论文部分内容阅读
[摘 要]国家矿山公园游客感知维度识别，能够从游客感知的角度发现游客的心理认知，为废弃矿区进行工业遗产旅游开发提供重要的参考价值。结合自然语言处理技术与隐含狄利克雷分布（LDA）主题模型方法，构建旅游目的地游客感知维度识别的研究框架。利用旅游网站游客在线评论信息，识别国家矿山公园游客感知维度及各维度的构成因子。研究发现， 游客对国家矿山公园的感知主要侧重于对功能客体（如旅游吸引物、服务、旅游目的地等）的认知，而对于工业遗产地所蕴含的意义与传递的文化等方面的解读是十分有限的。加大国家矿山公园产品创新成为废弃矿区旅游可持续发展的现实选择。
[关键词]国家矿山公园;LDA主题模型;游客感知
[中图分类号]中图分类号F592[文献标志码]A [文章编号]1672-4917（2019）02-0042-08
近年来，随着我国工业化进程的深入和宏观层面的“供给侧改革”和“去产能”，废弃矿区数量不断增加，对废弃矿区再利用，特别是基于旅游的再利用的需求日益迫切。废弃矿区是工业化进程的产物，很多废弃矿区见证了矿区乃至城市的发展历程，记录了矿工生产生活方式，寄托了时代精神与地方情感，蕴含了丰富的物质文化和精神文化。把废弃矿区开发为矿山公园已成为废弃矿区旅游再利用的重要模式。矿山公园是以展示人类矿业遗迹景观为主体，再现矿业发展历史内涵、唤醒记忆、传播工业文化，供人们游览观赏、进行科学考察与科学知识普及的特定的空间地域。我国自2005年以来，开始利用废弃矿区进行工业遗产旅游开发，共批准了72个国家矿山公园，目前已建成开园31个。这些利用废弃矿区打造的旅游目的地绩效如何——能否成为真正意义上的矿山公园，能否契合游客需求已成为政府规划者、矿区经营者、公园管理者共同关注的焦点。
游客感知是游客对旅游目的地印象、信念及思想的综合，也是旅游供给发展水平的直接反映。国内外许多学者都通过识别游客感知维度，来评价旅游目的地开发的效果及经营绩效。与此同时，近些年来旅游专业网站的游客评论以其成本低、内容丰富、客观真实等优势，已成为分析游客对旅游目的地感知的重要数据来源。目前，国内知名旅游网站如携程、马蜂窝、途牛、去哪儿等都拥有大量关于国家矿山公园的游客评论，为国家矿山公园游客感知的研究提供了便利。
本文在结合自然语言处理技术与隐含狄利克雷分布（Latent Dirichlet Allocation，以下简称LDA）主题模型的基础上，参考目前研究成果已识别出的旅游目的地游客感知维度体系，构建国家矿山公园游客感知维度识别的研究框架。利用网络爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等网站社区发布的国家矿山公园游客在线评论信息，基于已建立的研究框架，并参考目前研究成果，识别国家矿山公园游客感知维度及其构成因子。本文研究目的在于构建基于LDA的游客感知维度识别研究框架，形成此方面研究的统一范式。另外，本文通过对国家矿山公园游客感知形象维度的识别，分析废弃矿区旅游开发的绩效，将为废弃矿区进行工业遗产旅游开发提供重要的参考价值。
一、文献综述
国外學术界早在20世纪50年代就开始了对废弃矿区遗产资源的关注。美国学者斯蒂尼兰（D. B.Steinlnan）最早从工业考古的视角，提出了矿业遗产保护的现实意义。而后随着西方国家城市更新运动的发展，废弃矿区数量的增加，很多学者从旅游学、文化遗产保护、规划学、能源经济等视角，加大了对废弃地旅游产品开发的研究力度。随之，矿业遗产旅游资源、矿业遗产旅游资源价值评价、矿业遗产旅游开发模式与经验、废弃矿区旅游开发对区域经济的影响等成为国内外研究的热点。我国废弃矿区旅游开发利用的时间较短，目前与国家矿山公园相关的研究主要聚焦在开发现状与存在问题、主题模式、评价标准与类型等方面。如武强、崔芳鹏等基于已经建立的国家矿山公园的分析，提出了评价标准和国家矿山公园按照矿种、开采方式、主题景观的空间位置、开发主题等进行分类的方法。[1]何小芊等运用GIS空间分析技术，探讨了我国国家矿山公园的空间分布特征，并分析了影响矿山公园空间分布的因素。[2]这些研究大都从供给的视角，通过保护和开发的实例，分析国家矿山公园开发的思路及经验启示，而从游客视角出发，系统识别国家矿山公园游客感知维度的研究较少。
游客感知维度识别方法的研究，一直以来是旅游目的地游客感知维度识别的难点和重点。目前研究方法主要包括：传统研究方法与内容分析法。传统研究方法主要通过文献归纳法，建立结构型测量表，来识别旅游目的地感知维度。目前游客感知主要包括8到44个不同维度，涉及“吃、住、行、游、购、娱”旅游要素的诸多方面。然而旅游目的地游客感知是游客旅游体验的结果，不同旅游目的地，其游客所处的情境不同，采用统一标准化的尺度无法捕捉目的地整体属性和旅游者全部体验。特别是国家矿山公园这一特殊类型的旅游目的地。内容分析法是对研究内容进行客观、系统、量化分析的一种科学研究方法。一些学者结合旅游在线评论采用内容分析法对旅游目的地游客感知进行研究。张文、顿雪霏根据网上游记的内容分析研究大陆游客对台湾的形象感知[3];张文亭等以永定土楼世界文化遗产地为研究案例，以游客网络游记、在线评论，以及官方传播文本为样本，利用内容分析法探讨游客对福建土楼的形象感知与官方网站传播的旅游形象存在的差异[4]。王路平以八路军西安办事处纪念馆为分析对象，利用知名旅游网站的游客评论信息，运用内容分析法研究旅游形象感知[5]。张春娥运用内容分析法，通过分析网络游记，了解旅游者对广州旅游目的地形象的感知[6]。然而海量信息源赋予了旅游者更大的表达其形象感知的自由空间，而内容分析法不足以支持旅游目的地游客感知的研究。
近年来，主题模型（topic model）方法凭借在主题识别、语义挖掘方面具有显著的优势，受到了人们的广泛关注。主题模型在机器学习和自然语言处理等领域是用来从一系列文档中发现抽象主题的一种统计模型，具有较好的表示和组织文本信息的能力[7]。在众多主题模型中，LDA主题模型是最具代表性的主题模型，由Blei（布莱）等于2003年首次提出[8]，并应用于网络用户生成内容的分析，以识别热点主题、提取特征结构等，取得了较好的效果。 在主题识别方面，一些学者利用LDA主题模型，从文本文件中抽取有效、新颖、有用、可理解的有价值的知识，服务于各个领域，如舆情监控、情感分析和用户偏好等，从这些分散的信息中挖掘用户观点，洞察大众舆情以及消费者的意见，辅助政府、企业等的管理者进行科学决策。陈晓美等采用LDA主题模型方法，在文本层面按照主题的思想分析理解网络舆情的主要观点[9];张晨逸等基于LDA主题模型提出一种微博主题挖掘模型，用以挖掘微博的主题，而且还可以挖掘出联系人关注的主题[10];李真等基于社会网络视角，利用LDA主题模型，构建网络舆情观点主题识别模型，以新浪网微博为例，识别网络舆情中的观点主题，进而把握网民的主流观点[11]。
