)算法等[47]對(duì)旅游資源開發(fā)模式、旅游空間格局效應(yīng)評(píng)價(jià)、旅游業(yè)融合發(fā)展等方面進(jìn)行了研究，從而優(yōu)化旅游景區(qū)的空間布局和管理，促進(jìn)景區(qū)可持續(xù)發(fā)展。部分學(xué)者利用RBF 神經(jīng)網(wǎng)絡(luò)的超非線性擬合能力實(shí)現(xiàn)景區(qū)信息的預(yù)測(cè)；部分學(xué)者利用反向傳播（BP）神經(jīng)網(wǎng)絡(luò)模型促進(jìn)旅游電子商務(wù)服務(wù)創(chuàng)新[48]；部分學(xué)者采用DeLone 和McLean 的信息系統(tǒng)成功模型和綜合態(tài)度，幫助從業(yè)者設(shè)計(jì)更好的移動(dòng)旅游網(wǎng)站系統(tǒng)[49]。

（2）運(yùn)營(yíng)管理。第一方面，學(xué)者們基于不斷改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)建立智能平臺(tái)管理，提高旅游業(yè)人力資源配置管理水平。第二方面是對(duì)游客的智能化管理，實(shí)現(xiàn)了旅游管理、數(shù)字化管理、人工智能算法的有效結(jié)合。例如有學(xué)者在RBF 神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上構(gòu)建了相關(guān)模型，實(shí)現(xiàn)了對(duì)游客的分類、預(yù)測(cè)以及智能化管理[50]；利用TensorFlow 構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對(duì)游客行為進(jìn)行分類，并分析這些游客的特征以驗(yàn)證分類結(jié)果來研究旅游行為的潛力。第三方面是景區(qū)、酒店、飯店等相關(guān)企業(yè)的管理研究。學(xué)者們通過創(chuàng)建人工神經(jīng)網(wǎng)絡(luò)模型，提高信譽(yù)代理用于在電子旅游環(huán)境中選擇產(chǎn)品和服務(wù)的能力[51]；通過卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、bp 神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)等進(jìn)行圖像分類[52]、場(chǎng)景識(shí)別[53]、探索旅游發(fā)展規(guī)律[54]、進(jìn)行旅行與旅游（T&T）競(jìng)爭(zhēng)力排名，從而獲得旅游景區(qū)類別列表，促進(jìn)旅游景區(qū)的管理，并結(jié)合靜態(tài)管理數(shù)據(jù)的連續(xù)性和動(dòng)態(tài)數(shù)據(jù)信息建立智能管理分析模型[55]；利用人工神經(jīng)網(wǎng)絡(luò)（ANN）、BP神經(jīng)網(wǎng)絡(luò)等方法，分析酒店績(jī)效決定因素，建立高星級(jí)酒店發(fā)展規(guī)模的預(yù)測(cè)模型，幫助決策者提高酒店經(jīng)濟(jì)和社會(huì)效益水平。

