[发明专利]一种旅游网络评论情感分析及服务质量评价方法

权利要求书

1.一种旅游网络评论情感分析的方法，其特征在于，包括以下步骤:

A、对旅游网络评价进行预处理；

B、构建情感趋势训练集；

C、利用情感趋势训练集分别训练逻辑回归模型、支持向量机模型和朴素贝叶斯模型，输出三种基本训练模型的训练结果G_m(x)；

D、建立投票器模型，将步骤C输出的训练结果进行处理，计算得到评论的情感倾向；

E、对待测试旅游网络评论数据进行处理后输入投票器模型得到每条评论的情感倾向。

2.根据权利要求1所述的一种旅游网络评论情感分析的方法，其特征在于，对旅游网络评价进行预处理的方法包括：

获取用户旅游评论数据，至少从吃、住、行、旅游、娱乐、购物方面对数据进行存储；

格式规范化数据，并进行去除空格、去除重复处理。

3.根据权利要求1所述的一种旅游网络评论情感分析的方法，其特征在于，构建情感趋势训练集具体为：

B1、利用分词工具对数据进行分词处理；

B2、至少从吃、住、行、旅游、娱乐、购物方面构建评论词典；

B3、构建评论tfidf_i，j向量，

tfidf_i,j＝tf_i,j×idf_i，

其中：

n_i,j表示第i个特征词在评论d_j中的出现次数，∑_kn_k,j则是评论d_j中所有字词的出现次数之和，|D|表示语料库中的评论总数，|{j:t_i∈d_j}表示包含特征词t_i的评论数目；

B4、标注情感趋向。

4.根据权利要求1所述的一种旅游网络评论情感分析的方法，其特征在于，步骤D具体为：

计算基本训练模型的误差率

计算基本训练模型的权重

构建基本训练模型的线性组合

构建投票器模型

G_m(x)表示前述基本分类器,e_m表示基本分类器G_m(x)的误差率，α_m表示G_m(x)在最终分类器中的重要性，误差分类率越小的基本分类器在最终分类器中的作用越大，m＝1，2，3，M＝3。

其中训练数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}，y_i∈{-1,+1}，i＝1,2,...,N，N代表训练数据的数量。

5.一种旅游服务质量评价方法，其特征在于，包括以下步骤：

采用权利要求1至4任一方法获得待检测与评价的旅游目的地评论的情感倾向；

对得到的结果进行展示。

6.根据权利要求5所述的一种旅游服务质量评价方法，其特征在于，所述展示方法包括方法P1、方法P2、方法P3、方法P4中的至少一种，

方法P1为：按吃、住、行、旅游、娱乐、购物方面，计算好评和差评的数量和百分比并展示；

方法P2为：按吃、住、行、旅游、娱乐、购物方面，展示每个方面下属维度的好评与差评的数量、百分比以及相应具有代表性的评论内容；

方法P3为：通过模糊检索并计算与关键词关联的好评与差评数量、百分比并展示。

方法P4为：计算吃、住、行、旅游、娱乐、购物各方面的差评数，当其占比达到阈值时，向用户发出警告。