劉昌澍，李 響，詹瑾瑜，江 維，李博智，曹 揚(yáng)，楊 瑞

(1.電子科技大學(xué) 信息與軟件工程學(xué)院，四川 成都 610054;2.中電科大數(shù)據(jù)研究院有限公司，貴州 貴陽 550022;3.提升政府治理能力大數(shù)據(jù)應(yīng)用技術(shù)國(guó)家工程實(shí)驗(yàn)室，貴州 貴陽 550022)

0 引 言

隨著人民生活水平的提高，國(guó)內(nèi)旅游產(chǎn)業(yè)蓬勃發(fā)展。2018年國(guó)內(nèi)旅游人數(shù)55.39億人次，比上年同期增長(zhǎng)10.8%。初步測(cè)算，全年全國(guó)旅游業(yè)對(duì)GDP的綜合貢獻(xiàn)為9.94萬億元，占GDP總量的11.04%[1]。但遺憾的是,由于利益的驅(qū)動(dòng)、市場(chǎng)監(jiān)管不足、導(dǎo)游職業(yè)素質(zhì)較低等原因,近些年頻頻出現(xiàn)不合理低價(jià)競(jìng)爭(zhēng)、隨意加點(diǎn)和強(qiáng)制消費(fèi)等導(dǎo)游違規(guī)現(xiàn)象,負(fù)面報(bào)道層出不窮,嚴(yán)重影響了導(dǎo)游的社會(huì)形象與誠信度[2]。近年來，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，旅游業(yè)開始和互聯(lián)網(wǎng)產(chǎn)業(yè)結(jié)合，出現(xiàn)了像去哪兒、途牛、攜程等在線旅游平臺(tái)，產(chǎn)生大量如評(píng)論、推薦等文本數(shù)據(jù)。這些文本數(shù)據(jù)中包含對(duì)于導(dǎo)游違規(guī)行為的負(fù)面評(píng)論或投訴。如何更好地利用這些數(shù)據(jù)實(shí)現(xiàn)對(duì)導(dǎo)游行為的監(jiān)管，進(jìn)一步完善規(guī)范旅游市場(chǎng)，一直是有關(guān)部門關(guān)注的話題。旅游評(píng)論等文本信息可以利用自然語言處理相關(guān)技術(shù)進(jìn)行文本信息挖掘，并有大量范例可供參考借鑒。Kamran Kowsari等人[3]對(duì)經(jīng)典文本分類任務(wù)的流程定義，介紹了文本預(yù)處理和文本特征抽取的方法并對(duì)包括SVM、KNN、決策樹等機(jī)器學(xué)習(xí)算法進(jìn)行比較。Zhang Lei等人[4]在文本分類的基礎(chǔ)上進(jìn)一步挖掘情感分析問題，并比較了包括CNN、RNN、LSTM和HAN等基于深度學(xué)習(xí)的state of art模型。同時(shí)，文本分類或情感分析可以用來處理負(fù)面評(píng)論或投訴信息，在中文語境下也有一些實(shí)際應(yīng)用案例。例如，梁昕露等人[5]針對(duì)電信行業(yè)的客戶投訴系統(tǒng)，提出了使用向量空間模型做文本特征，用SVM做分類器的分類方法，在13萬條測(cè)試數(shù)據(jù)上取得了70%以上的準(zhǔn)確率。但是該方法存在準(zhǔn)確率在分類上并不均衡的問題。余本功等人[6]使用BTM和Doc2vec模型構(gòu)建較低的SVM輸入空間并引入了集成學(xué)習(xí)的思想，提出了基于nB-SVM的投訴識(shí)別方法，一定程度上改善了由于數(shù)據(jù)不均衡引發(fā)的問題。近年來隨著深度學(xué)習(xí)領(lǐng)域的快速發(fā)展，出現(xiàn)了很多深度學(xué)習(xí)方法在中文文本分類及投訴處理的實(shí)踐。例如，鄭誠等人[7]等人提出了BLSTM_MLPCNN神經(jīng)網(wǎng)絡(luò)模型，并將字符級(jí)向量聯(lián)合詞向量作為BLSTM的輸入，在5個(gè)英文標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)中均取得了較好的效果。萬圣賢等人[8]提出了包括MaxBiLSTM和ConvBiLSTM的雙向LSTM模型，更加高效地提取中間文本特征，該方法在公開數(shù)據(jù)集上取得了較好的效果。段立等人[9]針對(duì)95598客服投訴工單，提出了基于XGBoost的分類歸檔的方法，準(zhǔn)確率在83%～91%左右,有較好的效果。文獻(xiàn)[10]提出基于word2vec和雙向LSTM的情感分類深度模型，解決社交網(wǎng)絡(luò)文本傳統(tǒng)情感分類模型存在先驗(yàn)知識(shí)依賴以及語義理解不足的問題。

