基于情感词典的民宿评论情感分析 ——以桂林阳朔为例

重庆交通大学学报(社会科学版) ›› 2025, Vol. 25 ›› Issue (2): 80-89.

基于情感词典的民宿评论情感分析 ——以桂林阳朔为例

于海涛，刘竞泽，唐尧杰

桂林理工大学旅游与风景园林学院，广西桂林 541000

收稿日期:2023-06-26 修回日期:2023-09-27 出版日期:2025-04-08 发布日期:2025-04-08
作者简介:于海涛，男，桂林理工大学旅游与风景园林学院副教授，博士；刘竞泽，女，桂林理工大学旅游与风景园林学院硕士研究生；唐尧杰，男，桂林理工大学旅游与风景园林学院本科生。
基金资助:
国家自然科学基金项目“西南民族旅游地‘主客’网络交互行为特征与影响机理研究”（72064007）；广西壮族自治区科技部重点研发计划项目“旅游目的地旅游安全预警关键技术研发及应用示范——以阳朔为例”（桂科AB17195028）；桂林市科学技术研究开发项目“龙脊梯田景观资源可持续利用技术集成研究与旅游产业示范”（20180102-2）

Research on Sentiment Analysis of Homestay Reviews Based on Emotional Dictionary A Case Study of Yangshuo， Guilin

YU Haitao， LIU Jingze， TANG Yaojie

College of Tourism & Landscape Architecture， Guilin University of Technology， Guilin， Guangxi 541000， China

Received:2023-06-26 Revised:2023-09-27 Online:2025-04-08 Published:2025-04-08

摘要/Abstract

摘要： 互联网带动旅游相关产业的发展，民宿也因其特色受到游客青睐。分析在线评论中的情感极性，挖掘其潜在价值，可以帮助管理者更好地提高游客的民宿体验。以桂林阳朔的民宿评论为研究对象，使用八爪鱼爬虫软件，爬取携程、去哪儿旅游网站的数据，并以大连理工情感词汇本体库为基础情感词典，加入筛选出的民宿领域情感词，构建民宿领域情感词典。对比基础情感词典，民宿领域情感词典在正向评论方面的精确率提高2.7%，F值提高7.4%；在负面评论方面的精确率提高32.8%，F值提高22%，有效聚焦了游客的关注点。通过分析积极、消极评论的内在原因，为民宿管理者和旅游消费者决策提供依据。

Abstract: The Internet has driven the development of tourismrelated industries， and homestays are also favored by more and more tourists because of their characteristics. How to fully and effectively analyze the emotional polarity in online reviews， explore its potential value， and help managers better improve the homestay experience has become a research hotspot. Therefore， this paper takes Guilin Yangshuo homestay reviews， uses octopus crawler software to crawl data from Ctrip and Qunar travel websites， and uses Dalian polytechnic emotional vocabulary ontology database as the basic emotional dictionary， adds screened emotional words in the homestay field， and constructs an emotional dictionary in the homestay field. Compared with the basic dictionary， the accuracy rate of the domain dictionary constructed in this paper is improved by 2.7% in positive commentary， and the F value is increased by 7.4%. The accuracy rate of negative reviews was improved by 32.8% and the Fscore was increased by 22%， which effectively focused on tourists concerns and provided decisionmaking basis for homestay managers and tourism consumers by analyzing the internal causes of positive and negative reviews.

Key words: emotional dictionary; SOPMI; homestay; sentiment analysis; Yangshuo

于海涛，刘竞泽，唐尧杰. 基于情感词典的民宿评论情感分析 ——以桂林阳朔为例[J]. 重庆交通大学学报(社会科学版), 2025, 25(2): 80-89.

YU Haitao， LIU Jingze， TANG Yaojie. Research on Sentiment Analysis of Homestay Reviews Based on Emotional Dictionary A Case Study of Yangshuo， Guilin[J]. Journal of Chongqing Jiaotong University Social Sciences Edition, 2025, 25(2): 80-89.

