基于游記數據挖掘的旅游領域用戶畫像構建

羅文琦 楊曉霞

摘 要：用戶畫像通過收集用戶的社會屬性、消費習慣、偏好體征等維度的特征進行分析、統計，挖掘潛在價值信息，從而抽象出用戶信息全貌。本文利用網絡游記及評論數據，使用文本情感分析、關鍵詞提取算法等方法，構建了包含用戶基本信息、用戶偏好信息、用戶情境信息、用戶情感感知4個維度的用戶畫像，并構建了與用戶畫像耦合的景點畫像，刻畫用戶對于旅游的興趣偏好。用戶畫像為旅游企業分析用戶心理、完善景區服務提供輔助。本文以成都市著名旅游景點為例，將用戶畫像與景點畫像耦合對用戶的興趣偏好進行了分析。

關鍵詞：用戶畫像；景點畫像；智慧旅游；成都市

中圖分類號：F426.61；TP311.13 文獻標識碼：A

基金項目：國家自然科學基金項目“上下文感知的旅游信息智能推薦方法”（41771444）。

隨著時代的發展，“互聯網+”的模式逐漸應用于各個領域，互聯網與旅游業的深度融合，使得用戶可以在線進行旅游信息搜索以及旅游服務的查詢與訂購，企業利用用戶數據實現精準營銷，為用戶提供更個性化、更精準的使用體驗。用戶畫像，即用戶信息標簽化，通過收集用戶的社會屬性、消費習慣、偏好體征等維度的數據，對用戶或產品特征屬性進行刻畫，并對這些特征進行分析、統計，挖掘潛在價值信息，從而抽象出用戶的信息全貌。

目前用戶畫像已經廣泛地應用于電子商務、圖書館應用、旅游等領域[1-3]。學者利用調查問卷、評論、游記等數據構建旅游領域畫像。單曉紅等以在線評論數據為基礎，從用戶信息屬性、酒店信息屬性和用戶評價信息屬性3個維度構建用戶畫像模型，完成對酒店用戶特征的完整刻畫[4]。劉海鷗等基于用戶基本屬性數據、用戶行為屬性數據以及用戶情境屬性數據建立游客的用戶畫像概念模型，提出了基于用戶畫像的旅游情境化推薦模型[5]。崔春生等構建用戶畫像模型，分析用戶相似度并結合用戶情境，進行個性化推薦[6]。國外學者目前較多利用用戶發布的照片信息對其行為進行刻畫，Wang Z等基于發布照片的位置服務信息以及用戶在旅游平臺的行為信息，構建用戶與項目的異質關系模型[7]。Lyu D等基于地理標記照片獲取用戶視覺信息、訪問順序信息構建用戶旅行位置矩陣[8]。李雅美等從游記中提取地域、時間、主題、類型的特征標簽，根據用戶興趣標簽找到相似用戶群[9]。

旅游領域用戶畫像為旅游企業分析用戶心理，完善景區服務提供輔助。然而，用戶畫像在旅游領域的應用還處于初級階段，用戶決策易受多種因素影響，需要考慮用戶、景點、情境之間的相互關系，存在信息獲取隱性、數據稀疏和用戶冷啟動等問題。本文針對以上問題，以用戶游記為數據基礎設計了以用戶基本信息、用戶偏好信息、用戶情境信息、用戶情感感知4個維度組成的用戶畫像，利用景點畫像與用戶畫像建立的耦合關系，分析隱含的用戶心理，并以成都市景點為例對用戶進行了個性化偏好分析。

本文構建了包含4個維度的用戶畫像，同時建立研究區域的景點畫像，旅游領域用戶畫像概念模型如圖1所示。

（一）用戶畫像四維度

用戶基本屬性是指用戶的基礎信息類，這些屬性對用戶類型進行了初步的區分和歸類。利用標簽的方法存儲用戶ID、年齡、出行天數、出行方式、同行人員以及人均消費等信息。

用戶偏好是用戶在考量商品和服務的時候所做出的理性的具有傾向性的選擇，是用戶認知、心理感受及經濟學權衡的綜合結果。本文使用jieba工具對游記文本進行處理，并添加自定義詞典，文本分析結果結合景點畫像中的景點分類獲得用戶對景點類型、游覽方式等偏好。

本文還提出用戶情境信息維度，用戶所處情境不同，對景點的偏好和體驗也會存在差異。用戶情境是指用戶所處的自然環境，如季節、月份、溫度等；用戶的社會經濟情境，如社交網絡以及用戶的消費習慣、經濟情況。在用戶畫像中構建用戶情境信息，有助于景區針對變化的情境要素做出相應決策。

（二）景點畫像模型

同時設定景點資源分類標簽，分為地文景觀（1）、水域風光（2）、生物景觀（3）、天象與氣候景觀（4）、遺址遺跡（5）、建筑與設施（6）、旅游商品（7）、人文活動（8）八大類；建立景點內容分類標簽，為游覽鑒賞型（A）、知識型（B）、體驗型（C）和康樂型（D），成都市部分旅游資源分類情況如表1所示。