該文主要研究導(dǎo)游違規(guī)行為的識(shí)別檢測(cè)問題，首先構(gòu)建了基于文本卷積神經(jīng)網(wǎng)絡(luò)(TextCNN)的旅游評(píng)論情感分析模型，采用預(yù)先訓(xùn)練的旅游話題詞向量表示整段文本，使用多種尺寸的卷積核捕捉文本序列中上下文之間的關(guān)聯(lián)，通過池化、全連接等操作得到文本對(duì)應(yīng)的特征表達(dá)并判斷情感傾向，達(dá)到從旅游評(píng)論中精準(zhǔn)識(shí)別出導(dǎo)游相關(guān)的負(fù)面評(píng)論的目的。然后提出了基于輕量級(jí)梯度提升決策樹(LightGBM)的導(dǎo)游違規(guī)行為分類模型，利用提升(boosting)的方法組合決策樹，在訓(xùn)練過程中根據(jù)梯度差異給予不同樣本不同的權(quán)重，實(shí)現(xiàn)對(duì)導(dǎo)游違規(guī)行為的準(zhǔn)確分類，為旅游監(jiān)管提供參考依據(jù)。進(jìn)行了多組對(duì)比實(shí)驗(yàn)評(píng)估模型性能，實(shí)驗(yàn)結(jié)果表明，提出的方法可以有效從大量旅游評(píng)論中檢測(cè)出導(dǎo)游違規(guī)行為及其類別，準(zhǔn)確率達(dá)到91.57%。

1 系統(tǒng)模型

基于TextCNN和LightGBM的導(dǎo)游違規(guī)行為檢測(cè)系統(tǒng)的框架如圖1所示，可以處理來自在線旅游平臺(tái)的文本信息。

圖1 導(dǎo)游違規(guī)行為檢測(cè)系統(tǒng)框架

首先對(duì)來自游客的導(dǎo)游相關(guān)評(píng)論進(jìn)行文本預(yù)處理，包括分詞以及去停用詞。然后將進(jìn)行詞嵌入，將文本轉(zhuǎn)化為向量，構(gòu)建模型的輸入。再使用TextCNN對(duì)輸入文本的特征進(jìn)行抽取與分類，根據(jù)情感傾向，從導(dǎo)游相關(guān)評(píng)論中識(shí)別出負(fù)面評(píng)論。最后使用基于Boosting方法的LightGBM分類框架，對(duì)導(dǎo)游相關(guān)的負(fù)面評(píng)論進(jìn)行違規(guī)行為檢測(cè)與分類。導(dǎo)游違規(guī)行為有以下5類：(1)強(qiáng)迫消費(fèi)；(2)毆打辱罵游客；(3)擅自更改行程；(4)餐飲/住宿條件與合同不符；(5)不具備相關(guān)從業(yè)資格。

2 基于TextCNN和LightGBM的導(dǎo)游違規(guī)行為檢測(cè)方法

2.1 基于TextCNN的導(dǎo)游負(fù)面評(píng)論識(shí)別

2.1.1 TextCNN建模

TextCNN[11]采用多個(gè)尺寸不同的卷積核來提取文本信息，能夠更好地捕捉到上下文之間的關(guān)聯(lián)。該文構(gòu)建的基于TextCNN的導(dǎo)游負(fù)面評(píng)論識(shí)別模型如圖2所示，主要包括嵌入層、卷積層、池化層、全連接層和輸出層[12]。

圖2 基于TextCNN的導(dǎo)游負(fù)面評(píng)論識(shí)別模型

(1)嵌入層。

嵌入層(輸入層)將一段文本轉(zhuǎn)換為一個(gè)maxlen×dim的二維矩陣，maxlen指輸入文本可包含的詞語數(shù)量最大值。該文統(tǒng)計(jì)去掉停用詞之后的游客評(píng)論文本序列的長(zhǎng)度，共計(jì)76%長(zhǎng)度在50以內(nèi)，17.6%在50和100之間，5.8%在100之上。因此選定maxlen為100，長(zhǎng)度不足的進(jìn)行補(bǔ)齊，長(zhǎng)度超過的進(jìn)行截取。

