基于主题建模与情感分析的冰雪大世界在线评论研究.pdf 67页VIP

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

摘要

随着互联网的普及和社交媒体的兴起，更多的游客选择撰写在线评论，分享

自己的旅游体验和感受。这些互联网平台每天都会产生海量的评论数据，挖掘并

分析这些评论数据的潜在情感倾向和偏好信息，可以帮助景区管理者了解游客的

态度和需求，对于景区的服务改进和体验优化有着重要价值。

后冬奥时代，冰雪运动加速普及，冰雪产业加快发展，冰雪旅游持续升温，

兴起了各项冰雪旅游的热潮。北疆“冰城”哈尔滨以其得天独厚的冰雪资源和丰富

多彩的冰雪文化而火爆出圈，成为热度最高的话题之一，推动了当地旅游业的蓬

勃发展。冰雪大世界作为这座“冰城”的标志性景点，人气火爆，网络评论数据丰

富，选择冰雪大世界作为研究对象并收集在线旅游平台上的游客评论数据。

本研究旨在深入分析哈尔滨冰雪大世界的在线评论，首先采用LDA模型对

评论中的正面与负面情感进行主题分析，总结不同主题词下的主题内容，从而揭

示游客的旅游偏好，为景区管理者提供具有针对性的改进策略。然后分别使用情

感词典、传统机器学习和深度学习的方法对评论数据进行情感分析，并且为提升

情感分析的准确性和丰富性，提出了一种BERT-EW双通道情感分析模型。该模

型巧妙地将评论的语义特征和情感词特征分开处理，通过语义通道和情感词通道

分别提取特征，更有效地捕获评论中更丰富、更精确的情感信息。

根据分析结果，可以得出以下结论：（1）游客的正面评价主要集中在冰雪

大世界的观赏性、订票和取票的便利性、门票价格的合理性和优惠政策以及景区

交通的便捷性等方面；负面反馈主要针对导游和客服的服务质量、过长的排队等

候时间以及门票价格和景区收费高昂等问题。（2）在情感分析中，使用传统机

器学习方法要优于情感词典的方法，其中多项式朴素贝叶斯算法的效果较好；使

用深度学习的方法进行情感分析效果显著提升，特别是BERT模型的效果远高于

Word2Vec词向量模型。（3）本研究提出的基于BERT的双通道情感分析模型

BERT-EW，成功地融合了评论的语义信息和情感词信息，在哈尔滨冰雪大世界

评论数据上，该模型的表现效果要优于BERT-BiGRU模型。

关键词：冰雪大世界；主题分析；情感分析；LDA模型；BERT模型

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

Abstract

WiththepopularityoftheInternetandtheriseofsocialmedia,more

andmoretouristschoosetowriteonlinereviewstosharetheirtravel

experiencesandfeelings.TheseInternetplatformsgeneratemassive

commentdataeveryday.Miningandanalyzingthepotentialemotional

tendenciesandpreferencesofthesecommentdatacanhelpscenicspot

managersunderstandtheattitudesandneedsoftourists,whichisofgreat

valuefortheserviceimprovementandexperienceoptimizationofscenic

spots.

InthepostWinterOlympicsera,thepopularizationoficeandsnow

sportshasaccelerated,thedevelopmentoftheiceandsnowindustryhas

accelerated,andiceandsnowtourismhascontinuedtoheatup,leadingto

theriseofvariousiceandsnowtourismtrends.Harbin,knownastheIce

CityinnorthernXinjiang,hasgainedpopularityduetoitsuniqueiceand

snowresourcesandrichandcolorfuliceandsnowculture,becomingone

ofthehottesttopicsandpromotingthevigorousdevelopmentoflocal

tourism.Asalandmarkattractionofthisicecity,theIceandSnow

Worldispopularandhasrichonlinereviewdata.WechosetheIceand

SnowWorldastheresearchobjectandcollectedtouristreviewdataon

onlinetravelplatforms.

Thisstudyaimstoconductanin-depthanalysisofonlinecomments

onHarbinIceandSnowWorld.Firstly,theLDAmodelisusedtoanalyze

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

thepositiveandnegativeemotionsinthecomments,summarizethe

themecontentunderdifferentthemewords,andrevealtouriststravel

preferences,providingtargetedimprovementstrategiesforscenicarea

managers.Then,sentimentanalysiswasperformedonthecommentdata

usingsentimentdictionaries,traditionalmachinelearning,anddeep

learningmethods.Toimprovetheaccuracyandrichnessofsentiment

analysis,aBERT-EWdualchannelsentimentanalysismodelwas

proposed.Thismodelcleverlyseparatesthesemanticfeaturesand

emotionalwordfeaturesofcomments,extractsfeaturesseparately

throughsemanticandemotionalwordchannels,andmoreeffectively

capturesricherandmoreaccurateemotionalinformationincomments.

Basedontheanalysisresults,thefollowingconclusionscanbedrawn:

(1)Positiveevaluationsfromtouristsmainlyfocusontheviewingvalue

oftheiceandsnowworld,theconvenienceofbookingandcollecting

tickets,therationalityofticketpricesandpreferentialpolicies,andthe

convenienceoftransportationinscenicareas;Negativefeedbackmainly

targetsissuessuchastheservicequalityoftourguidesandcustomer

service,longwaitingtimesinqueues,andhighticketpricesandscenic

areafees.(2)Insentimentanalysis,traditionalmachinelearningmethods

aresuperiortosentimentlexiconmethods,withpolynomialnaiveBayes

algorithmperformingbetter;Theuseofdeeplearningmethodsfor

sentimentanalysishassignificantlyimprovedtheperformance,especially

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

theBERTmodel,whichismuchbetterthantheWord2Vecwordvector

model.(3)ThedualchannelsentimentanalysismodelBERT-EWbased

onBERTproposedinthisstudysuccessfullyintegratessemantic

informationandsentimentwordinformationofcomments.OntheHarbin

IceandSnowWorldcommentdata,theperformanceofthismodelis

superiortotheBERT-BiGRUmodel.