（三）旅游領域用戶畫像與景點畫像的耦合

本文建立的旅游領域用戶畫像由用戶畫像和景點畫像兩部分構成，景點作為旅游行為的載體，其相關信息與用戶行為、情感存在一定的耦合關系。本文將景點的分類信息映射到用戶偏好維度，分析用戶在景點類型、游覽方式上所表現的用戶偏好。同時景點六要素評分結果反映了以景點為中心的內部及周邊設施的建設完善度和用戶滿意度。利用畫像之間的耦合關系，能更好地分析用戶行為與景點的聯系，為分析用戶偏好、改善景點環境提供理論支持。

（一）數據來源及預處理

本文將成都作為實驗區域，利用網絡爬蟲工具，爬取了攜程網站上成都市4 317條游記數據以及29個景點的8 820條評論數據。對游記及評論預處理保留了2 970條游記數據和20個熱門景點的7 680條評論數據。成都作為美食娛樂之都，同時擁有自然風光與人文景觀，游玩方式以美食和攝影為主。出行天數多在2～5天之內，有游記1 964條，占比65.9%。出行月份主要集中在2月、7月、10月等節假日和寒暑假時期。同行人員反映出多以親子、朋友出行為主，其占比63%。人均消費則在700～4 000元不等，消費水平受到出行方式、用戶經濟水平等影響。

（二）景點評論TF-IDF計算結果

本文利用TF-IDF算法對處理后的20個熱門景點評論得到其旅游六要素的得分，部分實驗結果如表2所示。

（三）游記文本情感分析結果

本文選擇游覽景點大于5個的三名游客（甲、乙、丙）作為研究對象，三名游客的年齡、職業均不相同。利用Python中的SnowNLP庫進行情感分析，對三名用戶的游記內容進行賦值（0～1），如表3所示。

用戶甲訪問的景點有春熙路、青城山、武侯祠、寬窄巷子、錦里，該用戶在住宿類的評分最低，結合景點住宿類得分，青城山景區的住宿服務需要加強。用戶乙訪問的景點有大熊貓繁育研究基地、大慈寺、春熙路、寬窄巷子、文殊院，該用戶在交通類的分值較低，該用戶游覽的景點主要集中在成都二環以內，然而大熊貓繁育研究基地與市區有一定的距離。用戶丙訪問的景點為春熙路、天府廣場、人民公園、寬窄巷子、武侯祠、文殊院、都江堰、青城山，其評分結果表現的綜合體驗較好，但在景區游覽方面體驗感較差，春熙路、天府廣場等由于其主要發展的是以購物、娛樂為主導的旅游商品類和人文活動類景點，在游覽性體驗方面發展較緩。同時，三名用戶的出行時間分別為2月、7月和10月，旅游出行旺季存在交通擁堵、景區接待人數達到峰值等情境，對用戶的旅游體驗造成一定程度的負面影響。用戶甲與用戶乙在景點的選擇上大多為室外鑒賞型景點，寒冷與炎熱的天氣會使得用戶在室外進行旅游活動時體感較差，從而影響旅游情感。相比之下，用戶丙在10月出行，該月份溫度宜人所以整體波動較小，旅游六要素體驗評分較高。

目前，國內用戶畫像的研究多采用問卷調查或簡單的統計分析，本文將文本分析和信息挖掘技術應用于用戶畫像的研究，刻畫用戶興趣偏好，分析用戶的旅游情感，豐富了游客畫像的研究方法及工具。與以往的研究相比，本文建立了景點畫像，豐富了用戶畫像的內涵，同時在旅游用戶畫像中加入了景點情境及用戶情境信息。從旅游企業的角度，畫像反映了游客對旅游六要素的感受，為景區建設提供建議；在游客角度，畫像涉及的情境信息可根據景區環境為用戶推薦合適的景區。

[1] 王凌霄，沈卓，李艷.社會化問答社區用戶畫像構建[J].情報理論與實踐，2018（1）：129-134.

[2] 許鵬程，畢強，張晗，等.數據驅動下數字圖書館用戶畫像模型構建[J].圖書情報工作，2019（3）：30-37.

[3] 孫振強，羅永龍，鄭孝遙，等.一種融合用戶情感與相似度的智能旅游路徑推薦方法[J].計算機科學，2021（增刊1）：226-230.

[4] 單曉紅，張曉月，劉曉燕.基于在線評論的用戶畫像研究：以攜程酒店為例[J].情報理論與實踐，2018（4）：99-104.

[5] 劉海鷗，孫晶晶，蘇妍嫄，等.基于用戶畫像的旅游情境化推薦服務研究[J].情報理論與實踐，2018（10）：87-92.

[6] 崔春生，王雪，李文龍.情境環境下基于用戶畫像的旅游產品推薦算法研究[J].數學的實踐與認識，2019（20）：122-131.

[7] WANG Z ， XIAO W ， Y LI， et al. LHRM： A LBS Based Heterogeneous Relations Model for User Cold Start Recommendation in Online Travel Platform[J]. Springer， Cham， 2020（11）： 479-490.

[8] D LYU，L CHEN，Z XU， et al. Weighted multi-information constrained matrix factorization for personalized travel location recommendation based on geo-tagged photos[J]. Applied Intelligence，2020（3）：924-938.

[9] 李雅美，王昌棟.基于標簽的個性化旅游推薦[J].中國科學技術大學學報，2017（7）：547-555.