一种基于隐喻主题挖掘的景区评价知识库构建方法
专利汇可以提供一种基于隐喻主题挖掘的景区评价知识库构建方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种基于隐喻主题挖掘的景区评价 知识库 构建方法，包括：S1、采用景区隐性主题挖掘 算法 构建景区隐性多主题知识库；S2、采用景区隐喻主题特征挖掘算法构建景区的隐喻多主题知识库；S3、基于景区语料库的语义搭配计算模型构建景区评价知识库，并基于景区评价知识库对游客评论数据所属的主题及在该主题下对应的情感倾向进行识别；本发明通过构建的顾及隐喻信息的景区评价知识库，能够较为精确的判断互联网旅游 网站 中每条评论的细粒度主题及对应主题的情感倾向信息，用于向游客提供数据 支撑 ，辅助游客做出符合自己偏好性的决策，还能够辅助景区管理者提高景区服务，提升景区网络口碑。，下面是一种基于隐喻主题挖掘的景区评价知识库构建方法专利的具体信息内容。
1.一种基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，包括如下步骤：
S1、采用景区隐性主题挖掘算法(Scenic hidden topic mining algorithm,SHTMA)构建景区隐性多主题知识库:根据显性主题词从景区评论语料中挖掘隐性主题词，构建景区隐性多主题知识库；其中，显性主题词与隐性主题词共同构成了基础多主题知识库；
S2、采用景区隐喻主题特征挖掘算法(Scenic metaphor topic feature mining algorithm，SMTFMA)构建景区的隐喻多主题知识库：所述隐喻多主题知识库由隐喻主题词及隐喻主题特征两部分组成，根据步骤S1中得到的基础多主题知识库，从景区评论语料中挖掘隐喻主题词及隐喻主题特征，构建景区的隐喻多主题知识库；将隐喻主题词与基础多主题知识库进行整合，得到景区多主题知识库，将隐喻主题特征与情感词库整合得到景区情感词知识库；
S3、构建景区评价知识库：基于景区语料库的语义搭配计算模型来计算景区主题词与情感词之间的搭配关系，并对主题词与情感词构成的搭配进行优化，使景区主题词与情感词形成一对多的搭配，以知识树的形式进行存放，构建景区评价知识库；并基于景区评价知识库对游客评论数据所属的主题及在该主题下对应的情感倾向进行识别。
2.根据权利要求1所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述步骤S1景区隐性多主题知识库的构建方法具体包括：
首先构建景区显性多主题知识库，其次采用SHTMA，把基于各主题的显性主题词作为种子词，从景区评论语料中挖掘提取语料中包含的隐性主题词，构建隐性多主题知识库。
3.根据权利要求2所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述SHTMA的具体流程包括：
首先，对游客评论语料进行预处理，获取隐性主题词候选词库；其次，通过SHTMA词向量模型计算显性主题词与隐性主题词候选词库中词语的相似度，根据相似度挖掘隐性主题词，挖掘出的隐性主题词构成隐性多主题知识库，具体包括：先使用评论语料训练词向量模型，再将显性主题词输入训练好的词向量模型，经过词向量模型的计算，得到隐性主题词候选词库中词与输入的显性主题词的语义特征相似度，根据语义特征相似度挖掘隐性主题词，并组成候选的隐性主题词。
4.根据权利要求1所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述步骤S2中隐喻主题词及隐喻主题特征的挖掘方法具体包括：
首先，从语料库中筛选出针对各主题的景区评论语料，景区评论语料包括基础主题词、隐喻主题词、隐喻主题特征，将语料中的句子按照标点符号分成短句；其次，基于SMTFMA，使用处理后的语料训练分类器模型，并使用训练后的分类器模型从景区评论语料中识别并挖掘隐喻主题词及隐喻主题特征，构建隐喻多主题知识库。
5.根据权利要求4所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述SMTFMA的具体流程包括：