Keywords:IceandSnowWorld;ThemeAnalysis;EmotionalAnalysis;

LDAModel;BERTModel

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

目录

1绪论………………1

1.1研究背景与意义………………1

1.2国内外研究现状……………2

1.2.1旅游在线评论研究现状………………2

1.2.2LDA主题模型研究现状………………3

1.2.3情感分析研究现状……………………4

1.3创新点…………6

1.4研究内容………………………7

2相关理论及基础………………8

2.1LDA主题模型…………………8

2.2传统机器学习模型…………9

2.2.1决策树…………………9

2.2.2逻辑回归………………10

2.2.3支持向量机……………10

2.2.4朴素贝叶斯……………11

2.3神经网络模型………………12

2.3.1卷积神经网络…………12

2.3.2长短时记忆神经网络…………………13

2.3.3门控循环单元………15

3冰雪大世界在线评论主题分析……………16

3.1哈尔滨冰雪大世界现状………16

3.2数据获取与预处理……………17

3.2.1数据来源………………17

3.2.2评论数据采集…………17

3.2.3评论数据预处理………19

3.3在线评论基本分析……………21

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

3.3.1描述性统计分析……………………21

3.3.2词频分析………………23

3.4LDA主题分析………………25

3.4.1LDA主题建模………26

3.4.2主题个数分析…………27

3.4.3主题结果分析…………29

4冰雪大世界在线评论情感分析…………33

4.1基于情感词典的情感分析…………………33

4.1.1情感词典的构建………33

4.1.2评分规则………………36

4.1.3实验数据与评价指标…………………36

4.1.4结果分析………………38

4.2基于传统机器学习的情感分析……………38

4.2.1特征提取………………39

4.2.2模型训练………………39

4.2.3结果分析………………41

4.3基于深度学习的情感分析…………………42

4.3.1词嵌入模型……………42

4.3.2BERT预训练模型……………………43

4.3.3模型训练………………45

4.3.4结果分析………………46

4.4基于BERT-EW的双通道情感分析模型……47

4.4.1BERT-EW双通道模型………………47

4.4.2参数设置………………50

4.4.3结果分析………………50

5结论与展望……………………52

5.1结论…………52

5.2建议…………53

5.3不足与展望…………………53

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

参考文献…………55

致谢…………………59

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

1绪论

1.1研究背景与意义

1996年建立的原旅游局信息中心标志着中国旅游业信息化的起步，并逐步

推动旅游业的数字化进程。2006年，科技部启动并实施的“数字旅游项目计划”