（3）安全預(yù)警與風(fēng)險(xiǎn)評(píng)估。一方面是針對(duì)游客安全的研究。學(xué)者們提出基于模糊優(yōu)化和人工神經(jīng)網(wǎng)絡(luò)的旅游安全預(yù)警系統(tǒng)模型，更好地實(shí)現(xiàn)旅游安全理論與實(shí)踐的互動(dòng)[56]。目前研究者們通常借助復(fù)雜的指標(biāo)體系對(duì)旅游危機(jī)進(jìn)行評(píng)價(jià)，例如多變量分析[57]、交叉影響分析[58]和漏洞分析[59]等。另一方面是旅游危機(jī)評(píng)價(jià)研究。學(xué)者們采用了例如BP人工網(wǎng)絡(luò)[60]、模糊神經(jīng)網(wǎng)絡(luò)[61]、PSO-BP 神經(jīng)網(wǎng)絡(luò)的旅游管理系統(tǒng)安全風(fēng)險(xiǎn)評(píng)估技術(shù)、FTDNN等方法，快速評(píng)估旅游投資風(fēng)險(xiǎn)、旅游管理系統(tǒng)的安全風(fēng)險(xiǎn)[62]、政治不穩(wěn)定性帶來的風(fēng)險(xiǎn)等。同時(shí)，在旅游可持續(xù)發(fā)展中，生態(tài)環(huán)境的重要性越來越突出，學(xué)者們采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深入探究，如卷積神經(jīng)網(wǎng)絡(luò)模型、BP 神經(jīng)網(wǎng)絡(luò)、動(dòng)態(tài)遞歸BP 神經(jīng)網(wǎng)絡(luò)算法，研究了不同旅游擾動(dòng)下景區(qū)生態(tài)污染的快速檢測(cè)方法[63]，提取出景區(qū)生態(tài)污染的影響因素[64]，并對(duì)生態(tài)脆弱地區(qū)進(jìn)行了全面評(píng)估，提出了相應(yīng)的創(chuàng)新管理模式[65]和促進(jìn)生態(tài)旅游的可持續(xù)發(fā)展戰(zhàn)略[66]。

2.神經(jīng)網(wǎng)絡(luò)在旅游需求端的應(yīng)用研究

基于游客需求端的研究文獻(xiàn)相對(duì)較少，研究主要集中在智慧旅游、情感分析、旅游推薦等方面。

（1）智慧旅游。為了應(yīng)對(duì)疫情對(duì)旅游業(yè)帶來的挑戰(zhàn)，學(xué)者們提出了一種基于云的新型框架，通過深度學(xué)習(xí)和基于神經(jīng)網(wǎng)絡(luò)的協(xié)同過濾模型利用圖像標(biāo)記以便在智能旅游的背景下為游客生成個(gè)性化建議[67]。智慧旅游與虛擬現(xiàn)實(shí)技術(shù)相結(jié)合，拓寬了游客的內(nèi)在思維，打破了傳統(tǒng)文化旅游的局限，突破了旅游在現(xiàn)實(shí)生活中的時(shí)空限制，游客可以通過立體信息空間獲得更多自由互動(dòng)。學(xué)者們關(guān)于人工神經(jīng)網(wǎng)絡(luò)、虛擬現(xiàn)實(shí)、人機(jī)交互、智能旅游等的研究較多，例如有學(xué)者結(jié)合SOM 神經(jīng)網(wǎng)絡(luò)的多特征矢量識(shí)別方法，使足不出戶的用戶體驗(yàn)到更多真實(shí)的旅游體驗(yàn)[68]，同時(shí)基于BP 神經(jīng)網(wǎng)絡(luò)模型和計(jì)算機(jī)軟件獲得高精度的計(jì)算模型使游客能夠享受到智慧旅游城市的便捷與舒適[69]。

（2）旅游推薦。在旅游推薦應(yīng)用方面，不同學(xué)者利用基于神經(jīng)網(wǎng)絡(luò)等方法的推薦系統(tǒng)[70]、基于卷積神經(jīng)網(wǎng)絡(luò)（CNN） 和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的各種分類器、基于Word2vec 特征提取方法并結(jié)合CNN和LSTM算法[71]、基于神經(jīng)網(wǎng)絡(luò)和矩陣分解的TR-DNNMF 旅游景點(diǎn)推薦系統(tǒng)[72]、基于具有包級(jí)注意機(jī)制的雙向長(zhǎng)短期記憶（Bi-LSTM）神經(jīng)網(wǎng)絡(luò)[73]、基于深度學(xué)習(xí)的旅游產(chǎn)品信息分類處理方法[74]等方法，通過整合互聯(lián)網(wǎng)上碎片化的旅游信息和圖片信息，并對(duì)游客在線發(fā)布的評(píng)論進(jìn)行分類，了解旅游者的需求與偏好，從而提供更方便、更快捷的旅游服務(wù)，推薦個(gè)性化景點(diǎn)和旅行套餐，定義最佳出行路線，提供相應(yīng)的輔助決策支持。