LDA主题模型在识别大规模文本数据集中潜藏的主题信息以及识别其特征结构等细粒度信息方面优势更为明显。刘三女牙等利用LDA主题模型挖掘和解析文本评论信息的特征结构和语义内容，以此为基础，探究和追踪学习者关注的热点话题演化趋势[12];谢永俊等建立LDA主题模型，提取北京市各热点区域内用户微博的关注主题，分析北京市各热点区域内的文化、功能和特征，深入挖掘人们对城市热点区域的普遍印象和认知[13];郭悦（Yue Guo）等运用LDA主题模型挖掘客户在线评论，发现了潜在的酒店客户满意相关的19个维度[14]。
尽管应用广泛，但目前此方法在旅游目的地游客感知方面的研究十分有限。即使有些研究成果运用了主题模型，挖掘了在线评论的主题维度，然而此研究也仅是方法的应用，并没有把此方法应用流程全面呈现。二、基于LDA主题模型的旅游目的地游客感知维度识别研究框架设计
旅游目的地游客感知维度的识别是一个涉及旅游管理、人工智能、数据挖掘、自然语言处理等多学科知识的前沿领域，信息的釆集、处理、分析、提取需要多学科技术方法的支持。本文整合信息采集、自然语言处理、特征降维、语义挖掘等技术手段，构建基于LDA主题模型的国家矿山公园游客感知维度识别研究框架。
本文利用自然语言处理技术，采用常用于主题提取的LDA主题模型，基于所收集的游客在线评论信息，提取游客感知维度及其构成因子，再结合文献综述所得到的国外研究成果，最终得到国家矿山公园游客感知识别研究框架。研究框架如图1所示，通过理论和实践研究的结合，最大限度地確保国家矿山公园游客感知维度识别的合理、客观。
图题图1 基于LDA主题模型的国家矿山公园
游客感知识别研究框架
（一）信息采集与处理
利用八爪鱼爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等国内著名旅游网站中国家矿山公园景点游客在线评论信息，形成在线评论数据。分别存储到以各国家矿山公园名称定义的文档。打开文档，进行人工检查，判断收集到数据为可用并保存，最后将所有可用文档合并为本研究使用的数据集。
（二）定义相应的文本集合和感知维度集合
（三）数据预处理与特征降维
文本数据预处理与特征降维通过以下步骤完成：首先，采用中文文本挖掘系统V1.0（软件著作登记号2017SR116175）对收集的文本数据集进行初步分词，该系统具有中文分词、词性标注、同义词词典和停用词词典等功能。通过初步分词，得出每个词的词性、出现频数，并按出现频数进行升序排列。其次，更新停用词词典和同义词词典。文本挖掘与所处理的专业领域知识密切相关，因此，文本挖掘系统中的停用词词典便于自动处理与本次挖掘项目无关的词，同义词词典则有助于避免自然语言中表达的差异，依挖掘项目文本中特征词的表达特点，将表达意义相同或相近的词定义为同义词，以便系统进行分词处理时，识别并替换同义词。通过更新停用词词典和同义词词典，减少文本数据集中的特征词数量，达到特征降维的目的，从而提高下一阶段主题提取的处理效率。最后，系统生成一个包含所有在线评论数据的特征词向量空间矩阵。
（四）利用LDA主题模型得到在线评论数据集的主题-特征词概率分布
将数据预处理和特征降维后得到的特征词向量空间矩阵代入LDA主题模型，分别生成文本-主题概率分布和主题-特征词概率分布。依据主题-特征词概率分布，将各主题下的特征词进行人工归纳得到各主题所代表观点，即本文所研究的游客感知维度，与主题相对应的特征词中概率较大且与游客感知紧密相关的即是构成维度的因子，至此，完成对游客感知维度的抽取，如图2模型所示。
其中，利用LDA主题模型进行游客感知维度抽取的过程主要包括在线评论文本数据预处理、特征降维、LDA主题建模等步骤，最终得到主题-特征词概率分布矩阵，经人工归纳得到国家矿山公园游客感知维度及其构成因子。
在LDA主题模型建模过程中，由于LDA模型中无法直接获得参数，一般通过参数估计的方法近似推理参数值，常用的参数估计方法有Gibbs抽样算法、变分推理（Variational Inference）、La-place近似和期望-扩散（Expectation Propagation）[15]。本文选用Gibbs抽样算法推断LDA模型参数，该方法易于实现、计算速度快，且占用较小内存。
三、实证分析
（一）样本选取
旅游网站是旅游者和旅游管理者获取游客对旅游目的地形象感知信息的主要来源，因此，本文以国内著名旅游网站游客关于国家矿山公园的游客在线评论信息为研究样本，选取携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等8个国内著名的旅游网站，获取这些网站中国家矿山公园游客的在线评论信息。由于国家矿山公园在我国还处于起步阶段，以矿山公园为旅游目的地的游客数量和游客在线评论信息有限，本文的在线评论信息获取不限定初始时间，截止时间为2017年12月31日。利用八爪鱼爬虫软件实现在线评论数据的获取。为每一家旅游网站建立一个文件夹，将从此网站上采集的关于一个国家矿山公园景点的所有游客在线评论信息，保存到以该矿山公园名字命名的excel文档中，游客的每一条在线评论信息保存为excel文档的一条数据。完成上述8个旅游网站国家矿山公园游客在线评论信息采集后，人工合并8个文件夹的所有excel文档中的在线评论数据，形成本文研究的在线评论数据集样本。在线评论数据集共包括凤凰山国家矿山公园、福建寿山国家矿山公园、海州露天矿国家矿山公园、湖南宝山国家矿山公园、晋华宫国家矿山公园、遂昌金矿国家公园、唐山开滦国家矿山公园、盱眙象山国家矿山公园、扎赉诺尔国家矿山公园、黄石国家矿山公园、万山国家矿山公园、广东韶关芙蓉山国家矿山公园、嘉阳国家矿山公园等13家矿山公园的5396条在线评论数据。 （二）数据预处理和特征降维
本研究利用中文文本挖掘系统V1.0（软件著作登记号2017SR116175）完成数据预处理和特征降维。将在线评论数据集导入该系统，对数据集进行自动分词，输出结果为特征词、词性及相应的出现频数，且特征词按照频数升序的顺序排列。导出分词输出结果，将以下面三种类型的词保存至停用词词典：（1）频数较低的词，如频数小于50的词;（2）数字，如2016、30等;（3）与感知无关的词，如年、几个、真的、一下、特别、其实、尤其等词。此外，将有相同意义的词加入同义词词典，如小孩：小孩子、小朋友。这样，再次进行分词处理时，“小孩子”和“小朋友”都会被替换为“小孩”。更新的停用词词典和同义词词典在将数据集生成向量空间时起到了特征降维的作用。在线评论数据集分词后按频数筛选从大到小排序前50的特征词如表1，其中，高频特征词反映了国家矿山公园感知的独特性，比如金矿、矿山、矿洞、井下、煤矿、开采、黄金、矿井、金窟等体现了国家矿山公园特有的矿业遗迹。