进一步推动了旅游业的数字化发展，这个计划旨在利用数字技术提升旅游资源的

开发和管理，改善游客体验，并推动旅游业的信息共享和服务创新。到了2015

年，国家旅游局开启了“旅游+互联网”的项目计划，进一步深化互联网与旅游的

联系合作，通过技术革新改变旅游业的生产方式和发展模式，优化网络营销，以

及提高旅游公共服务的效率和质量。这些发展反映了中国旅游业在面向数字化转

型的过程中，不断采纳新技术和互联网应用，以适应消费者行为的变化和市场需

求，数字技术的应用使得旅游服务更加个性化、便捷，并提供了更为丰富的旅游

产品和服务。

随着数字旅游时代的到来，加速了互联网和旅游行业的深入融合，信息技术

与旅游资源紧密结合，并广泛应用于各个领域。在这个环境下，游客出行借助互

联网进行旅游成为常态，旅游信息的获取和分享变得前所未有的便捷，这使得在

线评论成为潜在游客获取旅游信息和制定决策的重要渠道。自从八大OTA平台

在2018年年底召开的线上旅游数据生态及治理高峰会上发布了《在线旅游内容

和数据生态共建》倡议，网上评论数据能够更真实、准确地反映旅客的真实情感，

成为企业和消费者获取信息的重要渠道，帮助商家根据旅客需求提高服务水平以

增强竞争力。

旅游业是全球最大的行业之一，对许多国家和地区的经济具有显著影响，特

别是冰雪旅游业，以其独特的冰雪资源，成功吸引了大量热衷于冰雪运动与冰雪

文化体验的游客，为我国冰雪旅游产业带来了新的发展机遇。2021年2月，文

化和旅游部、国家发展改革委、国家体育总局联合印发《冰雪旅游发展行动计划

（2021—2023年）》。3年来，全国各地深入践行“冰天雪地也是金山银山”理念，

推动冰雪旅游与相关行业融合，有效促进冰雪旅游业的发展，提升整个产业链的

竞争力和效益，切实推动冰雪旅游高质量发展。2022年北京冬奥会的成功举办

无疑是一个重要的里程碑，成功点燃了大众参与冰雪运动的热情，借筹办此次冬

1

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

奥会契机，我国不仅顺利实现了“三亿人参与冰雪运动”的目标，也吸引了更多游

客和投资者的关注，为冰雪旅游业的发展注入了新的活力和动力。中国旅游研究

院发布的《中国冰雪旅游发展报告（2023）》显示，冰雪旅游在过去几年取得了

显著的增长，从2021年到2022年的冰雪季，全国冰雪休闲旅游人数达到了3.44

亿人次，是2016年到2017年冰雪季人次的两倍多，冰雪休闲旅游收入达到了

4740亿元，2022年到2023年的冰雪季全国冰雪休闲旅游人数达3.12亿人次，

中国正从冰雪旅游体验阶段进入冰雪旅游刚性生活需求阶段。

纵观全国，今冬最为火爆的冰雪景区非哈尔滨冰雪大世界莫属，冰雪大世界

作为哈尔滨的一张城市名片，因其独特的冰雪景观和丰富的冰雪活动而备受游客

喜爱，已成为中外游客冬季旅游的热门打卡地。冰雪大世界每天都吸引着数以万

计来自各地的游客，通过这些游客发表的在线评论能够帮助景区更好地了解游客

需求，提高游客满意度，对景区管理部门做出改善决策起到了重要作用。

对冰雪大世界旅游景点在线评论的研究旨在通过分析游客的评论，了解他们

对景点的评价和情感倾向，以便更迅速地洞悉游客的需求和喜好，做出更明智的

决策。主题建模和情感分析是文本挖掘中常用的技术工具，可以帮助研究者从大

量的评论文本中提取出关键主题并理解游客的情感倾向。主题建模能识别评论中

的重要话题和关键词，帮助了解游客对于景区的关注焦点和评价侧重点，为景区

的产品开发和服务优化提供参考和方向。情感分析则有助于判断评论的情感极

性，即评价者对景区的态度是正面、负面还是中立，从而使景区管理者更好地了

解游客的满意程度和不满之处，以便及时调整服务并改进游客体验。通过主题建

模和情感分析，能够更深入地理解游客对哈尔滨冰雪大世界景点的评价和反馈，

为景区提供更有针对性的改进建议和服务优化方案。

1.2国内外研究现状

本文的研究问题是对游客的在线评论进行挖掘分析，因此，国内外研究现状

从旅游在线评论研究、LDA（LatentDirichletAllocation）主题模型以及情感分析

这三个方面进行阐述。

1.2.1旅游在线评论研究现状

旅游在线评论是旅游业市场营销和客户体验管理的重要组成部分，它不仅影

响潜在旅客的旅行决策，还为旅游服务提供商提供宝贵的反馈，国内外研究者对

2

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

此领域进行了广泛研究。旅游在线评论对消费者的旅游决策有显著影响，包括选

择目的地、酒店、景点和旅行社等，研究者探讨了评论的数量、质量、情感倾向

和来源等因素如何影响消费者的决策。Torres等（2015）探讨了旅游在线评论对

酒店市场份额造成的变化，发现旅游在线评论的评分和评论数量对酒店在线预订

收入产生显著影响。陆之洲（2021）的细粒度情感分析揭示了旅游在线评论情感

与销量之间的相关性，强调了负面评论的较大影响力，并指出细粒度情感提供了

比粗粒度更准确的解释力。

文本挖掘和情感分析是对旅游在线评论的主要研究方法，文本挖掘用于提取

评论中的关键信息，如主题、观点和关键词等。Fazzolari等（2018）收集了意大

利某个景区跨越8年的在线评论，指出相关的旅游平台可以通过在线评论获取有

价值的信息、制作针对性较强的行动策略。王承云等（2022）基于携程网、马蜂

窝网两大OTA中上海红色旅游目的地的在线评论，使用词云词频统计法、复杂

网络分析法及扎根理论分析法，对上海红色旅游形象感知与情感评价进行研究。

司育（2023）利用LDA模型挖掘在线评论的潜在主题，并根据各个主题下的关

键词对主题进行提炼命名，得到相对客观的旅游目的地评价指标，并对各指标的

主题得分进行测算，从而实现山西省十大热门景区的综合性评价。

旅游在线评论的情感分析则用于判断评论的情感倾向，即评论者对旅游产品

或服务的态度是正面还是负面的。涂海丽等（2016）利用领域本体构建方法构建

旅游本体，将处理后的评论文本与旅游本体进行匹配，得出本体各属性的分类评

论集，运用情感程度加权规则计算这些评论集的情感极性均值，得出游客关于旅

游各要素总体情感倾向，并进行可视化分析与展示。刘逸等（2017）借助网络大

数据研究分析方法，基于游客情感分析理论，以赴澳中国游客发布在国内旅游网

站的评论为素材展开分析，比较其与国际游客的差异性，继而解析主要影响因素，

开拓了研究游客偏好和评价的新方法。严仲培等（2019）基于词向量模型，提出

一种情感词典种子词集筛选方法，将情感词语以向量形式表征并计算词向量间距

离，形成种子词集的筛选标准和分类依据，再通过类别判断形成了山岳型旅游景

区在线评论情感词典。

1.2.2LDA主题模型研究现状

LDA主题模型是学者Blei等（2003）提出的一种文本分析模型，该模型的

3