設(shè)xi為某一個(gè)詞對(duì)應(yīng)的長(zhǎng)度為dim的word2vec[13-14]詞向量，通過將文本序列中每個(gè)詞對(duì)應(yīng)的詞向量連接起來，就可以得到整個(gè)文本序列的詞向量表達(dá)矩陣：

X=x1⊕x2⊕···⊕xmaxlen

(1)

(2)卷積層。

在卷積層對(duì)上一層的輸出進(jìn)行卷積運(yùn)算，得到多個(gè)尺寸不同的特征圖(Feature Map)。卷積運(yùn)算的過程可以表達(dá)為：

(2)

其中，cj指卷積運(yùn)算得到的一個(gè)特征，b為偏置，W為卷積核矩陣，f為一個(gè)非線性函數(shù)。多個(gè)尺寸不同的卷積核在游客評(píng)論文本上形成多個(gè)跨度不同的滑動(dòng)窗口，用來計(jì)算各個(gè)窗口內(nèi)的單詞之間的聯(lián)系，如圖3所示。

圖3 提取旅游評(píng)論特征的滑動(dòng)窗口

經(jīng)過卷積層一個(gè)高度為h的卷積核產(chǎn)生一個(gè)特征圖(feature map)C：

C=[c1,c2,…,cmaxlen]

(3)

(3)池化層與全連接層。

在池化層，將特征圖作為輸入，進(jìn)行維數(shù)降低。該文使用1-max-pooling的方式處理特征圖，從中選取最大值。全連接層將池化結(jié)果拼接起來，從而得到了一段文本的特征。

(4)輸出層。

通過sigmoid函數(shù)得到導(dǎo)游評(píng)論中游客各種情感傾向的概率，并在輸出層輸出：

(4)

構(gòu)建深度學(xué)習(xí)模型之后，首先設(shè)定模型的損失函數(shù)為binary_crossentropy。

(5)

2.1.2 TextCNN參數(shù)設(shè)置

該文使用Keras框架搭建神經(jīng)網(wǎng)絡(luò)。設(shè)定dim為300并在嵌入層使用預(yù)先訓(xùn)練的旅游話題詞向量做權(quán)重。

在卷積層，設(shè)置了4種不同高度的卷積核(2，3，4，5)，每個(gè)卷積核的寬度和詞向量的dim長(zhǎng)度相等。每種卷積核各自設(shè)置100個(gè)filter，設(shè)定非線性函數(shù)為Relu函數(shù)，將分別輸出99×1，98×1，97×1，96×1的四種特征圖。在全連接層使用dropout和l2正則化的方式抑制訓(xùn)練過程中的過擬合程度。

2.2 基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)

2.2.1 LightGBM建模

文中數(shù)據(jù)集本身存在數(shù)據(jù)不平衡的問題。采用集成學(xué)習(xí)通過集成元分類器分類結(jié)果的方式提升模型的泛化能力，進(jìn)而提升分類器的性能[15]。LightGBM[16]采用基于Boosting方法的分類框架，可以更好地適應(yīng)不平衡數(shù)據(jù)。

該文采用簡(jiǎn)單數(shù)據(jù)增強(qiáng)EDA[17]的方式改善數(shù)據(jù)分布。具體措施包括：同義詞替換、刪除個(gè)別詞語、交換詞語在句子中順序、隨機(jī)插入新詞等。

(1)導(dǎo)游投訴文本向量化。

首先進(jìn)行中文分詞和文本預(yù)處理(去停用詞)，可以將一段短文本S處理成一段長(zhǎng)度為n詞語序列：

S=s1+s2+…+sn

(6)

令vi為si在旅游話題詞向量中對(duì)應(yīng)的詞向量，則可以計(jì)算得到短文本S的向量化表示V：

(7)

(2)計(jì)算梯度與生成決策樹。

LightGBM組合多個(gè)回歸決策樹T以得到最終的結(jié)果[18]：

(8)

其中，ft(x)指單個(gè)決策樹模型。LightGBM訓(xùn)練過程中添加決策樹時(shí)第t步的損失可以表示成如下形式：

(9)

當(dāng)損失函數(shù)L為均方函數(shù)時(shí)，采用損失函數(shù)的負(fù)梯度作為殘差r的近似值：

(10)

導(dǎo)游違規(guī)行為檢測(cè)的決策樹生成算法如算法1所示：

算法1：導(dǎo)游違規(guī)行為檢測(cè)決策樹生成算法。

輸入:模型訓(xùn)練數(shù)據(jù)D={(x1,y1),(x2,y2),…,(xn,yn)}

輸入:樹的最大深度d

1:best_spilit_point ← 0

3:t←0

5:while(t

6: best_split_point←find_best_spilit()

