基于深度学习算法的游客目的地意象感知研究——以九寨沟风景区为例

李 莉，张 捷，李莎莎

(1.东北大学 江河建筑学院，辽宁 沈阳 110169；2.南京大学 地理与海洋科学学院，江苏 南京 210023)

引言

目的地意象认知贯穿于整个旅游活动之中，是旅游研究领域的重要概念。互联网的发展和应用改变了人们的信息来源和传播，网络口碑被认为是当前目的地意象形成的重要影响因素，直接影响游客的出游动机和体验。通过分析游客在网络上发布的博客、评论等判断其对目的地的意象是旅游与休闲领域利用UGC研究的最主要议题之一。基于文本内容的词频分析和编码分析是最常被使用也最为简便有效的方式，词频分析可以直观了解游客目的地意象最核心的概念[1]，但这种方式忽略了上下文表达的意思以及游客在文字间表达的情感信息[2]，编码方法需要研究者具有更高的认知水平，花费更多时间，导致分析数据量有限制，且结果受研究者主观因素影响较大[3]。近年来随着计算机深度学习算法对自然语言处理能力的提升，已经可以通过算法设定综合考虑词频、共现、词意等因素进行主题提炼，适合对UGC此类较大数据量文本的处理。本研究尝试使用基于深度学习算法的软件Leximancer对网络UGC中的九寨沟目的地意象进行主题识别，并通过主题间的联系分析构建基于游客视角的目的地意象感知心理图式。此外，考虑到群体差异作为目的地意象研究的重要方面，有利于加深对目的地意象内涵的认识，研究还从意象感知差异角度出发，比较东西方不同文化背景游客的目的地感知意象心理图式的差异。

1 文献综述

1.1 目的地网络意象

旅游目的地意象研究始于20世纪70年代，一直以来是旅游目的地研究的重要方面。Grosspietsch[4]将目的地意象分为游客的感知意象(perceived image)和目的地的投射意象(projected image)两类。近年来互联网作为一种可靠的信息来源成为了游客获取旅行相关信息的最重要渠道之一[5]，对游客出游前、游览过程中以及游览结束后的行为都带来了翻天覆地的变化[6]。目的地网络意象包含传统媒介的投射意象，更多的是游客在游览后的表达，游客在互联网投射的意象与经营者通过各种营销渠道投射的意象有显著差异[7]，游记内容内涵更为丰富，同时包含积极和消极情绪，既有对旅游体验活动的客观描述，也有向未来旅游者提供推荐的主观评价[8]，他人发布的游记被认为是游客在制定出游计划过程中最重要的信息渠道之一[9]，是潜在游客形成对目的地游前意象的重要信息渠道。

1.2 目的地意象的识别

意象识别是目的地意象研究的基础，以问卷调查为研究信息获取条件的背景下，Echtner和Ritchie[10]对目的地意象的测量进行了讨论，提出采用分维度likert量表结合三个开放式问题的方式进行测量。纳入目的地认知意象属性包括景观、自然环境、气候、文化吸引物、夜生活或娱乐活动、消费环境、活动的多样性、信息可获得性、可进入性、氛围、安全、当地居民好客度、服务质量等[11-12]。量表测量的方式具有获取数据快速，便于进行定量分析等优势，但过分依赖定量测量意象技术会导致对目的地意象研究局限于研究者视角维度，而这不一定是游客视角的真实意象[13-14]。随着互联网技术应用的拓展，利用计算机辅助对UGC进行内容分析在目的地意象研究领域越来越得到认可，分为强调手动编码的工具和根据统计学属性实现自动分析的工具。前者以研究者为中心得到分析结果，软件算法起到的作用较少；后者主要由计算机处理得到结果。UGC的使用拓展了目的地意象研究的数据来源和分析方法。

1.3 文化背景对目的地意象感知的影响

探讨不同群体的差异是目的地网络意象研究的重要方面[15]，而客源市场结构划分又是旅游管理决策的关键环节之一，对不同文化背景客源市场游客的细分具有理论与现实双重意义。国际游客的文化背景差异直接影响游客对于目的地意象的期望与感知[16]，已有文献对中国游客对新西兰的意象[17]、西方游客对整个中国的意象[18]等进行研究。国家被认为代表着不同的文化、属性差异[19]，还有研究指出文化界线与国家地理界线不一定相同[20]，提出以语言作为判别指标分析地域文化差异对旅游地意象的影响[21]，或分析隶属不同世界文化分区游客的意象感知差异[22]。

