随着社会的快速发展和城市轨道交通相关技术的不断进步,城市轨道交通已经成为首都人民出行的重要方式之一,对首都市民的日常生活有着重要的影响。运营服务品质是衡量城市轨道交通运营水平的重要指标之一,广大市民对于城市轨道交通的运营服务也有了更高的要求。如何快速有效处理乘客的投诉,提升轨道交通服务质量,提高乘客满意度,成为了目前轨道交通服务领域学者及管理者最为关注的事情。乘客投诉往往以文本的方式呈现,且数量较大,由人工对文本进行分析费时费力,所以需要应用自然语言处理技术和算法,实现地铁投诉文本的主题挖掘、自动分类和投诉内容分析,及时有效地发现运营服务中的不足,提高北京地铁服务质量。主要研究内容包括以下几个方面:(1)针对北京地铁的乘车服务流程和服务特征进行分析,将地铁乘车流程分为了9个环节,并对各个服务环节进行特征分解,明确提供服务的人员和相关设备,并将服务特征文本化;分析了乘客对于地铁服务投诉的心理需求、投诉渠道和地铁投诉处理的必要性。(2)对LDA主题建模方法进行了介绍,并通过LDA主题建模算法对地铁投诉文本的主题进行挖掘,结合第三章的地铁服务流程和服务特征分析,将地铁服务投诉文本分为了8种主题类型,并构建了文本自动分类器,实现了投诉文本的自动分类。(3)通过计算关键词之间的共现频率,构建了投诉文本关键词共现网络,实现了关键词共现网络的可视化分析和关联分析,并通过案例分析的形式对投诉文本中投诉量最多的温控噪音、站车服务、乘车安全三个方面投诉案例进行深入分析,挖掘乘客的真实需求,从而为北京地铁提升服务质量指明方向。(4)针对北京地铁满意度调查的指标设置,抽样方法,样本结构及指标的测算方法等进行了研究,并通过对比分析满意度调查结果和投诉文本挖掘的研究成果,对现有乘客满意度评价提出改进建议。