基于评论文本挖掘的景区推荐系统

目前评论的展示方式：

本文要解决的问题：

1、根据用户场景：

官方推荐的景点千篇一律，而用户的需求是多样的
2、快速决策去哪儿玩：
满足用户找景点解决去哪儿玩的问题
3、提升用户游玩满意度：
基于大数据文本挖掘技术和NLP自然语言分析，利用现有的用户真实评论数据进行挖掘分析，以期给用户推荐最有用的评论信息，帮助用户有效决策，在选择之前使得用户提前获得对应景区已出行游客的游玩提示（如交通，人流量，换票点，景区里面的情况，是否适合带孩子，需要注意什么）

本文对去哪儿网玩乐事业部的景区游玩评论数据进行文本挖掘分析，本项目的建模目标如下：

4

5

在开始文本挖掘时，首先对景区的评论文本进行全量抽取（注：项目上线后会对新增评论采用增量文本处理的方式，保证评论的时效性）。

1) 第一步：对评论数据进行文本清洗，包括去重、去空、去缺失值以及停用词过滤，

2) 第二步：对评论文本进行分词处理，以及语料库的训练

3) 第三步：对分词后的结果进行关键词提取，并利用训练好的模型对关键词进行同义词的训练和收集，这些关键词的同义词都作为用户索引词的一部分存储在数据库中

4) 第四步：对评论进行情感分类、评论打分以及景区热度的排名

具体参考以下步骤：

我们选择一个景区主题进行分析，比如游乐场。游乐场主题根据词频获取关键词：取票、排队、刺激、项目、价格、订票、二维码、表演、过山车、入园10大关键词。但是为了方便用户索引，我们将这10大关键词定义为游乐场表演，性价比之王，扫码验证，入园便利，过山车，设施完善，取票方便，惊险刺激，遛娃儿，不排队。这样更能贴近用户的索引需求，更加便利。

如下是根据TF-IDF做出的词频统计，以及景区和关键词的词云图，非常清晰的可以看出评论的词频大致情况。

架构特点：

① 查询速度快

② 情感分类准确度高

③ 景区热度排序

④ 推荐理由准确

⑤ 覆盖所有需求点

⑥ 模型新颖、成熟度高

⑦ 提供索引词减少用户决策时间

⑧ 投入少、开发快，上线周期短