现阶段,旅游业和社交媒体都处于迅猛发展时期,两者之间的关系也越来越密切。与此同时,自然语言处理技术的创新与应用也为二者的相互融合提供了有力的技术支持。本文从游客情感角度出发,利用自然语言处理技术从三个时段共21天的微博数据中获取到游客情感信息,通过GIS时空分析方法探索游客情感空间分布和时空变化特征。同时,在此基础上还引入了旅游子主题和旅游城市两个层面,分别分析游客情感。此外,为了解释造成这些情感分布和变化特征的原因,本文还从多个领域选取相关数据,以山东省景区为研究对象,对可能影响景区情感的因素进行了研究分析。具体研究内容与结论如下:（1）从每日三千万左右的原始微博数据中选取仅占1%的带有签到位置的微博数据,经过各种数据清洗和预处理后,共剩余4571542条数据;使用Fast Test文本分类模型从中筛选出了1221141条旅游相关数据;经过再次筛选后,共有1177388条数据使用BTM主题模型聚类出46个子主题,并使用讯飞情感分析工具计算出这些数据的情感得分。（2）选取了主题显著性和数据量都较高3个旅游子主题,对其从统计、空间和时空三方面进行旅游地理情感分析。发现不同主题的微博数量和情感均值均有明显差异;主题15的情感地域性分布差异明显大于其他两个主题;不同主题在工作日和小长假期间的情感空间分布不同,主题15和主题28的分布差异大于主题9;三个主题在2018年小长假七日间的情感空间分布状态多种多样,没有明显的分布规律,但同一个主题在不同日期间以及不同主题在不同日期间,仍有整体上相似的情感空间分布状态等结论。（3）根据旅游城市排名选取了两年间均排前三名的城市,发现北京市、上海市和重庆市三座城市的各区县微博数量分布差异化明显;但三座城市各区县间的旅游情感值均值却没有显著性变化;三座城市的网格情感在空间上都存在低值聚类模式,且重庆市的低值聚类程度比北京市和上海市更高;北京市和重庆市在2016年是随机分布模式,到了2018年则出现了低值聚类现象,且重庆市的聚类程度略高于北京市;北京市2018年小长假七日间的高值异常值和低值聚类分布较为集中,主要在丰台区、朝阳区和海淀区附近等结论。（4）以山东省内有微博数据的4A、5A级景区为研究对象,发现景区具有非均衡集中分布特征,且各景区间的情感值分布具有空间正相关性。然后从自然环境、社会经济等五方面选取22种可能的影响因素,利用相关性分析（相关性系数和地理探测器）和回归建模分析（逐步线性回归和地理加权回归）等方法对其进行分析。分析结果表明,景区空气质量状况和植被覆盖度等多种因素在一定程度上会对景区情感产生影响。