（三）结果分析
采用LDA主题模型提取主题（topic）时，主题个数K通常是自定义。从目前的研究文献上看，旅游目的地游客感知维度主要包括8到44个不同指标，涉及“吃、住、行、游、购、娱”旅游要素的诸多方面，感知维度的特点是各维度比较独立，相关性小。本文实验阶段首先根据旅游目的地游客感知维度文献研究成果，分别将主题个数K定义为8、10、20、50，依次带入LDA主题模型，得到主题个数K下每一个主题中的特征词分布概率，分析发现K值越大，主题中重叠的特征词越多，参考以往旅游目的地游客感知维度文献研究成果，难以识别出比较独立且相关性小的维度。我们缩小主题个数K值，分别选择数值等3～7的K值代入LDA主题模型，再次实验分别得到主题个数K下主题-特征词概率分布矩阵，研究发现当K值从3到5增长时，特征词在每一主题的分布概率逐步提高，但是类别较少时根据主题所包含的特征词识别出的主题即游客感知维度之间相关性较大，区分度不强;当K值从6到7时，特征词在各主题中的分布概率下降。比较实验结果得到，主题个数K值为5时，主题-特征词概率分布矩阵中特征词分布概率相对较高，依此归纳出的主题即游客感知维度的相关性较小。因而，本研究将识别国家矿山公园游客感知维度设为5个，并从主题-特征词概率分布矩阵中挑选每个topic维度中分布概率大且充分体现游客感知的前10个特征词为游客感知维度的构成因子，见表2。
从表2可以看出，维度1中的高概率特征词，即不错、值得、一般、方便、壮观、美丽、喜欢、休闲等，主要反映游客对景点或景区以及其中的娱乐设施等体验后的感知;维度2中的高概率特征词，即深刻、历史、唐代、明代、保存、当年、生活、辛苦等，主要反映游客对历史与过去生活记忆的感知;维度3中的高概率特征词，即门票、讲解、导游、网上、免费、价格、排队等，主要反映游客对景点或景区服务的感知;维度4中的高概率特征词，即博物馆、井下、知识、煤矿、地下、探秘、矿井、下井、意义、矿工等，主要反映游客对景点或景区特有的游客吸引物的感知;维度5中的高概率特征词，即公园、矿山、国家、历史、中国、工业、阜新、遗址、城市、文化等，主要反映游客对景点或景区目的地的感知。
本文基于目前研究文献中识别的游客感知维度体系，并结合各维度中出现的高概率特征词，归纳出国家矿山公园游客感知涵盖的五大维度主题词，分别为体验、记忆、服务、旅游吸引物和旅游目的地。这五大维度主题词反映了旅游者对国家矿山公园功能性特性的一种认识。
“吸引物”为游客感知维度中最为重要的。游客到访旅游景区的动因是参访旅游吸引物，旅游吸引物也就成为游客在国家矿山公园形象感知形成中最有价值的联想物。
由表2可以看出，博物馆、井下、知识、煤矿、地下、探秘、矿井、下井、意义、矿工等特征词分布概率大。矿业遗迹包括：矿产地质遗迹、矿业生产遗迹、矿业制品遗存、社会生活遗迹和矿业开发文献史籍等。许多矿山公园通过博物馆、生产场景再现等形式向游客呈现了昔日矿工在煤矿矿井进行井下作业的生产环境，对于游客而言，游历国家矿山公园最为重要的是感受其特有的矿业遗迹。工业生产活动中的工业机器、生产设备、厂房建筑、生产场景等物质形态的矿业遗迹自然而然成为他们关注的重点。正如一些评论提到的：
留下最深印象的是廣场边摆放着巨大的挖掘机、蒸汽机车、潜孔钻机、推土犁、电机车等大型矿山作业机械。很难想象这些机械在当初矿山建设中发挥了无与伦比的作用，立过汗马功劳。去哪网（www.quar.com）
除了工业遗迹成为游客关注的对象以外，矿区周边的环境也成为重要的旅游吸引物，有的游客提到：
走出矿洞，无意之间来到山上，景色秀丽，那里有处一类水源保护地：银坑山水库，碧波粼粼的一汪碧水宛如一颗祖母绿的翡翠镶嵌在银坑山涧，玲珑通透，绿莹幽幽，听说里面多次发现过珍贵的对水质近乎苛刻的桃花水母。①
“历史”是游客关注的第二大维度。在“历史”的主题中，主题词“深刻”“历史”“保存”“当年”“生活”“采矿”“小时候”的分布概率较高。以工业活动为目的的构筑物，曾经使用过的生产流水线和机器设备、废弃矿区环境和周围环境，以及所有其他有形和无形的工业遗产等保留了相应时期的工业发展演变序列，记录着人类发展的历史，蕴含了丰富的历史信息。国家矿山公园中的很多矿业遗址，是中国在工业化进程中遗留下来的最鲜明的时代烙印。矿区的发展往往是一代人、甚至是几代人的人生体验。在游历国家矿山公园时，难免会回首过去生活。“历史”成为游客对国家矿山公园形象感知的重要组成部分。正如有游客提到的：
这里曾是中国最大的露天煤矿，曾经为新中国的建设奉献过，现在已经资源枯竭，破产了，只有下当年开采剩下的大坑，然而，可以看到新中国初期矿业的水平。①
仅仅找到个人的目的或使命是不够的，我们面临的挑战是要创造一个每个人都有使命感的世界，这是真正幸福的关键，也是保持社会进步的唯一途径。在偌大的矿山公园中，我找到了我存在的使命，我找到了资源枯竭型城市的使命与国家的使命。① “服务”是游客关注的第三大维度。“门票”“讲解”“导游”“网上”和“免费”等特征词在主题-特征词分布矩阵中的概率值较大，与主题关联密切。旅游目的地的服务条件对旅游活动的顺利进行或在游客心目中形成美好印象起着非常重要的作用。其在游客旅行过程中，能为游客创造一种和谐的气氛，产生一种精神的心理效应，从而触动游客情感，唤起游客心理上的共鳴，使游客在接受服务的过程中产生惬意、幸福之感，进而提升游客对旅游目的地的感知形象。反之亦然。正如有游客提到的：
矿山公园一游应该算是文化之旅，适合爱国教育和科普教育。因为光看景的话，也只有“亚洲最大露天采坑”值得一看了，没有导游的讲解，很难了解这里拥有的1780年的冶金工业文化。马蜂窝网（www.mafengwo.cn）
“体验”是游客关注的第四大维度。“不错”“值得”“一般”“方便”“壮观”等词在主题-特征词分布矩阵中概率值较大，与主题的关系密切。对矿工的生产与生活的体验是构成国家矿山公园游客感知形象的重要维度。在游客体验此种情景时，必然与游客心理相呼应，从而产生碰撞和心理感应。同样，游客置身于生产的特殊场景，参与模拟式地采矿、选矿、洗矿等工艺流程，在参与与互动过程中丰富了自己的旅游体验，从而影响了入境游客的景区感知形象的形成。有的游客提到：
看到了铁矿的采掘过程，那分明是一种记忆的再现。作为一个普通矿工家庭的孩子，从小对这片土地的理解只是她的富裕，她储存的大量矿产不仅养活了我们的父母，我们自己。如今，小城的资源几近被掏空，我们出生与成长的这座小城也渐渐改变了格局，慢慢退出经济发展的历史舞台而被人遗忘。
马蜂窝网（www.mafengwo.cn）
