【技术实现步骤摘要】
一种旅游演艺服务价值评估方法
本专利技术属于旅游演艺价值评估
,涉及一种旅游演艺服务价值评估方法,尤其涉及一种基于LSTM(长短期记忆人工神经网络)细粒度情感分析与灰色神经网络的旅游演艺价值评估方法。
技术介绍
旅游演艺作为文化旅游的重要组成部分,是历史文化“活化”的载体,其深度融合了文化与旅游体验,以一种高参与、高体验的旅游方式,受到了人们的喜爱。旅游演艺服务不仅有经济价值,而且具有广泛的社会价值。旅游演艺服务可以突出并传播旅游地的特色地域文化,打造文化新名片;可以提高人们的精神追求和文化境界,激起大众对真善美的向往和追求。然而,目前“互联网+”等重大国家政策逐步推进,旅游演艺借助线上票务渠道蓬勃发展起来。但是由于评价反馈机制尚待完善,在繁荣的表象背后,越来越多的旅游演艺产品轻内容、重形式,主题创新不足,文化品位缺乏。同时,由于旅游演艺产品数量的增多,游客对旅游演艺的口碑各异,但是对其品质要求更高。因此在当前的情境下,如何客观地衡量和评估旅游演艺服务价值,是产品供给企业充分挖掘服务的不同因素对价值的关联与贡献,进一步认知文化品质,使旅游演艺产品从“泛”走向“精”的关键所在;也是平台服务商进行演艺产品排名和推荐的重要参考;更是第三方机构进行质量监管和促进演艺市场良性竞争的重要参考指标。传统的旅游演艺价值评估视角包括:游客感知、顾客满意度和服务质量等三个方面。其中,游客感知的角度是利用感知质量与感知价值理论探讨游客的感觉器官对演艺对象和演艺环境的内在信息获取。另外,根据Fornell教授的顾客满意度指数理 ...
【技术保护点】
1.一种旅游演艺服务价值评估方法,其特征在于,所述旅游演艺服务价值评估方法基于LSTM细粒度情感分析与灰色神经网络,包括以下步骤:/n步骤1:以互动仪式链理论为基础,分析旅游演艺服务价值的影响因素,获得旅游演艺服务价值的影响因素指标;/n步骤2:获取旅游演艺剧目的评论数据和对应旅游演艺剧目的综合评分数据;/n步骤3:筛选有效评论,提取特征词,得到旅游演艺服务价值特征词表;/n步骤4:特征句提取;/n步骤5:训练LSTM模型;获取旅游演艺剧目的指标的情感值;/n步骤6:采用灰色关联分析方法计算各指标序列的情感值与综合评分数据形成的序列的灰色关联度,将关联度最小的指标序列去除,形成降维后的指标序列;/n步骤7:确定灰色神经网络模型的拓扑结构;/n步骤8:初始化灰色神经网络模型的参数,将降维后的指标序列作为灰色神经网络模型的输入信号,相应的综合评分数据作为灰色神经网络模型的输出信号,对灰色神经网络模型进行训练;/n步骤9:针对一个具体的旅游演艺剧目服务,根据降维后的的指标,利用步骤2-5获得旅游演艺剧目服务的指标的情感值;/n将所述旅游演艺剧目服务的指标的情感值输入训练好的灰色神经网络模型, ...