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

提出有效弥补了概率隐形语义分析模型（ProbabilisticLatentSemanticAnalysis，

PLSA）的缺陷，提升了对深层次文本内容挖掘和语义分析的精准度与效率。尽

管基础的LDA模型已经非常强大，但研究者们还提出了许多扩展和改进模型，

以解决特定的问题。在线文本具有明显的时间属性，针对动态文本建模问题，

Alsuraait等（2008）提游一种在线LDA模型（On-LineLDA），当有新的文本

流更新的时候，该模型可以利用已得出的主题模型增量式地更新当前模型，不再

需要重新访问之前所有的数据，能够实时获取随时间变化的生题结构。张晨逸等

（2011）提出了一个基于LDA的微博生成模型MB-LDA，综合考虑了微博的联

系人关联关系和文本关联关系，来辅助进行微博的主题挖掘。采用吉布斯抽样法

对模型进行推导，不仅能挖掘出微博的主题，还能挖掘出联系人关注的主题。

Das等（2015）最早尝试从词向量空间中采样主题，提出GLDA（GaussianLDA）

模型，在该模型中，假设文档不是由单词类型序列组成的，而是由单词嵌人向量

组成的。基于词向量的概率主题模型均直接利用事先训练的词向量来辅助模型的

学习，使得语义相近的词汇依较大概率获得同一主题，提高主题词的一致性和可

解释性，丰富了文本的潜在特征表达，进而有效地提高模型分类的准确性。刘干

等（2021）通过引入中心词概念，提出一种改进LDA主题模型，通过对比传统

LDA模型和改进LDA模型，发现改进方法所生成的LDA模型在高频词分布集

中度上更优于传统方法，在下游任务应用中更适合热点话题生成。王晨等（2023）

首先提出新的潜在特征主题模型Improved-LDA，以个人隐私信息法律保护领域

的研究文献为例，在主题一致性计算与主题聚类方面，Improved-LDA模型的性

能明显优于传统的LDA模型。阮光册等（2023）将Sentence-BERT句子嵌入模

型和LDA模型相结合，提升评论文本主题的语义性，增加了模型的复杂性，该

方法获得的主题一致性指标优于目前常见的评论文本主题识别方法。

1.2.3情感分析研究现状

早期，大多数情感分析基于语义规则的情感词典或传统机器学习方式，通过

计算情感词的权重得出情感倾向。肖红等（2014）提出了一种将句法分析和情感

词典相结合的分析方法，在用情感词典进行切词的基础上对句子进行语法分析，

再利用情感词在句子中的成份、情感指数权重以及与其他情感词之间的组合共现

关系计算出综合的情感指数。为提高情感分类的准确性，研究者对基于传统机器

4

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

学习的方法进行了研究，取得了不错的结果。Pang等（2002）是首个将机器学

习应用在情感分析任务中的，使用SVM（SupportVectorMachine）、朴素叶斯

和最大熵等算法来分析电影评论情感倾向，实验表明文本特征与SVM算法组合

的效果更佳。唐慧丰等（2007）通过使用几种常见的机器学习方法（SVM、KNN

等）对中文文本的情感分类进行了实验比较，通过大量的对比实验发现采用

BiGrams特征表示方法、信息增益特征选择方法和SVM方法时，在大量训练集

和适量的特征选择时情感分类效果达到最优。

随着词向量模型的提出与广泛应用，基于词向量的深度学习语言模型开始展

现出了强大的分类能力，基于此，国内外的科研学者们开始将深度神经网络算法

引入到情感分类模型构建中以提升模型性能。性能表现较好的情感分类模型大多

以循环神经网络（RecurrentNeuralNetwork，RNN）、卷积神经网络（Convolutional

NeuralNetwork，CNN）为基础构建。如刘龙飞等（2015）分别将字级别词向量

和词级别词向量作为原始特征，采用卷积神经网络提取文本特征，在任务语料上

进行了情感分析实验，取得良好效果。相比之下，循环神经网络在处理文本数据

时具有优势，因为它能够捕捉序列数据中的长距离依赖关系，但当输入数据中存

在长期依赖关系时，它们会出现梯度消失和梯度爆炸，而长短时记忆网络（Long

Short-TermMemory，LSTM）可以很好的解决长期依赖的关系。Tang等（2015）

以长短时记忆网络为基础，使用微博评论文本作为训练集，训练得到短文本情感

分类模型，该情感分类模型可对未知短文本语料进行情感倾向的判别。张仰森等

（2018）采用双向长短记忆网络模型和全连接网络，分别对微博文本和文本中包

含的情感符号进行编码，有效增强了情感语义捕获能力，提高了微博情感分类的

性能。这些基于RNN变体的LSTM模型能够捕捉到较长距离的依赖关系，但仍

然存在无法编码从后到前的问题。针对该问题，Zhang等（2018）提出一种基于

双向递归神经网络的分层多输入输出模型，该模型采用两个GRU（Gated

RecurrentUnit）来获取词性和句子的词向量表示，加快了多标签情感识别的计算

效率。深度神经网络在情感分析上取得了显著的成果，但其考虑的是句子中所有

的词，不能关注文本的突出部分。通过在深度学习的方法中加入注意力机制，用

于情感分析任务的研究，能够更好地捕获上下文相关信息，有效提高文本情感分

类的准确率。胡荣磊等（2019）使用Word2Vec进行词向量表示，输入长短时记

5

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

忆网络，再通过注意力机制分配权重来进行文本情感分析。李磊等（2021）将对

象信息与文本信息进行融合，利用注意力机制强化的BiLSTM模型得到评论文本

的情感分类结果。

上述基于词向量技术的神经网络模型在情感分析任务中取得了不错的分类

效果，但Word2Vec和GloVe（GlobalVectors）等常用词向量技术，其生成的词

向量是静态的，集中于获得词语浅层特征表示，无法进一步解决相同词语在不同

的场景下多义性的问题。Devlin等（2018）提出BERT（BidirectionalEncoder

RepresentationsfromTransformers）预训练模型，使用深度双向Transformer模型，

随时根据上下文信息动态调整词向量，解决了传统语言模型存在的一词多义问

题，在提升模型性能的同时也大幅度降低了训练难度以及训练所耗费的时间。游

兰等（2023）针对传统情感识别模型大多集中于评论的表层语义挖掘，存在分类

效果不佳、泛化能力有限等问题，提出了一种基于BERT-BiGRU多模集成学习

的深层情感语义识别方法，相较于其他传统模型有更优的情感识别效果。诸林云

等（2023）利用BERT预训练语言模型获取用户对酒店评论的文本特征表示，使

用双向LSTM考虑文本中过去和未来的上下文依赖关系，并对文本的不同部分

给予不同的关注，从而提高情感分类的准确度。