在这样一个世界里，一个人可以把生活当作一个连续的故事，一个“感知”的故事，这样的故事使每一件事都成为事件的结果。每一个时代都是通往成功的道路。朝圣者的世界——身份的建造者。一定是一种镌刻着脚印的世界。这样就可以保存现在和保存过去旅行的痕迹和记录。携程网（www.ctrip.com）
“旅游目的地”是游客关注的第五大维度。旅游者景区旅游活动的实现离不开景区所依托的城市空间。游客在与城市旅游资源、服务与设施的互动过程中丰富了自己的旅游体验。一则城市中的一切要素都可能成为旅游资源，吸引游客的注意，成为游客体验的重要组成部分。二则城市的公共设施、制度和服务为旅游者出入景区创造了不可或缺的重要条件，从而影响了游客的景区感知形象的形成。国家矿山公园不同于其他旅游目的地，大都是依托废弃矿区开发而建成的。这些老工业区是中国特定时代的城市工业化的产物，城市往往伴其而生。在相当长一段时间内，以计划为导向，国家统管企业，企业也承担起政府的一些社会福利职能，如开设幼儿园、学校、医院等，这就出现了厂区与城区相互依存的空间布局格局，也创造出了一种独特的城市工业文化，因而游客在游历中能感受到城市的兴衰。有一游客提到：
煤炭枯竭了，城市也走向了衰落，走在破烂不堪的街道上，那建筑，那高耸的井架依稀可以看到城市过去的辉煌，然而一切辉煌远逝了，繁忙的机器停了下来，剩下这空空的城，迷茫的人群同程旅游网（www.ly.com）
四、结论与建议
（一）结论
本文结合自然语言处理技术与LDA主题模型方法，构建旅游目的地游客感知维度识别的研究框架;利用网络爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等旅游网站中国家矿山公园游客在线评论，基于构建的研究框架识别国家矿山公园游客感知维度及各维度的构成因子。通过研究得出以下结论：
构建了旅游目的地游客感知维度识别的研究框架。本文整合旅游目的地游客感知研究中涉及的信息采集、自然语言处理、特征向量提取、语义挖掘等技术手段，在结合自然语言处理技术与LDA主题模型方法的基础上，参考目前研究成果已识别出的旅游目的地游客感知维度体系，介入LDA主题模型维度的选取及确定游客感知维度及其构成因子，构建旅游目的地游客感知维度识别的研究框架。
创新了游客感知维度识别方法。基于LDA主题模型的国家矿山公园游客感知维度识别方法，既结合了已有研究成果旅游目的地游客感知维度构成体系，同时又可以体现特定旅游目的地游客感知的特殊性，避免了使用内容分析法可能出现的局限性，提高了感知维度识别的有效性，拓展了旅游目的地游客感知维度识别的研究方法，具有较高的应用价值。
识别了国家矿山公园游客感知维度。国家矿山公园游客感知维度主要包括：体验、历史、服务、旅游吸引物、旅游目的地等方面。其中“历史”是国家矿山公园游客感知的特殊维度。游客在“历史”的主题中关注“深刻”“历史”“当年”“采矿”“辛苦”“小时候”等话题。
（二）建议
通过国家矿山公园游客感知维度的识别可以看出，游客对国家矿山公园的感知主要侧重功能客体（如旅游吸引物、服务、旅游目的地等）的认知上，而对于工业遗产地所蕴含的意义与传递的文化等方面的解读是十分有限的。另外，游客对国家矿山公园的感知更多体现在“游”这一要素上，对于旅游其他要素：吃、住、行、娱、购等方面较少。在游客感知维度是的限性客观上体现了目前国家矿山公园产品供给的不足。加大国家矿山公园产品创新成为废弃矿区旅游可持续发展的现实选择。
在产品功能创新方面，国家矿山公园产品功能与一般旅游目的地不同，除了应具有休闲、游憩的功能外，还应肩负起传承工业文化、唤醒地方认同感和归属感的社会责任，兼具遗产禀赋功能、文化审美功能、社区情感寄托功能。国家矿山公园不仅应是旅游目的地，还应成为矿业生产、地质考察的科研基地，继承革命传统、发扬民族精神的教育空间，传承工业文化、唤醒工业记忆的精神家园。
在产品结构创新方面，要满足游客多元化的需求，整合“吃、厕、住、行、游、购、娱”“文、商、养、学、闲、情、奇”等旅游要素，融合旅游、文化、餐饮、娱乐、购物、住宿、房地产等多个产业，将国家矿山公园打造成为多功能、复合性的产品集合。 在产品形式创新方面，国家矿山公园要结合矿业遗产资源的特点，在建设展览、展示、观光、科普等传统旅游产品的基础上，着力拓展和开发新型的体验式、互动式、文化内涵丰富、娱乐内容奇特等多种表现形式的旅游产品，从多角度、全方位地体现矿业遗产旅游的地域特色。
[参考文献]
[1]武强、崔芳鹏、刘建伟等：《解读国家矿山公园的评价标准与类型》，《水文地质工程地质》2007年第4期。
[2]何小芊、王晓伟：《中国国家矿山公园空间分布研究》，《国土资源科技管理》2014年第5期。
[3]张文、顿雪霏：《探讨大陆游客对台湾旅游目的地形象的感知——基于网上游记的内容分析》，《北京第二外国语学院学报》2010年第11期。
[4]张文亭、络培聪：《基于网络文本的目的地旅游形象游客感知与官方传播对比研究——以福建永定土楼为例》，《福建师范大学学报（自然科学版）》2017年第1期。
[5]王路平：《网络文本分析方法在旅游形象感知研究中的应用——以八路军西安办事处纪念馆为例》，《西安电子科技大学学报（社会科学版）》2017年第2期。
[6]张春娥：《广州旅游目的地形象感知研究——基于网络文本分析》，《华南理工大学学报（社会科学版）》2015年第4期。
[7]杨潇、马军、杨同峰等：《主题模型LDA的多文档自动文摘》，《智能系统学报》2010年第2期。
[8]Blei D M，Ng A Y，Jordan M I：Latent Dirichlet Allocation. Journal of Machine Learning Research，No.3，2003，pp. 993-1022.
[9]陈晓美、高铖、关心惠：《网络舆情观点提取的LDA主题模型方法》，《图书情报工作》2015年第21期。
[10]张逸晨、孙建伶、丁轶群：《基于MB-LDA模型的微博主题挖掘》，《计算机研究与发展》2011年第10期。
[11]李真、丁晟春、王楠：《网络舆情观点主题识别研究》，《数据分析与知识发现》2017年第8期。
[12]刘三女牙、彭晛、刘智等：《面向MOOC课程评论的学习者话题挖掘研究》，《电化教学研究》2017年第10期。
[13]谢永俊、彭霞、黄舟等：《基于微博数据的北京市热点区域意象感知》，《地理科学进展》2017年第9期。
[14]Guo Y，Barnes S J，Jia Q： Mining meaning from online ratings and reviews： Tourist satisfaction analysis using latent dirichlet allocation. Tourism Management，Vol.59，No.4，2017，pp. 467-483.