1.4 小结

目的地意象作为旅游相关的核心构念是相关研究的重要部分，随着互联网技术的普及，网络评论成为游客对目的地意象表达的重要渠道，这也为相关研究提供了丰富的素材。这种用户生成的网络游记、评论等也被用于目的地意象维度的提取等相关研究，由于其通常为匿名发布，内容不受研究者的影响，相比于问卷更是游客自由意志的表达，数据更具真实性，受到越来越多研究者的青睐。另一方面，随着深度学习算法对自然语言处理能力的提升，将其用于内容分析的研究中是许多学者在尝试的工作，有利于从新角度进行游客目的地意象的识别[23]。但目前大多数的研究仍然基于传统的目的地意象维度划分体系，是从研究者视角出发进行的分析，缺乏对游客视角的关注。意象的认知过程是基于个人感知、情感、态度和观念等对环境的一种建构，对于目的地意象的认识还应该包含其心理图式(schema)[24]。

本研究以九寨沟为案例地，采用深度学习算法构建基于游客视角的目的地意象心理图式。考虑样本量及群体特征，以游客所属国家的文化背景作为划分依据，将九寨沟游客评论分为东方和西方两个群体进行研究，探讨不同群体的目的地意象心理图式差异。

2 研究方法

2.1 数据来源

研究选择九寨沟风景区作为案例地，采用UGC对其目的地意象进行分析。选择九寨沟作为案例地的理由有：(1)作为中国最具知名度的旅游目的地之一，网络上关于九寨沟的游记、评论数据丰富，便于UGC分析的数据采集；(2)对九寨沟意象的研究取得了丰富的成果，相关研究主要包含其认知意象、情感意象和总体意象等方面[25-27]，前人对于九寨沟作为案例地的丰富研究成果是本研究的重要研究基础。通过网络爬虫技术在tripadvisor网站抓取“Jiuzhaigou”相关评论，共得到852条，提取这些评论的发布者国籍、发表时间、题目和评论内容进一步分析，其中742条评论含发布者国籍，涉及45个国家和地区，美国游客最多，其次为中国、新加坡、马来西亚、澳大利亚、英国等。评论主要发表于2011—2017年，占总数的97%以上(由于九寨沟在2017年8月8日地震关闭后至今未完全恢复开放,近年评论较少，符合实际情况)。评论标题和内容共计152.68K单词。

2.2 基于Leximancer深度学习的内容分析

2.2.1 Leximancer在内容分析中的应用 Leximancer是一款通过深度学习算法抽取段落主题含义进行文本分析的自然语言处理软件[28]，可以在用户指导定义关键概念基础上以完全数据驱动的方式提取三层网络意义模型，展示文本中包含的主要概念及其相关性。由于无需对所有内容进行逐句或逐段人工编码，可以用于分析规模更大的数据，而通过主题的识别又可以得到比单纯词频分析更丰富和有意义的研究结果[29]。Leximancer在内容分析中的应用不断增加，已有学者将其应用于人类语言心理学[30]、健康质量研究[31]、文献计量[32]等领域，近年来在旅游研究领域中，Leximancer也逐渐被使用，目的地意象方面包括Tseng等人对互联网上游客对中国旅游意象的研究[33]和Wu等人对于外国游客在北京秀水街购物意象[34]的研究等。由于软件目前仅支持英文内容的分析，本研究以tripadvisor上有关九寨沟的评论为材料进行分析。

2.2.2 基于深度学习算法的主题识别过程 Leximancer软件的基本算法过程包括：(1)对导入的内容进行过滤，删除“I’m”“the”“of”“on”等无意义的词；(2)生成一个可供用户编辑的概念库；(3)对概念库进行重复的审查、调整，从而发现文本的核心概念集；(4)通过多层神经网络的深度学习算法识别，将相关性较高的概念连接生成可视化概念图。软件运算的过程遵循完全数据驱动原则，但深度语义模型由用户指导，用户可以根据需要对进入概念库的词进行增删，也可以通过调节相关系数影响输出的主题概念的数量，但用户无法对最终形成的概念进行直接的修改，输出结果具有深度学习、过程透明、用户控制的综合优势。