综上所述，在数字化和信息技术飞速发展的背景下，情感分析和主题建模等

技术在旅游行业中的应用日益受到全球学者的关注。中国的冰雪旅游业正在经历

一个快速增长的阶段，特别是在冬季奥运会带动下，冰雪运动和旅游的普及和发

展吸引了国内外游客的极大兴趣。然而，相较于其他领域，冰雪旅游领域的在线

评论研究还相对较少，因此本文将对哈尔滨冰雪大世界的在线评论进行主题建

模，以揭示游客评论中的主要话题和趋势，并通过将情感词典与深度学习技术结

合进行情感分析，更准确地捕捉和理解游客的情感倾向。

1.3创新点

在研究方法上，为提升情感分析的准确性和丰富性，结合情感词典与深度学

习方法提出了一种BERT-EW（BERT-EmotionalWords）双通道情感分析模型，

该模型通过构建情感词典提取评论文本的情感词特征，巧妙地将评论的语义特征

和情感词特征分开处理，使用BERT-BiGRU模型分别对语义通道和情感词通道

进行特征提取，更有效地捕获评论中更丰富、更精确的情感信息。

6

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

1.4研究内容

本文以旅游网站上哈尔滨冰雪大世界这一著名冰雪景点的游客在线评论数

据作为研究的数据来源，爬取携程、同城和去哪儿三个旅游网站上的评论数据，

将获得的文本数据进行清洗、文本分词，然后进行描述性统计分析和主题分析，

识别出评论中涉及的主题和话题，最后对评论数据进行情感分析。本论文分为五

章，主要研究内容和章节安排如下：

第一章，阐述本文的研究背景和意义，然后以旅游在线评论研究内容和使用

的分析方法不同，分别从旅游在线评论分析、LDA主题模型和情感分析三个方

面，展开介绍了游客在线评论分析的研究进展与研究现状，最后给出了本文的主

要研究工作和各章节安排。

第二章，重点对文中所涉及的基础理论进行了介绍，首先介绍LDA主题模

型及原理，然后介绍了传统机器学习模型，最后对构建情感分析模型中常用的深

度学习相关技术进行了阐述，其中介绍了卷积神经网络、循环神经网络，为下文

的研究打下了坚实的理论基础。

第三章，对哈尔滨冰雪大世界进行了简单介绍，然后使用python爬虫采集

冰雪大世界在线评论，对获取的数据进行预处理，接着对评论数据进行文本分析，

包括描述性统计分析和词频分析，最后使用LDA主题模型对评论数据进行主题

分析，提取评论的主题特征。

第四章，分别使用情感词典、传统机器学习和深度学习的方法对评论数据进

行情感分析，然后在BERT模型基础上融合情感词特征，提出了BERT-EW情感

分析模型，并对模型的各组成部分进行了简要描述，最后搭建了BERT-EW模型

并验证其有效性。

第五章，对本文的研究工作进行了总结，然后针对研究成果给冰雪大世界景

区提出一些建议，最后分析了存在的不足与改进的方向。

7

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

2相关理论及基础

本章主要介绍本文所使用到的文本分析相关技术，包括LDA主题建模、传

统机器学习模型和神经网络模型，为后续的实证研究奠定理论基础。

2.1LDA主题模型

LDA主题模型是一种用于文本挖掘和自然语言处理的概率生成模型，由

Blei，DavidM，Ng，AndrewY，Jordan于2003年提出。LDA主题模型能够从大

量的非结构化文本数据中推测出文档的主题分布，将一篇文档的主题分布通过概

率分布的形式输出，从而了解文档中涉及的主题内容，并且通过推断出文档的主

题分布，可以实现主题聚合或文本分类，为文本数据的分析和理解提供更多的可

能性。

图2.1LDA主题模型概率图

在LDA主题模型中，每个文档的主题分布P(z|d)和每个主题中单词出现的

概率P(w|z)被视为按照迪利克雷分布（DirichletDistribution）概率随机的变量。

图2.1是LDA主题模型的概率图，生成一篇文档的步骤如下：

（1）对狄利克雷分布α进行采样，随机生成文档对应主题的多项式分布θ；

（2）对主题的多项式分布θ进行采样，随机生成一个主题z；

（3）对狄利克雷分布β进行采样，随机生成主题对应词语多项式分布φ；

（4）综合主题z和主题对应词语分布情况φ生成词语w；

（5）不断循环第四步生成一个文档，包涵n个词语，最终生成k个主题下

的m篇文档。

8

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

在使用LDA主题模型进行主题分析时，主题的个数本质上等价于文本聚类

中的聚类个数，确定主题个数K是一个重要的步骤，因为选择不合适的主题个

数可能会影响模型的性能和结果的解释性。一般来说，确定主题个数K的方法

有两种方式，计算困惑度（perplexity）或一致性指标（coherence）。

2.2传统机器学习模型

2.2.1决策树

决策树模型是一种监督学习算法，主要用于分类和回归问题，常见的决策树

算法有ID3、C4.5、CART（ClassificationandRegressionTrees）等。它以树状图

的形式来表示决策规则和可能的结果，其中树中的每一个内部节点代表一个特征

属性上的测试，每个分支代表测试的结果，而每个叶节点代表一种类别或者一个

输出值，如图2.2所示。

图2.2决策树模型图

决策树模型的构建过程通常包括以下步骤：（1）选择一个最佳特征进行分

割，最佳特征的选择可以采用信息增益、增益率、基尼指数等方法；（2）根据

选择的特征，将数据集划分为不同的子集，递归地生成子树；（3）对决策树进

行枝剪优化，以防止过拟合，剪枝方法包括预剪枝和后剪枝，预剪枝是在构建过

程中提前停止树的生长，后剪枝是在构建完整的决策树后进行简化。

决策树模型的主要优点是其可解释性强，因为它生成的决策规则非常直观，

易于理解。其他的机器学习算法需要对数据进行复杂的预处理，如归一化、缺失

9

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

值处理等，而决策树模型则不需要这些复杂的预处理步骤，并且决策树模型可以

处理多输出问题，即一个实例可能同时属于多个类别。

虽然决策树模型有诸多优点，但是它也存在一些局限性。决策树模型容易过

拟合，特别是在处理包含大量特征和复杂结构的数据时，此外，决策树模型对于

连续特征的处理不是很理想，因为它采用的是二分的方式来处理连续特征，这可

能会导致模型性能下降。

2.2.2逻辑回归

逻辑回归模型是一种广泛应用于统计学和机器学习领域的分类算法，尤其适

用于二分类问题，尽管其名称含有“回归”，逻辑回归实际上是一种分类技术，用

于预测一个事件的发生概率。它通过使用逻辑函数将线性回归的输出映射到0和

1之间，因此输出可以被解释为概率，逻辑函数通常使用Sigmoid函数，Sigmoid

函数的公式为：

1

sigmoid(x)x(2-1)

