張小妹 梁佩

摘 要：本文爬取了大眾點(diǎn)評(píng)網(wǎng)2017 年6 月份的上海周邊游景點(diǎn)評(píng)論數(shù)據(jù)，篩選出四個(gè)變量，運(yùn)用R及其它統(tǒng)計(jì)軟件對(duì)其進(jìn)行分析，分別采用"最長(zhǎng)距離法"、"類(lèi)平均法"、"重心法"、"Ward法"對(duì)總分、環(huán)境評(píng)分、服務(wù)評(píng)分三個(gè)變量進(jìn)行聚類(lèi)分析，分析結(jié)果與該景點(diǎn)星級(jí)進(jìn)行比較，探究聚類(lèi)后的數(shù)據(jù)與星級(jí)之間分類(lèi)有無(wú)一致性。最后利用決策樹(shù)進(jìn)行分類(lèi)，得到景點(diǎn)星級(jí)，總分評(píng)分，服務(wù)評(píng)分的分類(lèi)，分析了游客最關(guān)注的景點(diǎn)指標(biāo)，得到景點(diǎn)的旅游建議和改進(jìn)措施。

關(guān)鍵詞：上海景點(diǎn)評(píng)論、聚類(lèi)分析；決策樹(shù)

一、模型建立與分析

本文選取了上海周邊游數(shù)據(jù)集中的score、enrironment、service這三個(gè)變量，其中的缺失值用樣本均值代替，首先利用歐式距離生成三個(gè)變量的距離函數(shù)，然后用最長(zhǎng)距離法，類(lèi)平均法，重心法和Ward法分別繪出繪出譜系圖和聚類(lèi)情況，對(duì)四種方法進(jìn)行對(duì)比，選擇一種輸出它的分類(lèi)結(jié)果，最后利用決策樹(shù)建立了一個(gè)關(guān)于上海周邊游景點(diǎn)的游客選擇模型。

二、聚類(lèi)分析

通過(guò)上面四幅圖發(fā)現(xiàn)，最長(zhǎng)距離法和Ward法聚類(lèi)產(chǎn)生的分類(lèi)比較均勻，分別輸出他們的分類(lèi)情況如下：

最長(zhǎng)距離法的分類(lèi)情況：

group

1 2 3 4

157 537 52 4

Ward法的分類(lèi)情況：

group

1 2 3 4

59 180 170 341

在實(shí)際數(shù)據(jù)中，上海五星級(jí)景點(diǎn)數(shù)為79個(gè)，準(zhǔn)五星景點(diǎn)數(shù)為114個(gè)，四星級(jí)景點(diǎn)數(shù)為239個(gè)，準(zhǔn)四星級(jí)景點(diǎn)數(shù)為318個(gè)，通過(guò)對(duì)比發(fā)現(xiàn)用Ward法分類(lèi)產(chǎn)生的聚類(lèi)與我們的實(shí)際數(shù)據(jù)更相符，因此選用Ward法分類(lèi)輸出具體的分類(lèi)情況。

第1類(lèi)星級(jí)

> max（第1類(lèi)星級(jí)）

[1] 5

> min（第1類(lèi)星級(jí)）

[1] 3.5

結(jié)果顯示，第一類(lèi)含有59個(gè)景點(diǎn)，他們的星級(jí)為3.5-5；

第2類(lèi)星級(jí)

> max（第2類(lèi)星級(jí)）

[1] 5

> min（第2類(lèi)星級(jí)）

[1] 3.5

結(jié)果顯示，第二類(lèi)含有180個(gè)景點(diǎn)，他們的星級(jí)為3.5-5；

第3類(lèi)星級(jí)

> max（第3類(lèi)星級(jí)）

[1] 5

> min（第3類(lèi)星級(jí)）

[1] 3.5

結(jié)果顯示，第三類(lèi)含有170個(gè)景點(diǎn)，他們的星級(jí)為3.5-5；

第4類(lèi)星級(jí)

> max（第4類(lèi)星級(jí)）

[1] 5

> min（第4類(lèi)星級(jí)）

[1] 3.5

結(jié)果顯示，第四類(lèi)含有341個(gè)景點(diǎn)，他們的星級(jí)為3.5-5。

最后發(fā)現(xiàn)用Ward法分類(lèi)產(chǎn)生四個(gè)類(lèi)的星級(jí)都在3.5-5之間，說(shuō)明依據(jù)score、environment、service來(lái)評(píng)價(jià)上海景點(diǎn)的星級(jí)是不太合理的。

三、利用決策樹(shù)建立游客選擇模型

通過(guò)決策樹(shù)發(fā)現(xiàn)，第一層是依據(jù)score變量來(lái)劃分，第二層是依據(jù)service變量來(lái)劃分，第三層是依據(jù)star變量來(lái)劃分，對(duì)于score<8分，service>=6.8分并且star為3.5分的占了51%，對(duì)于score<7分，service>=5.8分并且star為3.5分的占了8%，對(duì)于service<7分，score <5.8分并且star為4分的占了17%，對(duì)于service<6.8分，service>=7分并且star為4分的占了10%，對(duì)于service>8分，score<8.9分，并且star為4.5分的占了10%，對(duì)于service>8分，score>=8.9分，并且star為5分的占了4%，對(duì)于總分又高，星級(jí)又高的景點(diǎn)，建議游客去旅游，但這類(lèi)景點(diǎn)數(shù)量比較可觀。

四、結(jié)論與建議

通過(guò)對(duì)上?？傇u(píng)評(píng)分，環(huán)境評(píng)分，服務(wù)評(píng)分進(jìn)行聚類(lèi)，發(fā)現(xiàn)星級(jí)分類(lèi)與聚類(lèi)產(chǎn)生的類(lèi)別所包含的景點(diǎn)數(shù)不太一致，說(shuō)明星級(jí)高的景點(diǎn)不一定各變量評(píng)分高，各變量評(píng)分高的景點(diǎn)不一定星級(jí)高，故在選擇景點(diǎn)進(jìn)行旅游時(shí)，不應(yīng)該只看星級(jí)、總評(píng)評(píng)分、環(huán)境評(píng)分、服務(wù)評(píng)分，而應(yīng)該關(guān)注評(píng)論的具體內(nèi)容來(lái)選擇適合的景點(diǎn)進(jìn)行旅游。

通過(guò)對(duì)星級(jí)、總評(píng)評(píng)分、服務(wù)評(píng)分進(jìn)行決策樹(shù)分類(lèi)發(fā)現(xiàn)，對(duì)于總分和星級(jí)都高的景點(diǎn)，建議游客去旅游。

參考文獻(xiàn)：

[1]崔雷.專(zhuān)題文獻(xiàn)高頻主題詞的公司聚類(lèi)分析[J].情報(bào)哦理論與實(shí)踐，1996，19（4）：49—51.

[2] Metha M， Rissanen J， Agrawal R. SLIQ： A Fast Sealable Classifier for Data Mining[C]//Proc. of EDBT96. Avignon， France： [s. n.]， 1996.

[3] 楊學(xué)兵，張俊.決策樹(shù)算法及其核心技術(shù)[J].計(jì)算機(jī)應(yīng)用與發(fā)展，2007.17：43-45.

[4]馮少榮，尚文俊.基于樣本選取的決策樹(shù)改進(jìn)算法[J].西南交通大學(xué)學(xué)報(bào)，2009，44（5）：643-647.