[15]李湘東、张娇、袁满：《基于LDA模型的科技期刊主题演化研究》，《情报杂志》2014年第7期。
[16]王国华：《工业旅游如何重塑区域人文地貌——以湖北省黄石市为例》，《北京联合大学学报（人文社会科学版）》2018年第1期。
[关键词]国家矿山公园;LDA主题模型;游客感知
[中图分类号]中图分类号F592[文献标志码]A [文章编号]1672-4917（2019）02-0042-08
近年来，随着我国工业化进程的深入和宏观层面的“供给侧改革”和“去产能”，废弃矿区数量不断增加，对废弃矿区再利用，特别是基于旅游的再利用的需求日益迫切。废弃矿区是工业化进程的产物，很多废弃矿区见证了矿区乃至城市的发展历程，记录了矿工生产生活方式，寄托了时代精神与地方情感，蕴含了丰富的物质文化和精神文化。把废弃矿区开发为矿山公园已成为废弃矿区旅游再利用的重要模式。矿山公园是以展示人类矿业遗迹景观为主体，再现矿业发展历史内涵、唤醒记忆、传播工业文化，供人们游览观赏、进行科学考察与科学知识普及的特定的空间地域。我国自2005年以来，开始利用废弃矿区进行工业遗产旅游开发，共批准了72个国家矿山公园，目前已建成开园31个。这些利用废弃矿区打造的旅游目的地绩效如何——能否成为真正意义上的矿山公园，能否契合游客需求已成为政府规划者、矿区经营者、公园管理者共同关注的焦点。
游客感知是游客对旅游目的地印象、信念及思想的综合，也是旅游供给发展水平的直接反映。国内外许多学者都通过识别游客感知维度，来评价旅游目的地开发的效果及经营绩效。与此同时，近些年来旅游专业网站的游客评论以其成本低、内容丰富、客观真实等优势，已成为分析游客对旅游目的地感知的重要数据来源。目前，国内知名旅游网站如携程、马蜂窝、途牛、去哪儿等都拥有大量关于国家矿山公园的游客评论，为国家矿山公园游客感知的研究提供了便利。
本文在结合自然语言处理技术与隐含狄利克雷分布（Latent Dirichlet Allocation，以下简称LDA）主题模型的基础上，参考目前研究成果已识别出的旅游目的地游客感知维度体系，构建国家矿山公园游客感知维度识别的研究框架。利用网络爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等网站社区发布的国家矿山公园游客在线评论信息，基于已建立的研究框架，并参考目前研究成果，识别国家矿山公园游客感知维度及其构成因子。本文研究目的在于构建基于LDA的游客感知维度识别研究框架，形成此方面研究的统一范式。另外，本文通过对国家矿山公园游客感知形象维度的识别，分析废弃矿区旅游开发的绩效，将为废弃矿区进行工业遗产旅游开发提供重要的参考价值。
一、文献综述
国外學术界早在20世纪50年代就开始了对废弃矿区遗产资源的关注。美国学者斯蒂尼兰（D. B.Steinlnan）最早从工业考古的视角，提出了矿业遗产保护的现实意义。而后随着西方国家城市更新运动的发展，废弃矿区数量的增加，很多学者从旅游学、文化遗产保护、规划学、能源经济等视角，加大了对废弃地旅游产品开发的研究力度。随之，矿业遗产旅游资源、矿业遗产旅游资源价值评价、矿业遗产旅游开发模式与经验、废弃矿区旅游开发对区域经济的影响等成为国内外研究的热点。我国废弃矿区旅游开发利用的时间较短，目前与国家矿山公园相关的研究主要聚焦在开发现状与存在问题、主题模式、评价标准与类型等方面。如武强、崔芳鹏等基于已经建立的国家矿山公园的分析，提出了评价标准和国家矿山公园按照矿种、开采方式、主题景观的空间位置、开发主题等进行分类的方法。[1]何小芊等运用GIS空间分析技术，探讨了我国国家矿山公园的空间分布特征，并分析了影响矿山公园空间分布的因素。[2]这些研究大都从供给的视角，通过保护和开发的实例，分析国家矿山公园开发的思路及经验启示，而从游客视角出发，系统识别国家矿山公园游客感知维度的研究较少。
游客感知维度识别方法的研究，一直以来是旅游目的地游客感知维度识别的难点和重点。目前研究方法主要包括：传统研究方法与内容分析法。传统研究方法主要通过文献归纳法，建立结构型测量表，来识别旅游目的地感知维度。目前游客感知主要包括8到44个不同维度，涉及“吃、住、行、游、购、娱”旅游要素的诸多方面。然而旅游目的地游客感知是游客旅游体验的结果，不同旅游目的地，其游客所处的情境不同，采用统一标准化的尺度无法捕捉目的地整体属性和旅游者全部体验。特别是国家矿山公园这一特殊类型的旅游目的地。内容分析法是对研究内容进行客观、系统、量化分析的一种科学研究方法。一些学者结合旅游在线评论采用内容分析法对旅游目的地游客感知进行研究。张文、顿雪霏根据网上游记的内容分析研究大陆游客对台湾的形象感知[3];张文亭等以永定土楼世界文化遗产地为研究案例，以游客网络游记、在线评论，以及官方传播文本为样本，利用内容分析法探讨游客对福建土楼的形象感知与官方网站传播的旅游形象存在的差异[4]。王路平以八路军西安办事处纪念馆为分析对象，利用知名旅游网站的游客评论信息，运用内容分析法研究旅游形象感知[5]。张春娥运用内容分析法，通过分析网络游记，了解旅游者对广州旅游目的地形象的感知[6]。然而海量信息源赋予了旅游者更大的表达其形象感知的自由空间，而内容分析法不足以支持旅游目的地游客感知的研究。
近年来，主题模型（topic model）方法凭借在主题识别、语义挖掘方面具有显著的优势，受到了人们的广泛关注。主题模型在机器学习和自然语言处理等领域是用来从一系列文档中发现抽象主题的一种统计模型，具有较好的表示和组织文本信息的能力[7]。在众多主题模型中，LDA主题模型是最具代表性的主题模型，由Blei（布莱）等于2003年首次提出[8]，并应用于网络用户生成内容的分析，以识别热点主题、提取特征结构等，取得了较好的效果。 在主题识别方面，一些学者利用LDA主题模型，从文本文件中抽取有效、新颖、有用、可理解的有价值的知识，服务于各个领域，如舆情监控、情感分析和用户偏好等，从这些分散的信息中挖掘用户观点，洞察大众舆情以及消费者的意见，辅助政府、企业等的管理者进行科学决策。陈晓美等采用LDA主题模型方法，在文本层面按照主题的思想分析理解网络舆情的主要观点[9];张晨逸等基于LDA主题模型提出一种微博主题挖掘模型，用以挖掘微博的主题，而且还可以挖掘出联系人关注的主题[10];李真等基于社会网络视角，利用LDA主题模型，构建网络舆情观点主题识别模型，以新浪网微博为例，识别网络舆情中的观点主题，进而把握网民的主流观点[11]。