1e

逻辑回归模型通过设定一个阈值，将Sigmoid函数的输出转换为二元分类结

果，如果某个样本的预测概率大于或等于这个阈值，则将其分类为正类，否则为

负类。

逻辑回归模型易于实现和理解，适用于解释变量与二元结果之间的关系，模

型的输出能通过概率直观地解释，每个特征的权重表示了该特征对最终概率的贡

献大小和方向。虽然逻辑回归可以通过一对多策略扩展到多类分类，但逻辑回归

天然适用于二分类问题。

2.2.3支持向量机

支持向量机（SVM）是一种强大的监督式学习模型，广泛应用于分类、回

归及异常检测任务。SVM特别适合应用于中小规模数据集的复杂模式识别中，

能够处理高维特征空间的数据，甚至在特征数量超过样本数量的情况下也表现出

色。

SVM的基本想法是找到一个超平面来分隔不同类别的数据，同时使得最近

的数据点到这个超平面的距离尽可能大，在最简单的二分类问题中，这个超平面

可以直观理解为一条直线或一个平面，其目的是创建一个最佳的决策边界，如图

10

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

2.3所示。

图2.3支持向量机模型图

决策边界的确定完全依赖于距离它最近的那些数据点，这些点被称为支持向

量，支持向量是决策边界最终位置的关键，任何不是支持向量的数据点都可以不

考虑，它们对分类边界没有影响。在实际应用中，很多数据集不是线性可分的，

SVM通过引入核技巧将数据映射到一个更高维的空间，使得数据在这个新空间

中线性可分。

SVM在多种数据集上表现出良好的泛化能力，即使在特征数远大于样本数

的情况下，SVM也能有效工作。但SVM的性能高度依赖于核函数的选择及其参

数和正则化参数C的设定，对于非常大的数据集，SVM的训练时间可能很长，

计算成本高。

2.2.4朴素贝叶斯

朴素贝叶斯（NaiveBayes）模型是一种基于贝叶斯定理的分类方法，以其简

单性和效率在机器学习领域内被广泛应用。该模型的“朴素”二字来源于它对特征

间相互独立的假设，即假设各特征之间不存在任何依赖关系。

朴素贝叶斯模型基于贝叶斯定理计算给定数据样本属于某个类别的后验概

率，主要包括计算各类别的先验概率以及给定类别下各特征的条件概率，通过对

训练数据进行简单的频率统计即可获得这些概率。

贝叶斯定理公式如(2-2)所示：

11

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

P(B|A)P(A)

P(Ai|B)ii

P(B|A)P(A)(2-2)

jj

j

AP(A|B)

其中，是目标类别，B是给定的数据样本，是在已知数据样本B

ii

AP(B|A)A

的条件下类别的后验概率，是给定类别下数据样本的概率。

ijiB

朴素贝叶斯模型有三种主要的变体，包括高斯朴素贝叶斯（GaussianNaive

Bayes）、多项式朴素贝叶斯（MultinomialNaiveBayes）以及伯努利朴素贝叶斯

（BernoulliNaiveBayes）。高斯朴素贝叶斯假设每个类别的连续特征都符合高斯

分布，适合处理连续数据，多项式朴素贝叶斯和伯努利朴素贝叶斯则更适合处理

离散数据。多项式朴素贝叶斯的计算粒度是词语，它基于每个类别中各个词语出

现的频率来计算概率，特别适合处理文本数据，常被应用于文本分类任务。伯努

利朴素贝叶斯则是在文档级别上进行计算，它关注的是每个词语是否在文档中出

现，而不是出现的次数。

2.3神经网络模型

深度学习的核心思想是通过多层神经网络来学习数据的特征表示，每一层神

经网络都由多个神经元组成，每个神经元都接收上一层神经元的输出，并通过激

活函数进行非线性变换，通过多层神经网络的组合，深度学习可以学习到更加复

杂和抽象的特征表示。本节主要介绍其中的卷积神经网络和循环神经网络这两类

神经网络模型。

2.3.1卷积神经网络

卷积神经网络（CNN）是一种专门用于处理具有网格结构数据的神经网络模

型，它在计算机视觉领域中被广泛应用于图像识别、目标检测、图像分割等任务。

卷积神经网络的核心是卷积层，通过卷积操作对输入数据进行特征提取，卷积操

作可以看作是一种滑动窗口的方式，通过在输入数据上滑动卷积核（也称为滤波

器）来提取局部特征。卷积神经网络的优势在于它能够自动学习图像中的局部特

征，并且具有平移不变性，这意味着即使目标在图像中的位置发生变化，卷积神

经网络仍然能够正确识别。

12

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

图2.4CNN模型结构

图2.4为卷积神经网络示意图，卷积层通过卷积核提取输入图像的不同特征，

池化层位于卷积层之后，通过池化操作减少卷积层间的连接数量，进行降维和二

次特征提取，两者合称为卷积单元，最后经过全连接层汇总所有卷积单元提取的

局部特征，将特征图映射到最终的输出类别。

卷积层、池化层的计算过程分别如式(2-3)、(2-4)所示：

Cf(XWb)(2-3)

Zsubsampling(C)(2-4)

CWb

其中表示卷积层，表示权值向量，表示卷积运算，表示偏置参数，

f()表示激励函数，表示池化层，subsampling表示采样过程。

Z

2.3.2长短时记忆神经网络

长短时记忆神经网络（LSTM）是一种特殊的循环神经网络，设计目的是解

决传统RNN在处理长序列时容易出现梯度消失或梯度爆炸的问题。LSTM引入

了一个称为“记忆单元”的结构，它可以在不同时间步之间传递和保存信息，记忆

单元由一个遗忘门、输入门和输出门组成，通过控制这些门的开关状态，LSTM

可以选择性地忘记、存储和读取信息，这种门控机制使得LSTM能够有效地处

理长期依赖关系，从而更好地捕捉序列数据中的重要特征。LSTM的结构如图

2.5所示：

13

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

图2.5LSTM模型结构

遗忘门，决定了上一个时间步的记忆单元中哪些信息需要被遗忘，计算过程

如式(2-5)所示：

f(W[h,x]b)(2-5)

