旅游網絡輿情主題分析：以澳門為例

王航飛+賈素玲+李明偉

[摘 要]隨著旅游產業的逐步發展和Web 2.0時代的到來，各種與旅游目的地相關的輿情見諸網絡，因此而產生的旅游網絡輿情數據量也與日俱增。然而，如何從海量的旅游網絡輿情數據中提取有價值的信息，成為了急需解決的問題。本文以澳門地區為例，從互聯網上采集與該地區相關的旅游輿情數據，采用文本挖掘的相關技術，建立主題模型并進行分析。這對于旅游企業維護企業形象、制定發展戰略；政府進行旅游目的地輿情監測及制定建設規劃，具有積極的借鑒意義。

[關鍵詞]旅游；網絡輿情；澳門

doi：10.3969/j.issn.1673 - 0194.2017.14.113

[中圖分類號]F592.7 [文獻標識碼]A [文章編號]1673-0194（2017）14-0-02

0 引 言

隨著社會經濟的平穩發展，我國旅游業進入了蓬勃發展階段。同時，隨著信息技術的快速進步，新興的社會化媒體和傳統的大眾媒體，更加便捷地通過互聯網對旅游熱點事件或議題表達情感、意見、觀點和態度。旅游網絡輿情這一新興的網絡現象，越來越被科研工作者、政府、旅游企業所重視。針對旅游網絡輿情數據量大、噪聲多的特點，本文采用主題模型的方法對其進行分析研究，不僅可以及時掌握旅游者出游過程中的利益訴求，還可以了解旅游目的地的熱點問題，從而為政府機構和旅游企業提供有價值的決策信息。澳門作為世界上有名的旅游目的地之一，廣受廣大旅游愛好者尤其是內地游客的喜愛。自2003年澳門自由行政策開放以來，赴澳旅游人數大幅增加，其間的旅游問題層出不窮。因此，本文擬采集澳門旅游網絡輿情的相關數據，建立主題模型并進行分析，并最終給出結論。

1 主題模型

主題模型是目前文本挖掘領域常用的語言模型，是結合機器學習和自然語言處理等相關方法的一種統計模型。主題模型的基本思想認為文本是由多個主題混合而成的，而主題是特征詞上的一種概率分布，即每篇文本是主題的混合分布，而每一個主題是一組特征詞的混合分布。主題模型中最常用的是LDA（Latent Dirichlet Allocation）。類似于分層貝葉斯，LDA模型包括3層（語料層、文檔層、詞層），如圖1所示?；疑幱安糠諻代表可觀測隨機變量，Z和θ代表潛在變量，α和β是在語料層的超參數，矩形框（plate）代表貝葉斯概率求解的迭代過程。最外邊的矩形框M代表文檔，里面的矩形框N代表在一個文檔中重復地選擇潛在主題和詞。

其中，α是服從Dirichlet分布的參數，決定主題之間的差異性，α越小，主題之間差異性越大；θ是一個1×K的隨機列向量，表示各主題發生的概率，P（θ）～Dirichlet（α）；zi，j是由θi概率分P（θ），產生的離散隨機變量，表示文檔i中詞j的話題概率；φ是一個K×|V|的矩陣，表示話題K的詞匯概率分布，且β是φ分布的超參數。那么，在α和β已知的情況下，可以得到θ、z、w的聯合分布：

因此，在LDA模型中，只需要知道α和β的參數值便可用于表示文檔集。通過貝葉斯概率模型，使用極大似然估計（EM）的方法求α和β的后驗分布。具體的參數估計方法此處不進行贅述。

困惑度（Perplexity）是一種常用來衡量主題模型的指標。通常來說，一個較低的困惑度的模型表示具有更好的泛化性能力。對于M篇文檔，困惑度的定義如下：

2 主題建模與分析：以澳門為例

2.1 數據來源及預處理

針對澳門地區2015年的旅游網絡輿情，本文使用網絡爬蟲采集每條輿情的標題、內容、發布時間，其中，將發布時間轉化為時間戳，作為該輿情的唯一標識符（ID）。接著，對采集的內容進行清洗、分詞、去停用詞等預處理操作。

值得注意的是，采集的澳門旅游輿情數據為繁體字，并不能簡單地將其轉換為簡體字進行處理。因為粵語在表達方式上與普通話存在一些差別。因此，為了保證模型的效果，本文沒有采取繁轉簡的操作，而是針對語料特點，反復迭代建立繁體停用詞表及字典。

2.2 主題模型訓練與結果分析

在預處理的基礎上，本文對2015年澳門旅游網絡輿情數據建立LDA主題模型。為了確定需要的主題的個數，本文先設定主題數分別為10、20、30、40、50、70、90，分別得到各個主題數下的困惑度，并繪圖（見圖2）觀察。

根據圖2可以看出，主題數為20時，困惑度發生了明顯變化，且隨著主題數的增加，困惑度變化幅度不再顯著。同時，根據觀察所得結果，主題數為20時，各個主題之間差異相對明顯，且能代表所有網絡輿情。所以，選取最佳主題數為20，主題模型結果如圖3所示。

為了了解輿情的著重點，本文在訓練得到的LDA模型基礎上，得到每條輿情屬于哪個主題，從而可以統計得出每個主題的主題強度，結果如圖4所示。

統計結果顯示，主題10、主題11、主題2依次占有較大比重，是輿情的主要焦點。通過總結歸納，主題10主要與零售業相關，主題11主要與政府旅游規劃相關，主題2主要與政府立法活動有關。另外，通過主題模型的結果，還可以發現，水貨客（主題3）、突發事件（主題17）、酒店業（主題16）、社會矛盾（主題20）、金融投資（主題1）等也是澳門旅游業中相對集中的話題。

3 結 語

本文以澳門為例，將文本挖掘方法中的LDA模型（Latent Dirichlet Allocation，LDA）應用于旅游網絡輿情分析，對澳門地區2015年旅游網絡輿情有了整體、客觀的了解。這對于政府制定旅游政策和引導輿論方向，具有積極的借鑒意義。

主要參考文獻

[1]付業勤，鄭向敏.網絡新媒體時代旅游網絡輿情研究：源起、價值與構想[J].河北學刊，2013（5）.

[2] T K Landauer，D S Mcnamara，S Dennis，et al. Handbook of Latent Semantic Analysis[M].NewYork，NY：John Wiley & Sons Ltd，2007.endprint