参考文献

［1］TIWARI P K，SHARMA M，GARG P，et al.A study on sentiment analysis of mental illness using machine learning techniques［C］.IOP conference series:Materials science and engineering，2021.
［2］KWON H J，BAN H J，JUN J K，et al.Topic modeling and sentiment analysis of online review for airlines［J］.Information，2021，12（2）:78.
［3］LEE G T，KIM C O，SONG M.Semisupervised sentiment analysis method for online text reviews［J］.Journal of information science，2021，47（3）:387-403.
［4］SHARMA M，KANDASAMY I，VASANTHA W B.Comparison of neutrosophic approach to various deep learning models for sentiment analysis［J］.Knowledgebased systems，2021，223:107058.
［5］RAMYA B N，SHETTY S M，AMARESH A M，et al.Smart Simon bot with public sentiment analysis for novel covid19 tweets stratification［J］.SN computer science，2021，2（3）:227.
［6］KAUR H，AHSAAN S U，ALANKAR B，et al.A proposed sentiment analysis deep learning algorithm for analyzing COVID19 tweets［J］.Information systems frontiers，2021，23（6）:1417-1429.
［7］马松岳，许鑫.基于评论情感分析的用户在线评价研究:以豆瓣网电影为例［J］.图书情报工作，2016，60（10）:95-102.
［8］周瑛，刘越，蔡俊.基于注意力机制的微博情感分析［J］.情报理论与实践，2018，41（3）:89-94.
［9］王仁武，宋家怡，陈川宝.基于Word2Vec的情感分析在品牌认知中的应用研究［J］.图书情报工作，2017，61（22）:6-12.
［10］景丽，李曼曼，何婷婷.结合扩充词典与自监督学习的网络评论情感分类［J］.计算机科学，2020，47（S2）:78-82.
［11］JING N，WU Z，WANG H F.A hybrid model integrating deep learning with investor sentiment analysis for stock price prediction［J］.Expert systems with applications，2021，178:115019.
［12］陈可嘉，陈荣晖.股市情感词典自动构建与优化［J］.科学技术与工程，2020，20（21）:8683-8689.
［13］张鹏，崔彦琛，兰月新，等.基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略［J］.现代情报，2019，39（3）:122-131.
［14］季鹏飞，王先超，张顺香.基于共现概率训练的情感词典的扩充［J］.阜阳师范学院学报（自然科学版），2019，36（4）:49-53.
［15］TIAN G，LU L，MCINTOSH C.What factors affect consumers dining sentiments and their ratings:evidence from restaurant online review data［J］.Food quality and preference，2021，88:104060.
［16］颜明阳，闫国梁，李明兰.领域特定情感词典扩展方法在情感分类中的应用［J］.计算机应用与软件，2022，39（6）:176-182.
［17］刘逸，孟令坤，保继刚，等.人工计算模型与机器学习模型的情感捕捉效度比较研究:以旅游评论数据为例［J］.南开管理评论，2021，24（5）:63-74.
［18］李晶洁，胡奕阳，陶然.基于情感倾向分析的语义韵强度算法探析［J］.外国语（上海外国语大学学报），2022，45（5）:65-74.
［19］齐梦娜，朱丽平，李宁.基于卷积神经网络与情感倾向点互信息算法的农产品情感词典构建［J］.计算机应用，2022，42（S2）:10-13.
［20］崔蒙蒙，刘井平，阮彤，等.基于双重多视角表示的目标级隐性情感分类［J］.计算机工程，2024，50（1）:79-90.
［21］周知，李名子，崔旭.基于领域情感词典的用户生成内容有用性评价研究:以豆瓣读书为例［J］.情报理论与实践，2022，45（1）:86-92.
［22］NIE R X，TIAN Z P，WANG J Q，et al.Hotel selection driven by online textual reviews:applying a semantic partitioned sentiment dictionary and evidence theory［J］.International journal of hospitality management，2020，88:102495.