tft1tf

输入门，决定了当前时间步的输入信息中哪些需要被存储，计算过程如式

(2-6)、(2-7)所示：

i(W[h,x]b)(2-6)

tit1ti



Ctanh(W[h,x]b)(2-7)

tCt1tC

细胞状态更新，计算过程如式(2-8)所示：



CfCiCt(2-8)

ttt1t

输出门，决定了当前时间步的输出信息中哪些需要被传递给下一个时间步，

计算过程如式(2-9)、(2-10)所示：

o(W[h,x]b)(2-9)

tot1to

hotanh(C)(2-10)

ttt

xhifo

其中是神经元的输入，是神经元的输出，、和是神经元中门的三ttttt

CWb

种状态，是神经元的输入状态，和分别为神经元的输入权重和偏置，代t

tanh

表sigmoid函数，表示tanh函数。

14

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

2.3.3门控循环单元

门控循环单元（GRU）是RNN的一个变体，能够有效缓解长期记忆和反向

传播中的梯度爆炸或弥散等问题，它在保持了LSTM的效果的同时又使结构更

加简单，是一种非常热门的循环神经网络。GRU模型由更新门和重置门构成，

通过控制这些门的开关状态，GRU可以选择性地更新和重置隐藏状态。更新门

决定了当前时间步的输入信息和前一个时间步的隐藏状态之间的权重，从而控制

了隐藏状态的更新程度，重置门决定了当前时间步的输入信息和前一个时间步的

隐藏状态之间的权重，从而控制了隐藏状态的重置程度，通过引入更新门和重置

门的机制，GRU能够更好地捕捉序列数据中的重要特征。模型结构如图2.6所示：

图2.6GRU模型结构

GRU的具体计算过程如式(2-11)-(2-14)所示：

r(UxWhb)(2-11)

trtrt1r

z(UxWhb)(2-12)

tztzt1z



htanh(Uxr*(Wh)b)(2-13)

thttht1h

~

h(1z)hzh(2-14)