LDA主题模型在识别大规模文本数据集中潜藏的主题信息以及识别其特征结构等细粒度信息方面优势更为明显。刘三女牙等利用LDA主题模型挖掘和解析文本评论信息的特征结构和语义内容，以此为基础，探究和追踪学习者关注的热点话题演化趋势[12];谢永俊等建立LDA主题模型，提取北京市各热点区域内用户微博的关注主题，分析北京市各热点区域内的文化、功能和特征，深入挖掘人们对城市热点区域的普遍印象和认知[13];郭悦（Yue Guo）等运用LDA主题模型挖掘客户在线评论，发现了潜在的酒店客户满意相关的19个维度[14]。
尽管应用广泛，但目前此方法在旅游目的地游客感知方面的研究十分有限。即使有些研究成果运用了主题模型，挖掘了在线评论的主题维度，然而此研究也仅是方法的应用，并没有把此方法应用流程全面呈现。二、基于LDA主题模型的旅游目的地游客感知维度识别研究框架设计
旅游目的地游客感知维度的识别是一个涉及旅游管理、人工智能、数据挖掘、自然语言处理等多学科知识的前沿领域，信息的釆集、处理、分析、提取需要多学科技术方法的支持。本文整合信息采集、自然语言处理、特征降维、语义挖掘等技术手段，构建基于LDA主题模型的国家矿山公园游客感知维度识别研究框架。
本文利用自然语言处理技术，采用常用于主题提取的LDA主题模型，基于所收集的游客在线评论信息，提取游客感知维度及其构成因子，再结合文献综述所得到的国外研究成果，最终得到国家矿山公园游客感知识别研究框架。研究框架如图1所示，通过理论和实践研究的结合，最大限度地確保国家矿山公园游客感知维度识别的合理、客观。
图题图1 基于LDA主题模型的国家矿山公园
游客感知识别研究框架
（一）信息采集与处理
利用八爪鱼爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等国内著名旅游网站中国家矿山公园景点游客在线评论信息，形成在线评论数据。分别存储到以各国家矿山公园名称定义的文档。打开文档，进行人工检查，判断收集到数据为可用并保存，最后将所有可用文档合并为本研究使用的数据集。
（二）定义相应的文本集合和感知维度集合
（三）数据预处理与特征降维
文本数据预处理与特征降维通过以下步骤完成：首先，采用中文文本挖掘系统V1.0（软件著作登记号2017SR116175）对收集的文本数据集进行初步分词，该系统具有中文分词、词性标注、同义词词典和停用词词典等功能。通过初步分词，得出每个词的词性、出现频数，并按出现频数进行升序排列。其次，更新停用词词典和同义词词典。文本挖掘与所处理的专业领域知识密切相关，因此，文本挖掘系统中的停用词词典便于自动处理与本次挖掘项目无关的词，同义词词典则有助于避免自然语言中表达的差异，依挖掘项目文本中特征词的表达特点，将表达意义相同或相近的词定义为同义词，以便系统进行分词处理时，识别并替换同义词。通过更新停用词词典和同义词词典，减少文本数据集中的特征词数量，达到特征降维的目的，从而提高下一阶段主题提取的处理效率。最后，系统生成一个包含所有在线评论数据的特征词向量空间矩阵。
（四）利用LDA主题模型得到在线评论数据集的主题-特征词概率分布
将数据预处理和特征降维后得到的特征词向量空间矩阵代入LDA主题模型，分别生成文本-主题概率分布和主题-特征词概率分布。依据主题-特征词概率分布，将各主题下的特征词进行人工归纳得到各主题所代表观点，即本文所研究的游客感知维度，与主题相对应的特征词中概率较大且与游客感知紧密相关的即是构成维度的因子，至此，完成对游客感知维度的抽取，如图2模型所示。
其中，利用LDA主题模型进行游客感知维度抽取的过程主要包括在线评论文本数据预处理、特征降维、LDA主题建模等步骤，最终得到主题-特征词概率分布矩阵，经人工归纳得到国家矿山公园游客感知维度及其构成因子。
在LDA主题模型建模过程中，由于LDA模型中无法直接获得参数，一般通过参数估计的方法近似推理参数值，常用的参数估计方法有Gibbs抽样算法、变分推理（Variational Inference）、La-place近似和期望-扩散（Expectation Propagation）[15]。本文选用Gibbs抽样算法推断LDA模型参数，该方法易于实现、计算速度快，且占用较小内存。
三、实证分析
（一）样本选取
旅游网站是旅游者和旅游管理者获取游客对旅游目的地形象感知信息的主要来源，因此，本文以国内著名旅游网站游客关于国家矿山公园的游客在线评论信息为研究样本，选取携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等8个国内著名的旅游网站，获取这些网站中国家矿山公园游客的在线评论信息。由于国家矿山公园在我国还处于起步阶段，以矿山公园为旅游目的地的游客数量和游客在线评论信息有限，本文的在线评论信息获取不限定初始时间，截止时间为2017年12月31日。利用八爪鱼爬虫软件实现在线评论数据的获取。为每一家旅游网站建立一个文件夹，将从此网站上采集的关于一个国家矿山公园景点的所有游客在线评论信息，保存到以该矿山公园名字命名的excel文档中，游客的每一条在线评论信息保存为excel文档的一条数据。完成上述8个旅游网站国家矿山公园游客在线评论信息采集后，人工合并8个文件夹的所有excel文档中的在线评论数据，形成本文研究的在线评论数据集样本。在线评论数据集共包括凤凰山国家矿山公园、福建寿山国家矿山公园、海州露天矿国家矿山公园、湖南宝山国家矿山公园、晋华宫国家矿山公园、遂昌金矿国家公园、唐山开滦国家矿山公园、盱眙象山国家矿山公园、扎赉诺尔国家矿山公园、黄石国家矿山公园、万山国家矿山公园、广东韶关芙蓉山国家矿山公园、嘉阳国家矿山公园等13家矿山公园的5396条在线评论数据。 （二）数据预处理和特征降维
本研究利用中文文本挖掘系统V1.0（软件著作登记号2017SR116175）完成数据预处理和特征降维。将在线评论数据集导入该系统，对数据集进行自动分词，输出结果为特征词、词性及相应的出现频数，且特征词按照频数升序的顺序排列。导出分词输出结果，将以下面三种类型的词保存至停用词词典：（1）频数较低的词，如频数小于50的词;（2）数字，如2016、30等;（3）与感知无关的词，如年、几个、真的、一下、特别、其实、尤其等词。此外，将有相同意义的词加入同义词词典，如小孩：小孩子、小朋友。这样，再次进行分词处理时，“小孩子”和“小朋友”都会被替换为“小孩”。更新的停用词词典和同义词词典在将数据集生成向量空间时起到了特征降维的作用。在线评论数据集分词后按频数筛选从大到小排序前50的特征词如表1，其中，高频特征词反映了国家矿山公园感知的独特性，比如金矿、矿山、矿洞、井下、煤矿、开采、黄金、矿井、金窟等体现了国家矿山公园特有的矿业遗迹。
（三）结果分析
