网络评论文本通常有负面和正面,我们称带有负面情绪的这些投诉文本数据为吐槽数据。目前,在文本挖掘这一热点研究领域中,针对旅游投诉和吐槽数据的相关研究尚不多见。旅游业作为云南的传统支柱产业之一,云南旅游市场的服务品质备受舆论关注。近年来,云南旅游市场乱象丛生,负面事件及其引爆的网络舆情接连不断,致使云南旅游的整体形象屡屡受创。因此,基于游客的在线投诉和网络吐槽等负面舆情数据进行自然语言处理与文本挖掘,助推相关的政府部门和景区景点针对社会公众和舆论关切的具体问题主动及时进行回应和改革,从而为云南旅游市场秩序整治和旅游产业转型升级做出积极贡献。本文利用python爬取了云南就爱去旅行网站游舆专栏新闻数据和吐槽专栏的游客吐槽数据,对该数据进行文本挖掘,从旅游者角度,对主要受到游客投诉吐槽的地区以及主要的吐槽类型,各地区的受吐槽原因进行分析。首先,文章基于高频词的提取,得到了游舆专栏新闻数据涉及的热点问题,然后基于吐槽数据的吐槽地点和吐槽类型数据,分别从地理维度和时间维度对吐槽类型进行了对比分析,得到云南主要受到吐槽的地区为昆明,丽江,大理,昆明的主要被吐槽类型为购物,交通,航空,大理的主要被吐槽类型为购物,景区,交通,丽江的主要被吐槽类型为景区,购物,导游,最后文章基于吐槽数据的吐槽内容进行了深层文本挖掘,主要工作包括基于tf-idf的关键词提取、LDA主题模型的建立和分析以及基于Word2vec词向量分析的关联词分析。通过上述基本分析和深层挖掘,得到了云南旅游涉及的主要问题,以及主要受到吐槽的丽江,大理,昆明所涉及的旅游问题和各地区进行旅游改革的方向,为云南的旅游改革提供参考和建议。