ttt1tt

xthUWb

其中为时刻的输入特征，为上一时刻的隐藏层状态，、和分别

tt1



为权重和偏置，为Sigmoid激活函数，表示矩阵对应元素相乘。

*

15

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

3冰雪大世界在线评论主题分析

冰雪大世界是中国最大的冰雪主题游乐园，它每年冬季都会举办海内外著名

的冰雪艺术展览和冰雪嘉年华活动，吸引了无数游客前来观赏。通过对冰雪大世

界的在线评论进行分析，帮助了解游客对景点的需求和关注点，并且使用LDA

主题模型有效地提取评论中的主题特征，发现不同主题和话题，更加全面地了解

游客的评价和反馈。

3.1哈尔滨冰雪大世界现状

哈尔滨冰雪大世界是位于中国黑龙江省哈尔滨市的一处大型冰雪主题公园，

它始创于1999年，是为了迎接千年庆典神州世纪游活动而推出的一个大型冰雪

艺术精品工程。哈尔滨冰雪大世界凭借哈尔滨的冰雪资源优势，利用了哈尔滨当

地在冬季冰雪丰富的特点，每年冬季都会吸引数百万国内外游客前来参观游览。

哈尔滨冰雪大世界的占地面积约为465万平方米，主要由数千吨的冰雪构建

而成，这里拥有丰富多彩的冰雪雕塑、冰屋、滑梯、冰迷宫以及冰上游乐设施，

形成了一个集观赏、娱乐和体验于一体的综合性冰雪旅游景区。景区内包含多个

主题区域，如城堡广场、北极熊王国、海底世界、世界之巅、长城等地标性建筑，

每个区域都有其独特风格的冰雪雕塑和主题活动。此外，哈尔滨冰雪大世界还提

供了一系列的夜间活动和文化表演，以增加游客的参与度和节日气氛。哈尔滨冰

雪大世界是一个集冰雪文化、冰雪艺术和冰雪娱乐于一体的景点，是哈尔滨冬季

旅游的必去之地，也是中国冰雪文化的重要代表之一。

第二十五届哈尔滨冰雪大世界于2023年12月18日开园迎客，以“龙腾冰雪

逐梦亚冬”为主题，将2025年哈尔滨亚冬会与龙江地域文化、冰雪文化结合起来

进行创作，为世界各地游客打造一座集冰雪艺术、冰雪文化、冰雪演艺、冰雪建

筑、冰雪活动、冰雪体育于一体的冰雪乐园。第二十五届哈尔滨冰雪大世界迎来

历史最大规模，开园不到3小时，预约游玩人数已达4万，截止2024年2月15

日24时正式闭园，共计营业61天，累计接待游客271万人次。向海内外游客展

示了中国东北地区的冰雪魅力，证明了哈尔滨冰雪大世界在我国冰雪旅游领域的

领先地位和无与伦比的魅力，刷新了人们对冰雪旅游的认知。

16

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

3.2数据获取与预处理

3.2.1数据来源

随着互联网技术的日益成熟，在线旅游行业快速发展，人们在选择旅行目的

地、酒店、景点等时会参考他人的旅游评论和评价。通过阅读其他游客的经验和

建议，能够更好地了解目的地的实际情况，避免一些可能的问题，也可以发现一

些隐藏的宝藏景点或特色酒店。

旅游网是一个在线平台，为用户提供包括机票预订、酒店预订、度假产品、

火车票、汽车票、旅游度假、门票等在内的全方位旅行服务。旅游网站或平台上

还有游客对目的地、酒店、景点等旅游相关内容的评价和评论，这些评价通常包

括游客的真实体验、感受和建议，可以帮助其他游客更好地了解和选择旅行目的

地、住宿和活动，做出更明智的旅行决策，提高旅行的满意度和体验质量。

目前，国内在线旅游平台主要有携程旅游、去哪儿网、同程旅行、途牛、飞

猪旅行等。2024年MAIGOO品牌榜发布了新的旅游网品牌榜，该榜单由CNPP

大数据平台提供数据支持，综合分析了旅游网行业品牌的知名度、员工数量、企

业资产规模与经营情况等各项实力数据。通过榜单得知排名前十分别是携程、同

城旅行、飞猪旅行、去哪儿、马蜂窝、途牛、艺龙旅行、穷游、客路、缤客，其

中携程、同程旅行、飞猪旅行和去哪儿分别位列投票榜前列，受到众多网友的喜

爱。鉴于飞猪旅行平台在出行和酒店预订方面的数据丰富，但在旅游景点的评论

数据较为匮乏，本文决定选取携程、去哪儿和同程旅行三个主要的在线旅游服务

平台，作为研究数据的来源。

3.2.2评论数据采集

为了节省获取游客在线评论数据的时间和成本，使用爬虫自动化地从多个旅

游网站上抓取评论数据。相较于依靠人工采集，爬虫可以快速地从大量网页上抓

取评论数据，实现大规模数据采集，并且爬虫可以减少人为因素对数据的干扰，

提高数据的准确性和可靠性。网络爬虫常用到的软件有Python、C++或者Java

等，但是相较于其他的软件，Python更加简单快捷，本文将采取Python爬虫的

方式从携程、去哪儿和同程旅行网站获取哈尔滨冰雪大世界景点的在线评论文本

数据，包括游客点评时间、IP属地、评论内容、评分，采集的各个网站的评论数

17

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

量如下表3.1所示。

表3.1评论爬取数量

旅游网站评论数量

携程4502

去哪儿795

同城8089

合计13386

本次共采集到哈尔滨冰雪大世界在线评论数据13386条，数据内容包括游客

点评时间、IP属地、评论内容、评论分数，爬取的部分数据内容如表3.2所示。

截止到2024-02-22，携程网冰雪大世界景点共有28089条评论，因为只显示了

300页的点评信息，所以通过筛选排序爬取了前300页的在线评论，共4502条。

去哪儿有冰雪大世界景点评论73032条，其中大量的评论是用户未点评，系统默

认的好评，采集这类数据没有意义，因此分别爬起来其中的好评、中评和差评，

共795条。同程旅行爬取了从过去一直到2024-02-22的冰雪大世界景点所有在

线评论，共8089条。

表3.2评论数据内容

日期ip属地评分评论

非常差的体验，啥项目也没玩，花了一千多块钱，看了一堆

2024-02-22江苏1

快化的冰，不限流，也不退钱，简直抢钱！

2024-02-22江苏4虽然去晚点气温升高了但冰雕好看

2024-02-22上海5太值得一游，美轮美奂，北国风光。

2024-02-22江苏5冰雪大世界非常棒，冰天雪地也是金山银山，点赞尔滨

2024-02-22安徽5冰雕真的很震撼，雪地蹦野迪超带感

可以，很值得去的冰雪大世界，直接刷身份证就行。多穿点

2024-02-21云南5衣服，帽子耳罩围巾带点吃的也行。最好白天和晚上的风景

都看一遍，各有不同

2024-02-21福建4还行，就是去的时候冰雪开始融化了，一些东西玩不了

18

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

3.2.3评论数据预处理

对爬取的评论数据进行简单的浏览，发现评论质量参差不齐，许多评论内容

存在无法识别的字母、特殊符号等，又或者包含了大量重复或者无意义评论。通

过对收集到的评论数据进行预处理，使文本数据更加干净、规范和易于处理，为

后续的文本分析和挖掘提供更好的数据基础，保证了研究结果的准确性。

（1）数据清洗

对文本数据进行清洗处理，以去除不必要的信息、错误或噪声，从而提高数

据质量和可用性。对原始数据进行以下几个步骤的清洗：

①使用python删除重复和空白数据，因为重复评论会导致数据重复，影响

数据的准确性和可靠性，删除重复评论可以避免对分析和建模结果产生误导；

②用Python中的正则表达式re模块去除文本中的特殊字符，如emoji表情

等特殊符号无法识别携带的语义信息，删除这些符号以减少噪音，使文本更加干

‘’‘’

净。部分评论去除符号后语义信息有所缺失，如冰雕艺术展中的删除后得

‘’‘’‘’,

到冰雕艺术展就丢失了好评的情感语义，所以需要将其中的转换成很棒

然后将换号符转换成空格，多个逗号、句号、空格等合并为单个符号；

③用python的opencc库将评论中的繁体中文转换为简体中文，统一文本格

式，减少数据处理的复杂性，提高文本处理的效率；

④游客的评论中出现多个连续相同的词语是一种常见的现象，这种情况可能

是由于强调某种情感所导致的。例如，在“不错不错值得前去游玩”这句话中，重

复的“不错”可能会导致情感分析算法将该评论判断为强烈的情感，但实际上该评

论的情感并不一定那么强烈。针对这种情况，使用文本去重的方法来处理，帮助

减少相同词语的重复出现，从而减少情感误导的可能性。

经过上述对在线评论进行数据清洗后，剩余有效评论12162条，清洗后的部

分数据如下表3.3所示。

19

兰州财经大学硕士学位论文基于主题建模与情感分析的冰雪大世界在线评论研究

表3.3清洗前后评论数据对比示例

评论内容清洗后评论

冰雪大世界适合下午游玩。最好多穿点衣服。冰雪大世界适合下午游玩。最好多穿点衣

晚上温度低。服。晚上温度低。

不错不错很方便不错很方便

來哈爾濱必去景點，日間已經很美，晚上更来哈尔滨必去景点，日间已经很美，晚上更

美，就是排隊太花時間了美，就是排队太花时间了

哈尔滨得让人兴奋，借着女儿来哈尔滨比哈尔滨火得让人兴奋，借着女儿来哈尔滨比

赛的机会，期待已久的旅行终于实现。赛的机会，期待已久的旅行终于实现。

（2）分词

数据清洗之后需要进一步对评论进行分词，对文本数据进行分词是文本挖掘

和分析中的重要步骤，能够帮助理解文本内容、提取关键信息和进行进一步的分

析。目前常用的分词工具有jieba分词、THULAC、SnowNLP等，其