采用LDA主题模型提取主题（topic）时，主题个数K通常是自定义。从目前的研究文献上看，旅游目的地游客感知维度主要包括8到44个不同指标，涉及“吃、住、行、游、购、娱”旅游要素的诸多方面，感知维度的特点是各维度比较独立，相关性小。本文实验阶段首先根据旅游目的地游客感知维度文献研究成果，分别将主题个数K定义为8、10、20、50，依次带入LDA主题模型，得到主题个数K下每一个主题中的特征词分布概率，分析发现K值越大，主题中重叠的特征词越多，参考以往旅游目的地游客感知维度文献研究成果，难以识别出比较独立且相关性小的维度。我们缩小主题个数K值，分别选择数值等3～7的K值代入LDA主题模型，再次实验分别得到主题个数K下主题-特征词概率分布矩阵，研究发现当K值从3到5增长时，特征词在每一主题的分布概率逐步提高，但是类别较少时根据主题所包含的特征词识别出的主题即游客感知维度之间相关性较大，区分度不强;当K值从6到7时，特征词在各主题中的分布概率下降。比较实验结果得到，主题个数K值为5时，主题-特征词概率分布矩阵中特征词分布概率相对较高，依此归纳出的主题即游客感知维度的相关性较小。因而，本研究将识别国家矿山公园游客感知维度设为5个，并从主题-特征词概率分布矩阵中挑选每个topic维度中分布概率大且充分体现游客感知的前10个特征词为游客感知维度的构成因子，见表2。
从表2可以看出，维度1中的高概率特征词，即不错、值得、一般、方便、壮观、美丽、喜欢、休闲等，主要反映游客对景点或景区以及其中的娱乐设施等体验后的感知;维度2中的高概率特征词，即深刻、历史、唐代、明代、保存、当年、生活、辛苦等，主要反映游客对历史与过去生活记忆的感知;维度3中的高概率特征词，即门票、讲解、导游、网上、免费、价格、排队等，主要反映游客对景点或景区服务的感知;维度4中的高概率特征词，即博物馆、井下、知识、煤矿、地下、探秘、矿井、下井、意义、矿工等，主要反映游客对景点或景区特有的游客吸引物的感知;维度5中的高概率特征词，即公园、矿山、国家、历史、中国、工业、阜新、遗址、城市、文化等，主要反映游客对景点或景区目的地的感知。
本文基于目前研究文献中识别的游客感知维度体系，并结合各维度中出现的高概率特征词，归纳出国家矿山公园游客感知涵盖的五大维度主题词，分别为体验、记忆、服务、旅游吸引物和旅游目的地。这五大维度主题词反映了旅游者对国家矿山公园功能性特性的一种认识。
“吸引物”为游客感知维度中最为重要的。游客到访旅游景区的动因是参访旅游吸引物，旅游吸引物也就成为游客在国家矿山公园形象感知形成中最有价值的联想物。
由表2可以看出，博物馆、井下、知识、煤矿、地下、探秘、矿井、下井、意义、矿工等特征词分布概率大。矿业遗迹包括：矿产地质遗迹、矿业生产遗迹、矿业制品遗存、社会生活遗迹和矿业开发文献史籍等。许多矿山公园通过博物馆、生产场景再现等形式向游客呈现了昔日矿工在煤矿矿井进行井下作业的生产环境，对于游客而言，游历国家矿山公园最为重要的是感受其特有的矿业遗迹。工业生产活动中的工业机器、生产设备、厂房建筑、生产场景等物质形态的矿业遗迹自然而然成为他们关注的重点。正如一些评论提到的：
留下最深印象的是廣场边摆放着巨大的挖掘机、蒸汽机车、潜孔钻机、推土犁、电机车等大型矿山作业机械。很难想象这些机械在当初矿山建设中发挥了无与伦比的作用，立过汗马功劳。去哪网（www.quar.com）
除了工业遗迹成为游客关注的对象以外，矿区周边的环境也成为重要的旅游吸引物，有的游客提到：
走出矿洞，无意之间来到山上，景色秀丽，那里有处一类水源保护地：银坑山水库，碧波粼粼的一汪碧水宛如一颗祖母绿的翡翠镶嵌在银坑山涧，玲珑通透，绿莹幽幽，听说里面多次发现过珍贵的对水质近乎苛刻的桃花水母。①
“历史”是游客关注的第二大维度。在“历史”的主题中，主题词“深刻”“历史”“保存”“当年”“生活”“采矿”“小时候”的分布概率较高。以工业活动为目的的构筑物，曾经使用过的生产流水线和机器设备、废弃矿区环境和周围环境，以及所有其他有形和无形的工业遗产等保留了相应时期的工业发展演变序列，记录着人类发展的历史，蕴含了丰富的历史信息。国家矿山公园中的很多矿业遗址，是中国在工业化进程中遗留下来的最鲜明的时代烙印。矿区的发展往往是一代人、甚至是几代人的人生体验。在游历国家矿山公园时，难免会回首过去生活。“历史”成为游客对国家矿山公园形象感知的重要组成部分。正如有游客提到的：
这里曾是中国最大的露天煤矿，曾经为新中国的建设奉献过，现在已经资源枯竭，破产了，只有下当年开采剩下的大坑，然而，可以看到新中国初期矿业的水平。①
仅仅找到个人的目的或使命是不够的，我们面临的挑战是要创造一个每个人都有使命感的世界，这是真正幸福的关键，也是保持社会进步的唯一途径。在偌大的矿山公园中，我找到了我存在的使命，我找到了资源枯竭型城市的使命与国家的使命。① “服务”是游客关注的第三大维度。“门票”“讲解”“导游”“网上”和“免费”等特征词在主题-特征词分布矩阵中的概率值较大，与主题关联密切。旅游目的地的服务条件对旅游活动的顺利进行或在游客心目中形成美好印象起着非常重要的作用。其在游客旅行过程中，能为游客创造一种和谐的气氛，产生一种精神的心理效应，从而触动游客情感，唤起游客心理上的共鳴，使游客在接受服务的过程中产生惬意、幸福之感，进而提升游客对旅游目的地的感知形象。反之亦然。正如有游客提到的：
矿山公园一游应该算是文化之旅，适合爱国教育和科普教育。因为光看景的话，也只有“亚洲最大露天采坑”值得一看了，没有导游的讲解，很难了解这里拥有的1780年的冶金工业文化。马蜂窝网（www.mafengwo.cn）
“体验”是游客关注的第四大维度。“不错”“值得”“一般”“方便”“壮观”等词在主题-特征词分布矩阵中概率值较大，与主题的关系密切。对矿工的生产与生活的体验是构成国家矿山公园游客感知形象的重要维度。在游客体验此种情景时，必然与游客心理相呼应，从而产生碰撞和心理感应。同样，游客置身于生产的特殊场景，参与模拟式地采矿、选矿、洗矿等工艺流程，在参与与互动过程中丰富了自己的旅游体验，从而影响了入境游客的景区感知形象的形成。有的游客提到：
看到了铁矿的采掘过程，那分明是一种记忆的再现。作为一个普通矿工家庭的孩子，从小对这片土地的理解只是她的富裕，她储存的大量矿产不仅养活了我们的父母，我们自己。如今，小城的资源几近被掏空，我们出生与成长的这座小城也渐渐改变了格局，慢慢退出经济发展的历史舞台而被人遗忘。
马蜂窝网（www.mafengwo.cn）
在这样一个世界里，一个人可以把生活当作一个连续的故事，一个“感知”的故事，这样的故事使每一件事都成为事件的结果。每一个时代都是通往成功的道路。朝圣者的世界——身份的建造者。一定是一种镌刻着脚印的世界。这样就可以保存现在和保存过去旅行的痕迹和记录。携程网（www.ctrip.com）