首先，基于基础多主题知识库，对基于显性主题、隐性主题及隐喻主题特征的语料进行人工标注；其次，通过人工标注的景区评论语料的隐喻特征对SMTFMA条件随机场分类器进行训练，根据训练后的条件随机场分类器计算未经标注语料在特定特征词出现的情况下，待计算特征词出现的概率，根据特征词出现的概率识别指定词的隐喻主题词及隐喻主题特征。
6.根据权利要求1所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述步骤S3构建景区评价知识库的具体方法包括：
首先，构建旅游情感词典知识库；其次，基于景区多主题知识库及旅游情感词典知识库，采用景区语料库的语义搭配计算模型进行情感词与主题词的搭配，形成主题词与情感词之间一对多的搭配形式，并以SQL形式存放在数据库之中，构建景区评价知识库。
7.根据权利要求6所述的基于隐喻主题挖掘的景区评价知识库构建方法，其特征在于，所述采用景区语料库的语义搭配计算模型进行情感词与主题词的搭配的具体方法包括：
首先，计算主题词与情感词的共现度，如式1所示；
其中，T表示主题词，E表示情感词，f(T,E)表示主题词与情感词在语料中出现在同一语句的句子个数，f(T)表示主题词在语料中单独出现的句子个数，f(E)表示情感词在语料中单独出现的句子个数，W(T,E)表示主题词与情感词的共现度；
其次，对主题词与情感词构成的搭配进行优化：主题词与情感词共现度的阈值为H,0＜H＜1，当主题词与情感词在旅游领域语料库的共现度大于阈值H时，视为该主题词与该情感词能构成搭配，小于阈值H时，视为不能构成搭配并将其删除，完成主题词与情感词搭配的优化，构建与主题词对应的情感词词库。
一种基于隐喻主题挖掘的景区评价知识库构建方法
技术领域
背景技术
息多数以文本或图片形式存在于互联网的各旅游网站或者社交平台上，这些信息能够实时
的反映出景区在不同主题指标上的变化，能够为游客的旅游路线及偏好提供大数据分析支
持，也能够为景区的管理者在提升景区服务方面提供帮助。
没有细粒度的针对大量的评论数据逐条分析研究，无法细粒度的反映出景区的每项主题指
标随时间的变化，无法及时向旅游管理者提供知识支撑。
督学习的方法需要大量的人工手工标注工作，而基于传统的基于规则的方法，目前的研究
中还没有针对旅游领域的语料做出通用的规则，其他领域的规则无法移植到旅游领域。
发明内容
构建景区隐性多主题知识库；其中，显性主题词与隐性主题词共同构成了基础多主题知识
库；
及隐喻主题特征两部分组成，根据步骤S1中得到的基础多主题知识库，从景区评论语料中
挖掘隐喻主题词及隐喻主题特征，构建景区的隐喻多主题知识库；将隐喻主题词与基础多
主题知识库进行整合，得到景区多主题知识库，将隐喻主题特征与情感词库整合得到景区
情感词知识库；
情感词形成一对多的搭配，以知识树的形式进行存放，构建景区评价知识库；并基于景区评价知识库对游客评论数据所属的主题及在该主题下对应的情感倾向进行识别。
词，并组成候选的隐性主题词。
SMTFMA，使用处理后的语料训练分类器模型，并使用训练后的分类器模型从景区评论语料
中识别并挖掘隐喻主题词及隐喻主题特征，构建隐喻多主题知识库。
下，待计算特征词出现的概率，根据特征词出现的概率识别指定词的隐喻主题词及隐喻主
题特征。
该情感词能构成搭配，小于阈值H时，视为不能构成搭配并将其删除，完成主题词与情感词搭配的优化，构建与主题词对应的情感词词库。
algorithm，SMTFMA)及景区语料库的语义搭配计算模型辅助构建景区评价知识库，通过构
建的顾及隐喻信息的景区评价知识库能够较为精确的判断互联网旅游网站中每条评论的
细粒度主题及对应主题的情感倾向信息，通过结合时间和空间维度综合做出分析，能够详
细的统计出各景区在每个主题的表现情况，用于向游客提供数据支撑，辅助游客做出符合
自己偏好性的决策，还能够辅助景区管理者提高景区服务，提升景区网络口碑。
附图说明
例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
果；
