论文部分内容阅读
在共享经济大背景下,我国的旅游业蓬勃发展,民宿短租行业的发展也十分迅速。民宿在线评论中包含着丰富的情感信息,反映了消费者的态度和情绪,通过评论可以发现民宿的优势以及存在的问题。因此对民宿评论的情感分析和挖掘显得尤为关键。同时,民宿房源的推荐也是该行业中的一个重要研究方向,好的推荐结果不仅可以节省用户时间,还可以提高用户忠诚度,推动民宿行业的良性发展。然而,民宿推荐不同于传统酒店的推荐,需要考虑的因素非常多。因此本文着重上述方面的研究,针对民宿在线评论、民宿房源推荐以及如何进行可视分析三个方面展开工作,提出了Bert-BiL STM-EIC情感分析网络、基于主题模型和情感特征的房源推荐算法和共享民宿推荐可视分析系统的设计方案。首先,在民宿评论情感分析问题中,本文结合情感词典和深度学习各自的优势,提出了基于Bert预训练模型和双向LSTM模型(Bi LSTM)改进的网络模型Bert-BiL STM-EIC。我们的网络模型包含语义通道和情感通道,使得网络能够在语义特征提取上更好地融入情感特征,从而提高模型的准确度。同时,我们通过网络爬虫技术,构建了一个民宿评论情感分析的数据集,并基于评论分数对数据集进行了标注。我们的模型最终获得了94.42%的准确率,并通过多组对比实验证明了我们方法的有效性。其次,在民宿房源推荐问题中,本文针对众多影响房源选择的细节,首先从评论主题挖掘着手,我们基于BTM短文本主题模型,设计了实验获得最佳模型并将其可视化,得到了消费者最关心的8个方面。接着我们对“房东信任”,“风险感知”等因素进行了相关性分析,在分析用户偏好时纳入了这些特征因子。然后我们使用训练好的情感模型结合主题模型,提出了房源情感特征生成算法来获取房源的隐式情感特征。最终我们基于LFM算法提出了考虑情感特征的房源推荐算法,通过实验证明了我们的算法比传统的推荐算法具有更好的推荐效果。最后,为了满足用户的分析需求,本文设计实现了一个共享民宿推荐可视分析系统Opinion Manager。我们将民宿评论、地理位置、价格等多源数据进行了可视化集成,设计并实现了排名比较视图、主题矩形树图、情感河流视图等多种可视化组件,方便用户更好地进行可视分析。此外,本文还使用该系统进行了用户评估和多个案例分析,相关反馈证实了Opinion Manager的有效性和实用性。