旅游景点的在线评论结合了人工智能文本挖掘模型和注意力机制
1School of Hospitality Management, China University of Labor Relations, Beijing, China.
Scientific reports
|January 8, 2025
概括
这项研究介绍了一种使用隐性迪里克莱特分配 (LDA) 和双向循环神经网络 (BiGRU) 来分析旅游景点评论的AI驱动方法. 该模型在分类用户情绪方面取得了高准确性,改善了旅游建议.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 旅游管理 旅游管理
背景情况:
- 分析旅游景点评论的现有方法存在局限性.
- 在线评论对于理解用户体验和为旅游战略提供信息至关重要.
- 准确的情绪分析对于优化旅游服务和建议至关重要.
研究的目的:
- 提出基于人工智能的方法来分析在线旅游景点的评论.
- 为了提高用户生成内容的情感分类的准确性.
- 加强旅游推系统,为利益相关者提供更好的数据.
主要方法:
- 使用文本挖掘与注意力机制集成到隐藏的迪里克莱特分配 (LDA).
- 采用双向循环神经网络 (BiGRU) 进行强大的序列建模和语义依赖捕获.
- 开发了ATT-LDA-BiGRU模型,用于增强情绪分类.
主要成果:
- 在线评论中ATT-LDA-BiGRU模型在对用户情绪进行分类方面取得了卓越的表现.
- 在情绪分析中获得了93.85%的准确性和93.68%的F1得分.
- 与其他现有的情绪分类模型相比,表现出更好的结果.
结论:
- 拟议的AI模型显著提高了旅游景点评论情绪分析的准确性.
- 这些发现支持优化旅游推系统.
- 为景区经理和旅游企业提供有价值的客观数据.