果，图7(b)为2017年蜈支洲岛与大东海正负面情感倾向识别结果，图7(c)为2018年蜈支洲
岛与大东海正负面情感倾向识别结果，图7(d)为2016-2018年蜈支洲岛与大东海正负面情
感倾向识别结果。
具体实施方式
实施例，都属于本发明保护的范围。
建景区评价知识库，并对2016-2018年携程旅游网站上蜈支洲岛及大东海景区的游客评论
进行情感倾向识别，为景区质量的评价提供数据支持，并且能够向游客推荐符合个人偏好
的旅游景点，包括如下步骤：
构建景区隐性多主题知识库；其中，显性主题词与隐性主题词共同构成了基础多主题知识
库。具体流程如如图2所示，包括如下步骤：
论语料作为模型训练的基础，通过计算显性主题词与步骤S121中得到的隐性主题词候选词
库的词语相似度挖掘隐性主题词，挖掘出的隐性主题词构成了隐性多主题知识库,该过程
使用词向量模型，旨在通过计算输入词的上下文特征来获取与该词具有相似语境信息的特
征词作为候选的隐性主题词。
挖掘隐喻主题词及隐喻主题特征，构建景区的隐喻多主题知识库；将隐喻主题词与基础多
主题知识库进行整合，得到景区多主题知识库，将隐喻主题特征与情感词库整合得到景区
情感词知识库,具体如图4所示。
征词出现的概率，根据特征词出现的概率识别指定词的隐喻主题词及隐喻主题特征。
情感词形成一对多的搭配，以知识树的形式进行存放，构建景区评价知识库，并基于景区评价知识库对游客评论数据所属的主题及在该主题下对应的情感倾向进行识别。
词之间一对多的搭配形式，以SQL形式存放在数据库之中。
作为补充词，具体包括：
三层，情感词词库作为树状结构第四层，共同构建了旅游多主题情感知识库。
2018年正面、中性、负面评论的评论数量都趋于稳定，表现良好，而根据图6(b)显示，大东海正面评论数量随着时间的增加急速减少，中性评论与负面评论数量也在逐渐减少，但负面
评论占总体评论占比越来越高，说明大东海景区的网络口碑下滑比较严重。但使用目前现
有的研究方法无法得到随时间变化的细粒度主题情感变化，也就无法分析大东海游客数量
急速下降的原因。
加在缓慢减少，但项目价格、商业氛围主题的负面评论逐步增加，说明景区在娱乐方面有待改善。大东海在饮食口味、交通、景色、住宿、娱乐趣味、商业氛围受到了游客的广泛关注，但随着年份的增加在各主题的评论数量迅速减少，对比蜈支洲岛可以看出大东海缺乏特色及
娱乐主题的关注度，缺少景区独特的吸引力，使得大东海很难吸引游客前往，故大东海景区的游客关注度迅速降低。可见，根据本发明所构建的景区评价知识库，游客能够结合自己的兴趣爱好选择相对应的景区，有效提升了游客游览的旅行效率，也能够为景区管理者有针
对性的提升网络口碑提供数据支持。
困难等缺点，能够精确的识别旅游评论中每条评论对应的主题及情感倾向性，通过对游客
的评论语句逐条分析，能够根据分析结果快速准确地推理出该景区在哪些主题具有突出的
优势或劣势，从而为景区管理者及游客提供数据支持。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于交叉空间池化策略的弱监督图像情感分类与定位方法 | 2020-05-12 | 776 |
| 文本的情感识别方法、装置、服务器以及存储介质 | 2020-05-12 | 81 |
| 一种智能化制作短视频的方法 | 2020-05-08 | 571 |
| 基于虚拟现实的孤独症早期筛查评估系统及方法 | 2020-05-08 | 174 |
| 一种多维度舆情危机预测方法、终端设备及存储介质 | 2020-05-12 | 688 |
| 特征扩展卷积神经网络的案件微博观点句识别构建方法 | 2020-05-12 | 855 |
| 一种基于语义的大数据分析智能服务系统 | 2020-05-12 | 744 |
| 一种语音采集识别方法与系统 | 2020-05-11 | 14 |
| 基于深度学习的卫星互联网文本敏感信息检测方法及装置 | 2020-05-11 | 297 |
| 基于多维相似度的推荐系统及其方法 | 2020-05-11 | 115 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