“旅游目的地”是游客关注的第五大维度。旅游者景区旅游活动的实现离不开景区所依托的城市空间。游客在与城市旅游资源、服务与设施的互动过程中丰富了自己的旅游体验。一则城市中的一切要素都可能成为旅游资源，吸引游客的注意，成为游客体验的重要组成部分。二则城市的公共设施、制度和服务为旅游者出入景区创造了不可或缺的重要条件，从而影响了游客的景区感知形象的形成。国家矿山公园不同于其他旅游目的地，大都是依托废弃矿区开发而建成的。这些老工业区是中国特定时代的城市工业化的产物，城市往往伴其而生。在相当长一段时间内，以计划为导向，国家统管企业，企业也承担起政府的一些社会福利职能，如开设幼儿园、学校、医院等，这就出现了厂区与城区相互依存的空间布局格局，也创造出了一种独特的城市工业文化，因而游客在游历中能感受到城市的兴衰。有一游客提到：
煤炭枯竭了，城市也走向了衰落，走在破烂不堪的街道上，那建筑，那高耸的井架依稀可以看到城市过去的辉煌，然而一切辉煌远逝了，繁忙的机器停了下来，剩下这空空的城，迷茫的人群同程旅游网（www.ly.com）
四、结论与建议
（一）结论
本文结合自然语言处理技术与LDA主题模型方法，构建旅游目的地游客感知维度识别的研究框架;利用网络爬虫软件，采集携程、途牛、去哪儿、马蜂窝、同程、TripAdvisor（猫途鹰）、艺龙、驴妈妈等旅游网站中国家矿山公园游客在线评论，基于构建的研究框架识别国家矿山公园游客感知维度及各维度的构成因子。通过研究得出以下结论：
构建了旅游目的地游客感知维度识别的研究框架。本文整合旅游目的地游客感知研究中涉及的信息采集、自然语言处理、特征向量提取、语义挖掘等技术手段，在结合自然语言处理技术与LDA主题模型方法的基础上，参考目前研究成果已识别出的旅游目的地游客感知维度体系，介入LDA主题模型维度的选取及确定游客感知维度及其构成因子，构建旅游目的地游客感知维度识别的研究框架。
创新了游客感知维度识别方法。基于LDA主题模型的国家矿山公园游客感知维度识别方法，既结合了已有研究成果旅游目的地游客感知维度构成体系，同时又可以体现特定旅游目的地游客感知的特殊性，避免了使用内容分析法可能出现的局限性，提高了感知维度识别的有效性，拓展了旅游目的地游客感知维度识别的研究方法，具有较高的应用价值。
识别了国家矿山公园游客感知维度。国家矿山公园游客感知维度主要包括：体验、历史、服务、旅游吸引物、旅游目的地等方面。其中“历史”是国家矿山公园游客感知的特殊维度。游客在“历史”的主题中关注“深刻”“历史”“当年”“采矿”“辛苦”“小时候”等话题。
（二）建议
通过国家矿山公园游客感知维度的识别可以看出，游客对国家矿山公园的感知主要侧重功能客体（如旅游吸引物、服务、旅游目的地等）的认知上，而对于工业遗产地所蕴含的意义与传递的文化等方面的解读是十分有限的。另外，游客对国家矿山公园的感知更多体现在“游”这一要素上，对于旅游其他要素：吃、住、行、娱、购等方面较少。在游客感知维度是的限性客观上体现了目前国家矿山公园产品供给的不足。加大国家矿山公园产品创新成为废弃矿区旅游可持续发展的现实选择。
在产品功能创新方面，国家矿山公园产品功能与一般旅游目的地不同，除了应具有休闲、游憩的功能外，还应肩负起传承工业文化、唤醒地方认同感和归属感的社会责任，兼具遗产禀赋功能、文化审美功能、社区情感寄托功能。国家矿山公园不仅应是旅游目的地，还应成为矿业生产、地质考察的科研基地，继承革命传统、发扬民族精神的教育空间，传承工业文化、唤醒工业记忆的精神家园。
在产品结构创新方面，要满足游客多元化的需求，整合“吃、厕、住、行、游、购、娱”“文、商、养、学、闲、情、奇”等旅游要素，融合旅游、文化、餐饮、娱乐、购物、住宿、房地产等多个产业，将国家矿山公园打造成为多功能、复合性的产品集合。 在产品形式创新方面，国家矿山公园要结合矿业遗产资源的特点，在建设展览、展示、观光、科普等传统旅游产品的基础上，着力拓展和开发新型的体验式、互动式、文化内涵丰富、娱乐内容奇特等多种表现形式的旅游产品，从多角度、全方位地体现矿业遗产旅游的地域特色。
[参考文献]
[1]武强、崔芳鹏、刘建伟等：《解读国家矿山公园的评价标准与类型》，《水文地质工程地质》2007年第4期。
[2]何小芊、王晓伟：《中国国家矿山公园空间分布研究》，《国土资源科技管理》2014年第5期。
[3]张文、顿雪霏：《探讨大陆游客对台湾旅游目的地形象的感知——基于网上游记的内容分析》，《北京第二外国语学院学报》2010年第11期。
[4]张文亭、络培聪：《基于网络文本的目的地旅游形象游客感知与官方传播对比研究——以福建永定土楼为例》，《福建师范大学学报（自然科学版）》2017年第1期。
[5]王路平：《网络文本分析方法在旅游形象感知研究中的应用——以八路军西安办事处纪念馆为例》，《西安电子科技大学学报（社会科学版）》2017年第2期。
[6]张春娥：《广州旅游目的地形象感知研究——基于网络文本分析》，《华南理工大学学报（社会科学版）》2015年第4期。
[7]杨潇、马军、杨同峰等：《主题模型LDA的多文档自动文摘》，《智能系统学报》2010年第2期。
[8]Blei D M，Ng A Y，Jordan M I：Latent Dirichlet Allocation. Journal of Machine Learning Research，No.3，2003，pp. 993-1022.
[9]陈晓美、高铖、关心惠：《网络舆情观点提取的LDA主题模型方法》，《图书情报工作》2015年第21期。
[10]张逸晨、孙建伶、丁轶群：《基于MB-LDA模型的微博主题挖掘》，《计算机研究与发展》2011年第10期。
[11]李真、丁晟春、王楠：《网络舆情观点主题识别研究》，《数据分析与知识发现》2017年第8期。
[12]刘三女牙、彭晛、刘智等：《面向MOOC课程评论的学习者话题挖掘研究》，《电化教学研究》2017年第10期。
[13]谢永俊、彭霞、黄舟等：《基于微博数据的北京市热点区域意象感知》，《地理科学进展》2017年第9期。
[14]Guo Y，Barnes S J，Jia Q： Mining meaning from online ratings and reviews： Tourist satisfaction analysis using latent dirichlet allocation. Tourism Management，Vol.59，No.4，2017，pp. 467-483.
[15]李湘東、张娇、袁满：《基于LDA模型的科技期刊主题演化研究》，《情报杂志》2014年第7期。
[16]王国华：《工业旅游如何重塑区域人文地貌——以湖北省黄石市为例》，《北京联合大学学报（人文社会科学版）》2018年第1期。