《基于语义分析的北京市十大热点景区网络游记大数据分析》由会员分享，可在线阅读，更多相关《基于语义分析的北京市十大热点景区网络游记大数据分析（15页珍藏版）》请在金锄头文库上搜索。
1、 基于语义分析的北京市十大热点景区网络游记大数据分析 一 背景介绍大数据正在开启一个新的时代，大数据已经渗透到全球政治、经济等各个领域，提高了全球各部门、各行业的创造力、竞争力、生产效率和经济效益。更重要的是，它改变了我们的生活、工作和思维方式。大数据的影响也渗透到旅游业，国家越来越重视大数据在旅游业的运用。中国旅游业发展“十三五”规划纲要提出“要建设旅游产业大数据平台，实施旅游产业大数据工程，建立旅游与公安、交通、航空、统计多部门数据共享机制，形成旅游产业大数据平台”。基于大数据的旅游分析研究已经成为趋势。北京是国际旅游城市，2015年接待旅游总人数2.74亿人次。如此多的访京游客，必然发布
2、海量的北京旅游网络游记，构成了北京旅游游记大数据源，这些大数据是开放的、易于获取的。因此，本文以海量的、开放型的2015年北京热点景区网络游记大数据为研究素材，利用大数据文本分析方法进行语义分析，从而勾勒出2015年游客心目中的北京旅游发展映像。二 研究方法（一）北京十大热点景区的确定根据主流门户网站旅游频道、OTA（Online Travel Agent，在线旅游社）网站、旅游攻略和游记分享网站的对于北京旅游景区进行排名。为保证研究的普遍性和代表性，从排名靠前的热点景区中选择5个传统景区和5个新兴景区。5个传统景区包括北京故宫、颐和园、香山、八达岭长城和什刹海；5个新兴景区包括：三里屯、79
3、8、鸟巢/水立方、古北水镇、欢乐谷。（二）大数据获取从蚂蜂窝、携程网、百度旅游等主流游记发布网站抓取北京十大热点景区的全部游记。网页数据采集目前已经有很多较为成熟的软件，如集搜客（GooSeeker）、乐思软件、火车采集软件等，这些软件普遍具有迭代迅速、模式成熟、容易操作的优点，但同时也有各自的限制。为抓取优质数据，使分析结果更加准确，本次研究根据以上抓取软件的基本思路和算法，用编制改良的抓取程序进行数据采集。（三）大数据分析旅游大数据分析包括搭建数据库、数据分析和结果输出等部分。图1 旅游大数据获取和分析流程首先将数据进行结构化处理，按照游记标题、游记作者、游记正文等基本要素以及出游方式（家
4、人/个人/朋友等）、出游天数、出游花费等出游信息，将下载的数据导入EXCEL中，成为本地原始游记数据库。然后，对数据进行内容清洗：根据出游时间删除非2015年的游记数据，删除基本信息大量缺失的数据，删除游记网站模板数据和浮动广告条等无效数据。最后，对原始数据的游记正文进行格式处理：包括纯文本化处理，删除重复行和空白行，删除过短或纯符号等无意义行，将文本按照句号、感叹号、问号等句末标点进行分行等处理。将有效的游记正文保存为纯文本格式文件，得到2015年北京十大热点景区游记大数据库。对游记正文进行分词处理，将798、古北水镇等较新的北京专有旅游词汇添加到分词词汇表中。分词完成后进行词频统计，过滤掉
5、各种副词、虚词等无意义词汇后，整理得到有效高频词汇表。根据高频词汇表对游记文本的每一行进行特征词提取和所有行特征词的共现频次统计，得到行特征词共现矩阵。将共现矩阵进行拓扑图可视化处理，形成语义结构图。对语义结构图进行更深入、更准确的分析，得出结论。并根据分析结论与语义结构图进行聚合、分色等结构化处理，进一步增加可读性。三 北京十大热点景区游记大数据语义分析（一）故宫“北京”是故宫游记的第一关键词，这说明故宫在很大程度上代表了北京旅游形象。游客对故宫兴趣集中于“宫殿建筑”、“历史文化”和“皇家人物”。游客关注度最高的故宫建筑主要集中在外朝三大殿、内廷中路（乾清宫）和内廷西路（养心殿、储秀宫）。同