【技术特征摘要】
1.一种旅游演艺服务价值评估方法,其特征在于,所述旅游演艺服务价值评估方法基于LSTM细粒度情感分析与灰色神经网络,包括以下步骤:
步骤1:以互动仪式链理论为基础,分析旅游演艺服务价值的影响因素,获得旅游演艺服务价值的影响因素指标;
步骤2:获取旅游演艺剧目的评论数据和对应旅游演艺剧目的综合评分数据;
步骤3:筛选有效评论,提取特征词,得到旅游演艺服务价值特征词表;
步骤4:特征句提取;
步骤5:训练LSTM模型;获取旅游演艺剧目的指标的情感值;
步骤6:采用灰色关联分析方法计算各指标序列的情感值与综合评分数据形成的序列的灰色关联度,将关联度最小的指标序列去除,形成降维后的指标序列;
步骤7:确定灰色神经网络模型的拓扑结构;
步骤8:初始化灰色神经网络模型的参数,将降维后的指标序列作为灰色神经网络模型的输入信号,相应的综合评分数据作为灰色神经网络模型的输出信号,对灰色神经网络模型进行训练;
步骤9:针对一个具体的旅游演艺剧目服务,根据降维后的的指标,利用步骤2-5获得旅游演艺剧目服务的指标的情感值;
将所述旅游演艺剧目服务的指标的情感值输入训练好的灰色神经网络模型,获得预测的综合评分,作为所述旅游演艺剧目服务的评估价值。
2.如权利要求1所述的旅游演艺服务价值评估方法,其特征在于:所述旅游演艺服务价值的影响因素从创作、感知和契合三个维度构建,包括:3个一级指标和8个二级指标;
所述一级指标包括:创作层、感知层和契合层;
所述创作层包括以下二级指标:品牌性、独创性和涵盖性;
所述感知层包括以下二级指标:艺术性、服务性和情感性;
所述契合层包括以下二级指标:满意性和忠诚性;
以上所述一级指标和二级指标均为:旅游演艺服务价值的影响因素指标。
3.如权利要求2所述的旅游演艺服务价值评估方法,其特征在于:所述步骤2的具体步骤为:通过爬虫技术采集网络平台提供的旅游演艺剧目的评论数据和对应旅游演艺剧目的综合评分数据。
4.如权利要求3所述的旅游演艺服务价值评估方法,其特征在于:所述步骤3的具体步骤为:首先,对所述评论数据进行相同文本数据的去重和数据清洗预处理的工作,以此得到有效评论;
所述数据清洗是指:当用户名下的评论数据为空时,将空的评论数据删除;
然后,提取特征词:
具体是:通过对上一步筛选得到的有效评论使用jieba工具进行分词,获得所有有效评论的词条;
接着利用TF-IDF算法提取关键词,具体是:利用公式(1)、(2)和(3)进行计算,
其中,TFω为词条ω的词频;
其中,IDF为逆向文件频率;
TFIDF=TFω*IDF(3)
其中,TFIDF为:词频-逆文档频率;筛选TFIDF的数值高的词条作为关键词;
再用Counter库对关键词进行词频统计,得到候选特征词;
最后,根据旅游演艺服务价值的影响因素指标,经过人工筛选辨别,对候选特征词进行分级分类后,得到旅游演艺服务价值特征词表。
5.如权利要求4所述的旅游演艺服务价值评估方法,其特征在于:所述特征句包括:显示特征句和隐式特征句;
所述步骤4的具体步骤为:
第一步,显式特征句提取;
所述显式特征句提取是指:将所有有效评论的词条进行逐词遍历,并与旅游演艺服务价值特征词表进行比对,将匹配到的特征词作为该词条所在有效评论的特征属性,同时将具有特征属性的有效评论提取出来,作为显式特征句;
第二步,隐式特征句提取;
利用StandfordCoreNLP平台对提取到的显式特证句进行依存句式分析,提取所述显式特征句的修饰词;
提取所述显式特征句的修饰词具体步骤是:对显式特征句的词条进行逐词遍历,并与HowNet情感字典的修饰词进行比对,将匹配到的修饰词作为该词条所在显式特征句的修饰词;
针对匹配到修饰词的显式特征句,进行以下处理:
将所述显示特征句的特征词作为主导词,显示特征句的修饰词作为情感词,构建“属性特征-情感词”对,进而得到“属性特征-情感词-属性情感...
【专利技术属性】
技术研发人员:倪渊,徐磊,韩鹏飞,张腾,王佳,吕家欣,
申请(专利权)人:北京信息科技大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。