7: 在best_split_point根據(jù)leaf_wise策略分裂決策樹

9:t++

10:end while

其中，首先輸入導(dǎo)游違規(guī)行為數(shù)據(jù)集和樹的最大深度；在第4行設(shè)定導(dǎo)游違規(guī)行為檢測(cè)樹的目標(biāo)函數(shù)，包括對(duì)違規(guī)行為進(jìn)行預(yù)測(cè)產(chǎn)生的損失與樹的復(fù)雜度。在第6～9行計(jì)算目標(biāo)函數(shù)，確定梯度下降的方向，計(jì)算最優(yōu)切分點(diǎn)best_split_point并按照leaf_wise策略分割導(dǎo)游違規(guī)行為檢測(cè)決策樹并完成模型的更新。

(3)減少采樣與劃分最優(yōu)節(jié)點(diǎn)。

LightGBM使用單邊梯度下降算法(gradient-based one side sampling，GOSS)，減少計(jì)算量。GOSS使用梯度作為樣本權(quán)重，重點(diǎn)關(guān)注梯度較大的導(dǎo)游違規(guī)行為樣本[19]：

(11)

(12)

其中，n為使用樣本總數(shù)，gi為損失，Al、Ar、Bl和Br為劃分在節(jié)點(diǎn)左右的樣本。

在減少采樣的基礎(chǔ)上計(jì)算信息增益并劃分最優(yōu)節(jié)點(diǎn)的算法如算法2所示：

算法2：最優(yōu)節(jié)點(diǎn)劃分算法find_best_split。

輸入:訓(xùn)練數(shù)據(jù)X,Y

輸入:大梯度樣本采樣率a，小梯度樣本采樣率b

1:gain_list←{}

2:sorted←降序排列(X)

3:topN←a×len(X)

4:rand(N)←b×len(X)

6:top_set←sorted[:topN]

7:rand_set←隨機(jī)選取(sorted[topN:],randN)

8:used_set←top_set+rand_set

9:forjin X.features:

10: gain←增益計(jì)算(j,used_set)

11: gain_list.append(gain)

12:end for

13:gain_max←max(gain_list)

14:ind←gain_list.index(gain_max)

15:return ind, gain_max

其中，首先輸入導(dǎo)游違規(guī)行為訓(xùn)練數(shù)據(jù)集和樣本采樣率；第1～8行先按照梯度降序排列導(dǎo)游違規(guī)行為樣本，再根據(jù)大梯度樣本采樣率a和小梯度樣本采樣率b重新組合需要遍歷的樣本，從而減少樣本數(shù)量，第9～14行計(jì)算導(dǎo)游違規(guī)行為樣本各個(gè)屬性上的信息增益，并得到最大信息增益。

2.2.2 LightGBM建模

該文使用Python3.7環(huán)境下的LightGBM API進(jìn)行模型的搭建和訓(xùn)練。模型的超參數(shù)將會(huì)影響模型預(yù)測(cè)的準(zhǔn)確率。為了取得更好的效果，在訓(xùn)練過程中不斷對(duì)超參數(shù)進(jìn)行尋優(yōu)，最后得到的一組較好參數(shù)如表1所示。

表1 LightGBM主要超參數(shù)

3 實(shí)驗(yàn)分析

該文設(shè)計(jì)并實(shí)現(xiàn)了基于TextCNN和LightGBM的導(dǎo)游違規(guī)行為檢測(cè)模型，能夠完成對(duì)旅游評(píng)論的負(fù)面評(píng)論識(shí)別和導(dǎo)游違規(guī)行為檢測(cè)。進(jìn)行了多組實(shí)驗(yàn)評(píng)估所提出的模型和方法，并與其他主流算法和模型進(jìn)行了比較。

3.1 實(shí)驗(yàn)設(shè)置和數(shù)據(jù)來源

實(shí)驗(yàn)的硬件是：CPU為Intel i7 9700K，內(nèi)存為16G RDD4，顯卡為兩塊Nvidia RTX 2080ti，運(yùn)行環(huán)境為L(zhǎng)inux操作系統(tǒng)(Ubuntu 16.04.6)。全部實(shí)驗(yàn)代碼由Python3.7編寫。神經(jīng)網(wǎng)絡(luò)由Keras框架搭建，使用TensorFlow作為框架后端。