6、时，天安门和景山成为故宫的高频关键词，可见天安门故宫景山是一组高度相关的旅游景区。故宫人物中，明朝永乐皇帝作为故宫建造者受到游客关注，而清朝康熙和雍正皇帝以及“王公大臣”的高关注度，笔者则认为与近几年荧幕热播的清宫影视剧有关，“甄嬛”“小主”“储秀宫”等词都印证了这一点，充分说明相关影视作品对故宫旅游的影响。但这种影响可能包括两方面：一方面是真实历史信息的传递，另一方面是因为艺术表达需要而杜撰的情节对游客造成的误导。笔者摘录了一些产生两种不同影响的游记原文：“导游介绍说，清世祖立了内宫不许干预政事的铁牌在此殿（笔者注：交泰殿），这一点在甄嬛传里面也有被提到，我记得原话是后宫不得干政呵呵”；“说
7、道坤宁宫，甄嬛传是没提到这里，可还珠格格里的皇后和容嬷嬷倒是住在这里啊”；“这里就是储秀宫，甄嬛传里的祺贵人住在这里”。由此可见，游客从影视剧中得到“后宫不得干政”这一真实历史信息，同时也将甄嬛、还珠格格等历史上并不存在的人物带到了故宫旅游中。游客对故宫历史文化的映像是“庄严”“威严”“皇威”“金碧辉煌”“遗产”“珍宝”“传统”“厚重”，也包括“沧桑”“斑驳”“悲凉”等情绪，这说明游客在认同故宫历史文化内涵和遗产价值的同时，也对故宫的朝代更替和文化兴衰表达出由衷的感慨。图2 故宫景区游记关键词语义结构（二）颐和园颐和园最大的旅游吸引力在于它是“保存完整”的“皇家园林”。除了众多皇家建筑（“排云
8、殿”“长廊”“文昌阁”“仁寿宫”等）和精美“彩画”外，颐和园最突出的特征，也是游客最关注的两处景点是“昆明湖”和“十七孔桥”。划“游船”是昆明湖主要的旅游活动，同时，湖边颇具特色的“石舫”（清晏舫）也成为游客感兴趣的景点。“石狮”是十七孔桥的主要吸引物，也是游客“拍照”留念的重要景点。游客对颐和园的另一个兴趣点在于不同“天气”“季节”等自然因素赋予了这座人造园林更多的美丽景致，如颐和园和“蓝天”“白云”的组合；如“大雪”之后，“白雪”“红墙”的对比；以及“谐趣”园内的“梅花”。因此，与故宫相比，颐和园虽然同样“宏伟”“气派”，但同时多了一些山水园林的“可爱”，这也成为游客喜爱颐和园的一个重要因
9、素。最后，“方便”的公交系统，尤其是“地铁”系统（颐和园“北宫门”外即有地铁站）提高了颐和园游客的满意度。图3 颐和园景区游记关键词语义结构（三）三里屯三里屯已经成为“朝阳区”甚至全北京的“时尚地标”，游客对三里屯充满了溢美之词：“浪漫”“独特”“漂亮”“风格”“休闲”等。“酒吧”“餐厅”“夜景”“建筑”“购物”成为三里屯最主要的旅游吸引力。相应的，酒吧夜生活、参观拍照、购物逛街、品尝特色美食等成为三里屯的主要旅游活动。三里屯的游客以年轻人为主，其中不乏“明星”“老外”“姑娘”和“艺术家”等时尚人群。三里屯的旅游活动时间主要集中在“下午”到“晚上”，尤以“夏天”和“周末”的“晚上”为最多。除了
10、酒吧，参观夜景也成了三里屯夜间旅游活动的重要组成部分。三里屯“漂亮”的“建筑”，以及隐藏在这些建筑中的“特色酒店”“创新餐厅”“西班牙餐厅”“苹果电子产品旗舰店”“冰激凌”“咖啡”等也成为三里屯重要的旅游吸引力。另外，“南锣鼓巷”成为独立的关键词，游客往往会将南锣鼓巷和三里屯的游览串联起来，这也说明对北京新兴景区感兴趣的游客同时也对传统景区感兴趣。图4 三里屯景区游记关键词语义结构（四）798798景区最核心关键词是“艺术”，这是该景区最重要和最基础的特征。798的艺术代表了当代一种“独特”的“文化”，这种文化可以概括为“开放”“时尚”“有想象力”“有创意”“前卫”等。798主要依托原国营79
11、8厂等电子工业老厂区建成，这是游客比较关注和感兴趣的资源点。在语义结构图中大量关于“厂房”“工厂”“工业”“厂区”等词的出现证明了一点。值得注意的是，游客甚至对厂房的独特风格和历史沿革都很感兴趣。原798工厂是20世纪50年代由东德援建的，其建筑风格是典型的包豪斯风格。语义结构图的次要圈层中两个重要关联词语即是“德国”和“包豪斯”。798聚集了大量的“艺术家”和相关工作室，其中游客最关注、数量最多的是“画廊”，如佩斯北京、常青画廊、尤伦斯当代艺术中心、伊比利亚当代艺术中心、程昕东国际当代艺术空间、东京艺术工程等很有名的画廊都聚集于此。游客对这些画廊举办的画展，以及与之相关涂鸦、雕塑等关注度也较
