题目：基于微博大数据的游客情感及时空变化研究——以西安为例

在大数据思想的冲击之下，与游客行为相关的研究得以打破传统，能够通过海量的线上数据进行大规模刻画与分析。而伴随着情感分析研究在计算机和信息情报等领域的逐渐升温，情感研究也日益引起了旅游领域学者的关注。微博作为大数据挖掘的良好平台，可为游客情感的研究提供丰富的数据资源。游客在旅游过程中经常借助微博等社交媒体在网络中表达自己的情绪和观点，这些内容以文字、图片或视频等形式被保存下来，逐渐累积成了海量数据。近年来被提出并不断改进的微博情感分析技术更是为游客情感的研究提供了很好的技术支持，使大批量文本的情感计算和数据处理成为可能。于是，在大数据思想的启发下，游客情感即可通过对这些海量数据的定性或定量分析来进行研究。本研究在国家自然科学基金和国家旅游局资助项目的支持下，创新性地以游客情感为研究对象，以时空思维为主线，在微博大数据的支撑之下，以线上线下相结合的方法，系统全面地探索了游客情感的时空变化规律，同时通过人工筛选、赋值和实验等方法，完成了情感词典的更新，构建了基于微博大数据的游客情感分析模型，力求丰富旅游行为学的研究内容，为后续游客情感的相关研究提供参考。

首先对已有的微博情感分析软件进行了分析对比，最终选用MBEWC软件作为处理工具。考虑到游客发布微博的实际，不断出现的新网络用语对该软件的准确性提出了挑战，为更好地对游客情感进行量化计算，对软件中已有的情感词典进行了更新，并对更新后的词典进行对比验证，以此构建出了基于微博大数据的游客情感分析模型。然后，利用更新后的情感分析模型计算得出每条微博的情感值，再借助Excel和ArcGIS软件分别从时间、空间以及时空结合三个角度，对游客情感的时空变化规律进行了可视化处理和描述总结。最后通过结合线上和线下数据，归纳得出游客情感的影响因素，并对本研究的数据可靠性和部分结论进行了验证。主要结论有以下几点：

（1）将微博情感分析软件中已有的情感词典进行更新优化以及实验对比后，构建了基于微博大数据的游客情感分析模型，可为后续的情感研究提供一定参考。

（2）游客情感的时间变化根据划分标准不同，展现出不同的情感波动规律，其中日波动最大，周波动最小，而不同时间尺度下情感均值高低与微博数量大小间的相关关系，以及游客情感变化的影响因素也不尽相同。

（3）游客情感的空间分布规律表现为聚集地与西安市区内重点旅游发展区域相吻合，不同类型和不同级别情绪的空间分布情况与变化趋势大体相似，积极情绪在同一空间上始终占主导地位的特征。

（4）游客情感的时空变化规律主要表现为游客情感随小时的变化在各区域内具有不同特点，季节变化与西安旅游淡旺季划分标准相吻合，随节假日的变化情况与节假日的自身特点相符。

（5）影响游客情感变化的因素包括美食、人际关系、环境、天气、交通等，各种各样的影响因素导致了游客情绪的分布与变化差异；游客归属地的不同与其情感体验效果之间具有一定关系，并可将归属地根据微博数量的大小与情感均值的高低之间的关系划分为四种类型；线上线下数据的结合能够为大数据研究提供很好的验证效果，包括数据可靠性和结论准确性方面的验证。