當(dāng)前關(guān)于導(dǎo)游違規(guī)行為的識(shí)別暫無公開數(shù)據(jù)集，該文使用爬蟲構(gòu)建數(shù)據(jù)集，使用的實(shí)驗(yàn)數(shù)據(jù)來源有：(1)去哪兒網(wǎng)獲取的成都、北京、上海和廣州等地的景點(diǎn)評(píng)論信息；(2)人民網(wǎng)315旅游投訴平臺(tái)的投訴信息。并對(duì)這些實(shí)驗(yàn)文本進(jìn)行數(shù)據(jù)清洗，篩選出和導(dǎo)游相關(guān)的評(píng)論信息。

3.2 模型性能評(píng)估

使用準(zhǔn)確率(precision)、召回率(recall)、F1-score和正確率(accuracy)等指標(biāo)評(píng)估模型性能。

3.2.1 導(dǎo)游負(fù)面評(píng)論識(shí)別模型評(píng)估與分析

選取獲取的共13 000余條評(píng)論進(jìn)行實(shí)驗(yàn)，包括好評(píng)(正面)7 000余條，差評(píng)(負(fù)面)6 000余條，如表3所示。按照0.8的比例劃分訓(xùn)練集和測(cè)試集。在訓(xùn)練集中，劃分出20%的數(shù)據(jù)做驗(yàn)證集。

數(shù)據(jù)集的預(yù)處理使用Keras自帶的Tokenizer轉(zhuǎn)化為序列。為了抑制過擬合程度加入dropout層(設(shè)置值為0.5)并添加l2正則化(值為0.001)。

基于TextCNN的導(dǎo)游負(fù)面評(píng)論識(shí)別模型在驗(yàn)證集上的準(zhǔn)確率可以達(dá)到91.62%，損失為0.25。在測(cè)試數(shù)據(jù)中的正面評(píng)論數(shù)據(jù)和負(fù)面評(píng)論數(shù)據(jù)上準(zhǔn)確率分別為0.916 4和0.919 7，召回率分別為0.906 5和0.928 3，F(xiàn)1-score分別為0.911 4和0.923 9。

通過準(zhǔn)確率、召回率和F1-score在相同數(shù)據(jù)集上對(duì)基于TextCNN導(dǎo)游負(fù)面評(píng)論識(shí)別方法、基于CNN的導(dǎo)游負(fù)面評(píng)論識(shí)別方法、基于RNN的導(dǎo)游負(fù)面評(píng)論識(shí)別方法、基于LSTM的導(dǎo)游負(fù)面評(píng)論識(shí)別方法和基于FastText的導(dǎo)游負(fù)面評(píng)論識(shí)別方法進(jìn)行比較，如圖4所示。綜合比較5種方法，文中方法的準(zhǔn)確率(0.916 2)、召回率(0.918 2)、F1-score(0.198 1)均高于其他方法，在驗(yàn)證集上的表現(xiàn)更加優(yōu)秀。

圖4 不同導(dǎo)游負(fù)面評(píng)論識(shí)別方法比較

3.2.2 導(dǎo)游違規(guī)行為檢測(cè)分類模型評(píng)估與分析

經(jīng)過簡(jiǎn)單數(shù)據(jù)增強(qiáng)后共獲得訓(xùn)練數(shù)據(jù)9 000余條，包括對(duì)強(qiáng)迫消費(fèi)/參加自費(fèi)項(xiàng)目行為的投訴2 280條，對(duì)擅自變更行程行為的投訴1 910條，對(duì)餐飲/住宿條件與合同不一致行為的投訴1 570條，對(duì)不具備從業(yè)資格行為的投訴1 096條，對(duì)毆打/辱罵游客行為的投訴2 286條。按照0.8的比例劃分訓(xùn)練集和測(cè)試集，并在訓(xùn)練過程中在訓(xùn)練集中按照0.8的比例抽取數(shù)據(jù)進(jìn)行驗(yàn)證。基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)分類模型訓(xùn)練過程中，該文設(shè)定迭代500次。

基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)分類模型在投訴信息的測(cè)試集上的正確率可以達(dá)到88%，表2列出了該模型在測(cè)試集上各類別上的表現(xiàn)。使用準(zhǔn)確率、召回率和F1-score在相同數(shù)據(jù)集上對(duì)基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)分類方法、基于XGBoost的導(dǎo)游違規(guī)行為檢測(cè)分類方法、基于邏輯斯特回歸的導(dǎo)游違規(guī)行為檢測(cè)分類方法和基于SVM的導(dǎo)游違規(guī)行為檢測(cè)分類方法進(jìn)行比較，如圖5所示。