12、高，但与之关联的词语既包括“可爱”“自由”，也有“不懂”“失望”。为了展现游客更真实的感受，重点摘录“不懂”和“失望”两个词的原文。“这里的东西有些前卫地让人不懂，但是我们不要因为不懂而诋毁，因为它也是一种存在。”“去了传说中北京现代艺术家的聚集地，一种感觉油然而生，难道越怪异，生僻越脱离生活就越艺术吗？哈哈，不懂。不过没关系，相信有人懂。”“一些艺术让我们读不懂，却流连忘返。这便是魅力！”“这一次去，让我有些失望了，那边现在越来越商业化了，随便一走就是餐厅、卖水和休息的地方，画展和雕塑展少了，有好的还需要花钱进去看，越来越不如以前了。”“刚下公交，却有抵挡不住的失望红火的太阳炙烤着光秃秃的街
13、道，嘈杂的汽车尾声，各种小商贩的叫卖，甚至还有某家小店的情趣用品完全没有想象中的静谧与安然。”由此看出，游客对798的艺术并非完全懂，但多数游客尊重这些艺术的存在。但同时，由于798景区的不断商业化和周边缺乏管理，成为游客失望的重要因素。图5 798景区游记关键词语义结构图6 798景区典型的包豪斯风格建筑（五）香山“红叶”景观依然是香山景区重要的旅游吸引物，多数游客甚至了解香山红叶景观始于“清代”的历史（香山红叶的“黄栌”是清代乾隆年间栽植的，经过200多年来的发展，逐渐形成拥有94000株的黄栌树林区）。但同时，与红叶相关联的词却是“遗憾”，这种遗憾可能与观赏天气、往返交通、景区管理等多方
14、面因素有关系。另外一方面，市郊“公园”成为香山新的重要的旅游职能，而“爬山”则是香山公园最主要的旅游活动。香山最高峰海拔不足600米，但由于离市区较近、登山线路合理、基础设施完善、山顶风光秀美等原因，使大量游客热衷于爬香山。从语义结构图看，“东门”是爬山游客重要的出入口，“北门”虽也有提及，但北门的登山路线风景少、坡度大，还是缆车线路的主要出入口，所以和登山活动的关联度并不高。由此也可以判断游客爬香山更愿意选择景美、破缓的路线。除了红叶和公园外，香山另一个重要特征便是“皇家”身份。包括“建筑”（“勤政殿”）“园林”“清代皇帝”（“乾隆”）等都是游客关注的旅游资源。香山游客的出行方式包括“自驾”
15、和“公交”，两者比重接近。另外，值得景区管理方注意的是，和香山“小吃”关联的高频词是“后悔”，说明香山景区的小吃还存在问题，这一点可能会直接影响游客对香山的整体满意度。图7 香山景区游记关键词语义结构（六）八达岭长城八达岭长城景区的语义结构图比较简单、清楚。游客主要出行方式是“火车”和“公交车”，“北京北站”成为重要的出行始发站，很显然这与北京市郊铁路S2线（北京北站-延庆）有很大关系。另外，从关联度较大的“停车场”一词看，八达岭游客的主要出行方式也包括“自驾”。八达岭东段的“水关”“好汉坡”“关城”“敌楼”等成为游客感兴趣的长城节点。值得注意的是，“居庸关”不属于八达岭长城部分，但也成为高频关键词，为了进一步弄清楚原因，笔者再次返回原文，并将代表性语句摘录出来。“我们一路向长城驶去，一段长城出现在我们眼前。原来是居庸关长城。”“八达岭是居庸关的外口，是古代一条重要的交通要道和防卫前哨，素有京北第一屏障之称。”“八达岭长城位于军都山关沟古道北口，是居庸关长城的前哨。”由此可见，居庸关成为八达岭长城游记高频关键词的原因在于，游客从北京城区去往八达岭会先经过居庸关，同时游客对八达岭和居庸关的历史渊源也较为了解。“詹天佑纪念馆”和其创造性修建的人字形“铁路”遗址（“青龙桥”火车站等）也成为八达岭景区重要的旅游资源。城墙上的中外“刻字”涂鸦同样受到较大关注，而与其关联的词汇为“破坏