（3）情感分析。旅游信息來源的復(fù)雜性使我們很難從其中快速獲取有效信息，學(xué)者們通過區(qū)域生成方法[75]、基于學(xué)習(xí)哈希函數(shù)并保持多標(biāo)記圖像之間多級(jí)語(yǔ)義相似性的深度語(yǔ)義排序方法、基于深度特征和主題語(yǔ)義的學(xué)習(xí)方法[76-78]等方法以促進(jìn)景點(diǎn)的語(yǔ)義分析和識(shí)別。旅游評(píng)價(jià)情感分析對(duì)了解游客的需求與偏好具有重要意義，旅游需求包括旅游交通需求、文化需求、旅游忠誠(chéng)度等，許多學(xué)者試圖使用不同的模型來提高情感分析在游客需求分析中的準(zhǔn)確性和及時(shí)性，這通?？梢苑譃槿悾阂蚬P(guān)系模型、時(shí)間序列模型[79]和人工智能模型[80]。與前面兩種模式比較，人工智能模型在非線性擬合與自適應(yīng)訓(xùn)練上表現(xiàn)出較大的優(yōu)越性，而傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)面臨訓(xùn)練流程煩瑣、耗費(fèi)費(fèi)用大的問題[81]。因此，尋找高效、準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)新方法已成為研究熱點(diǎn)。學(xué)者們?cè)陬A(yù)測(cè)方面所采用的算法包括回聲狀態(tài)網(wǎng)絡(luò)[82]、蠅優(yōu)化算法[83]、自適應(yīng)神經(jīng)網(wǎng)絡(luò)技術(shù)、徑向基函數(shù)[84]和Elman網(wǎng)絡(luò)等。目前旅游業(yè)正在逐漸復(fù)蘇，學(xué)者們考慮通過人工神經(jīng)網(wǎng)絡(luò)方法研究了個(gè)人旅行意圖的變化情況，為情感分析提供了更準(zhǔn)確的信息[85]。

三、研究評(píng)述與展望

（一）研究評(píng)述

由于神經(jīng)網(wǎng)絡(luò)模型的迅速發(fā)展以及在旅游領(lǐng)域的廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)已成為國(guó)內(nèi)外旅游研究熱點(diǎn)。本文通過對(duì)CNKI 數(shù)據(jù)庫(kù)收錄的455 篇以及Web of Science 的470 篇神經(jīng)網(wǎng)絡(luò)與旅游的相關(guān)文獻(xiàn)進(jìn)行了計(jì)量與可視化分析，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究時(shí)間較早，并逐步成為 “神經(jīng)網(wǎng)絡(luò)” “旅游” 等關(guān)鍵詞互相交錯(cuò)與滲透的研究方向，目前研究成果還融入了社會(huì)學(xué)、管理學(xué)、測(cè)繪學(xué)、市場(chǎng)營(yíng)銷學(xué)、經(jīng)濟(jì)學(xué)、自然地理學(xué)等跨學(xué)科理論[86]，并且主要以定量研究方法為主。經(jīng)過進(jìn)一步對(duì)文獻(xiàn)內(nèi)容整理，研究呈現(xiàn)出兩大研究視角。