表2 基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)模型各類別F1-score

圖5 不同導(dǎo)游違規(guī)行為識(shí)別方法比較

由圖5可知，文中方法的準(zhǔn)確率最高，略高于XGBoost和Logistic Regression，SVM最差。

因?yàn)樵撐氖褂玫臄?shù)據(jù)集本身存在不平衡的特點(diǎn)，在參考F1-score外同時(shí)使用ROC曲線對(duì)不同方法進(jìn)行評(píng)估，如圖6所示。一個(gè)分類器的ROC曲線越靠近左上方，分類效果越好。

圖6 不同導(dǎo)游違規(guī)行為識(shí)別方法ROC曲線

由圖6可知，LightGBM和XGBoost的AUC面積最大，略高于Logistic Regression，SVM的AUC面積最小?？紤]到LightGBM算法本身由XGBoost改進(jìn)而來，在準(zhǔn)確率相當(dāng)?shù)那闆r下訓(xùn)練時(shí)間更短(LightGBM訓(xùn)練需要59.12 s，XGBoost訓(xùn)練需要307.97 s)且內(nèi)存占用更低，在文中的應(yīng)用場(chǎng)景下LightGBM更加優(yōu)秀。

由表2可知，由于“強(qiáng)迫消費(fèi)”和“毆打/辱罵游客”這兩類數(shù)據(jù)中，帶有強(qiáng)烈特征的描述詞匯較多，模型識(shí)別效率較高。而在其他類別中，由于特征詞匯較少，且樣本數(shù)據(jù)存在一定的數(shù)據(jù)不均衡的問題，模型容易產(chǎn)生誤判，F(xiàn)1-score會(huì)稍低。

3.3 系統(tǒng)測(cè)試

文中方法應(yīng)用到了實(shí)際的旅游大數(shù)據(jù)系統(tǒng)中，進(jìn)行了相應(yīng)的系統(tǒng)測(cè)試。使用的實(shí)際系統(tǒng)數(shù)據(jù)中包含導(dǎo)游相關(guān)的好評(píng)以及各類差評(píng)各480條。系統(tǒng)測(cè)試數(shù)據(jù)表明，文中方法可以達(dá)到91.57%的準(zhǔn)確率(precision)、91.64%的召回率(recall)、91.17%的F1-score和91.46%的正確率(accuracy)。該系統(tǒng)對(duì)導(dǎo)游違規(guī)行為檢測(cè)識(shí)別的示例如表3所示。文中方法適合于旅游大數(shù)據(jù)場(chǎng)景，能準(zhǔn)確有效地識(shí)別檢測(cè)出導(dǎo)游違規(guī)行為。

表3 導(dǎo)游違規(guī)行為識(shí)別結(jié)果示例

4 結(jié)束語

采用文本分類解決了從旅游評(píng)論文本中識(shí)別出檢測(cè)導(dǎo)游違規(guī)行為的問題，構(gòu)建了基于TextCNN的導(dǎo)游負(fù)面評(píng)論識(shí)別模型，進(jìn)行了旅游評(píng)論的情感分析，識(shí)別出負(fù)面評(píng)論，再送入基于LightGBM的導(dǎo)游違規(guī)行為檢測(cè)分類模型，實(shí)現(xiàn)對(duì)導(dǎo)游違規(guī)行為的檢測(cè)與分類。通過和其他的主流模型的對(duì)比，該模型具備更好的性能，能夠兼顧識(shí)別檢測(cè)的準(zhǔn)確率和召回率，降低正常行為被誤判的可能性，適合于對(duì)旅游評(píng)論文本的導(dǎo)游違規(guī)行為進(jìn)行檢測(cè)。實(shí)驗(yàn)表明，提出的基于TextCNN和LightGBM的導(dǎo)游違規(guī)行為檢測(cè)方法應(yīng)用在實(shí)際旅游大數(shù)據(jù)系統(tǒng)中可以得到91.57%的準(zhǔn)確率。構(gòu)建的系統(tǒng)具備較高的可擴(kuò)展性。在從旅游評(píng)論中檢測(cè)出負(fù)面評(píng)論后，對(duì)導(dǎo)游違規(guī)行為分類進(jìn)行了初步探索。下一步還可以探索其他方面的投訴信息，進(jìn)一步完善面向旅游市場(chǎng)的大數(shù)據(jù)智慧監(jiān)管體系。