一是基于旅游供給端視角的神經(jīng)網(wǎng)絡(luò)在旅游領(lǐng)域的應(yīng)用研究。國(guó)內(nèi)研究重點(diǎn)圍繞神經(jīng)網(wǎng)絡(luò)在旅游中的應(yīng)用領(lǐng)域、應(yīng)用場(chǎng)景、應(yīng)用效用等展開，聚焦于神經(jīng)網(wǎng)絡(luò)模型在景區(qū)開發(fā)、旅游交通、旅游安全系統(tǒng)、旅游市場(chǎng)管理、智慧旅游等方面的應(yīng)用。國(guó)外研究重點(diǎn)主要探討神經(jīng)網(wǎng)絡(luò)在旅游規(guī)劃與開發(fā)、運(yùn)營(yíng)管理、安全預(yù)警與風(fēng)險(xiǎn)評(píng)估等領(lǐng)域的應(yīng)用研究。研究?jī)?nèi)容有所差異，國(guó)外對(duì)于旅游預(yù)測(cè)方面的研究較多，且側(cè)重于算法的不斷更新與改進(jìn)。但是，此領(lǐng)域的大多數(shù)研究側(cè)重神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)敘述與案例分析，缺乏具體的理論依據(jù)，研究過多地反映了算法的創(chuàng)新性、革命性、廣泛適應(yīng)性，卻缺少對(duì)算法本身的實(shí)際問題以及可能帶來的社會(huì)影響進(jìn)行批判性反思。

二是基于游客需求端視角的神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域的應(yīng)用研究。國(guó)內(nèi)研究者們圍繞神經(jīng)網(wǎng)絡(luò)的旅游形象感知、情感分析、路線推薦、虛擬旅游等方面；國(guó)外研究者們基于需求端的研究成果相對(duì)較少，大多圍繞智慧旅行、情感分析、旅行推薦等研究方向進(jìn)行展開，主要闡述了對(duì)神經(jīng)網(wǎng)絡(luò)模型感知評(píng)價(jià)、旅游者感官體驗(yàn)、情感感受，以及個(gè)體差異、人際交流、文化差異等對(duì)神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用，而方法則多以定量研究為主。

（二）研究展望

第一，旅游供給端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。現(xiàn)有研究對(duì)于神經(jīng)網(wǎng)絡(luò)模型在市場(chǎng)預(yù)測(cè)方面居多，但是在其他應(yīng)用場(chǎng)景與領(lǐng)域的研究仍十分有限，因此在后續(xù)研究中應(yīng)深入探討神經(jīng)網(wǎng)絡(luò)模型在新興領(lǐng)域的應(yīng)用與效用，從而實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型在旅游中的多情境、多學(xué)科運(yùn)用的服務(wù)功能。相關(guān)的學(xué)術(shù)研究與實(shí)踐發(fā)展存在一定的脫節(jié)，部分旅游企業(yè)在管理方面仍采用傳統(tǒng)模式，而對(duì)于神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用僅停留在表面，甚至缺乏相應(yīng)的應(yīng)用，因此有必要深入探討神經(jīng)網(wǎng)絡(luò)模型在旅游管理中的應(yīng)用。

第二，旅游需求端神經(jīng)網(wǎng)絡(luò)模型應(yīng)用視角。神經(jīng)網(wǎng)絡(luò)模型對(duì)使用者價(jià)值的現(xiàn)有分析集中在對(duì)游前、游中和游后階段的旅行感受等方面[87]。對(duì)旅游者本身的收益和價(jià)值研究主要依靠互聯(lián)網(wǎng)數(shù)據(jù)挖掘，缺乏一定的客觀性，因此神經(jīng)網(wǎng)絡(luò)模型在旅游領(lǐng)域應(yīng)用中產(chǎn)生的教育功能、審美功效、幸福感等內(nèi)容的客觀分析有待進(jìn)一步研究探討。

第三，神經(jīng)網(wǎng)絡(luò)模型在旅游新領(lǐng)域研究視角。目前研究對(duì)于供需雙方相互作用的意義認(rèn)識(shí)不夠，神經(jīng)網(wǎng)絡(luò)模型對(duì)旅游信息的研究與應(yīng)用缺乏深度。未來研究可以通過神經(jīng)網(wǎng)絡(luò)模型加強(qiáng)主客交互，實(shí)現(xiàn)信息共享，引入旅游者參與旅游產(chǎn)品設(shè)計(jì)、市場(chǎng)營(yíng)銷、景區(qū)管理等，實(shí)現(xiàn)旅游業(yè)上下游供應(yīng)鏈、游客與市場(chǎng)等價(jià)值共創(chuàng)。