研究分析过程如下：(1)将评论的标题和内容导入软件；(2)调整软件生成的概念库，包括删除与九寨沟意象无关或无实际意义的概念(如day，down，take等)，将某些同义词概念进行合并(如bus和shuttle，及名词的单复数形式)；(3)根据词频分析结果增加未包含在概念库中的重要概念(如photo(s)和picture(s))；(4)通过调节深度语义模型实现主题聚合，运行多层神经网络深度学习算法得到可视化主题集。

3 研究结果

3.1 目的地意象主题

对总体样本分析最终得到55个概念，分析结果的可视化中并未全部体现，这是因为软件根据各个词的出现频率、贡献关系以及含义等给出最能体现这些概念的核心及其关系的可视化展示[35]。游客评论最核心的七个概念主题集分别为buses、lakes、beautiful、Jiuzhaigou、ticket、enjoy、recommend，这些概念本身的联通率(connectivity rate)分别为100%、64%、44%、38%、24%、14%和13%，这一概念用于表示概念在主题中的重要性指数[36]，结果是一个标准化的百分比(指数最高的概念为100%)，图1是主题集的可视化表达。对于九寨沟意象的各个主题内涵具体分析如下。

图1 九寨沟评价中的游客心理图式总体表达Fig.1 Overall representation of schema of Jiuzhaigou tourists

3.1.1 Buses——游览过程主题 巴士(Buses)作为所有评论中被提及次数最多的概念，总共出现了1562次，这一主题下包含17个概念，均为游客游览过程相关的概念。当网络作为游客展示游览体验的重要媒介时，游览过程是游客对目的地描述的最重要组成部分，游客详细描述其在目的地的游览过程，串联了其对目的地的景点、基础设施、服务等的认知。主要包括三个类型的相关概念：首先是游客在景区内经过的空间节点及道路，对应的概念有景区(park)、停车点(stop)、村庄(village)、入口处(entrance)、游客中心(Nourilang)、道路(road)、最高处(top)；其次是与乘车衔接的活动，对应概念为行走(walk、hike)；另外还有乘车游览过程中遭遇的人物，对应概念为游客群体(people,tourists,crowds,Chinese)。

典型表述：乘车前往长海然后可以步行前往附近的海子；可以乘车前往游客中心；在寨子里面走走，看看周围的瀑布，然后乘车回到景区出入口。

3.1.2 Lakes——景观描述主题 海子(Lakes)这一主题包含11个概念，主要是与九寨沟自然景观与环境相关的概念，这一主题反映出游客对九寨沟自然景观的评价。以往的研究显示九寨沟的水(包括湖泊、瀑布、雪)和森林等自然景观资源是给游客留下最深印象的目的地意象要素，也是游客评价最高的意象维度，这与算法得到的主题相一致。包含湖(lakes)、水(water)、瀑布(waterfalls)、山(mountains)、森林(forest)、沟(valley)、雪(snow)等概念，另外还有对这些景观进行描述的词，如蓝(blue)、绿(green)、清澈(clear)，以及照片(photo)这一与景观息息相关的词汇。

典型表述：九寨沟被称为童话世界，吸引游客的是它的山脉和茂密森林、五彩斑斓的海子、大瀑布和丰富的野生生物。

3.1.3 Beautiful——景观评价主题 漂亮(Beautiful)主题包含了游客对九寨沟景观评价及感受的相关概念共5个，这一主题主要是游客对于九寨沟自然景观的评价。是游客对九寨沟自然景观描述基础上形成的更深层次的情感认知，景观评价主题与景观描述主题之间的关系密切。包含的相关概念有漂亮(beautiful)、自然(natural)、令人震惊(amazing)，还有风景(scenery)和九寨沟最美季节秋天(autumn)。

典型表述：如果你认为中国就是城市和雾霾，这个地方会改变你的想法，这里空气清新，自然环境美丽。

3.1.4 Jiuzhaigou——目的地评价主题 九寨沟(Jiuzhaigou)的概念最常出现在游客对目的地进行总体描述中，包括区位说明和整体评价。游客对于其区位认知主要是其与成都相对位置的感知，对于目的地所处位置的描述出现在非常多的评论中，空间异地性是旅游活动的一个非常重要的属性，在以往目的地意象的研究中，对于目的地区位这一主题的关注较少，或者可以认为在大多数研究中并未将游客对目的地区位的认知作为意象维度的一个方面。由于九寨沟作为一个远离城市的自然保护区类型的目的地，游客要前往九寨沟通常需要花费较高的时间和经济成本，并非是一个可以“顺便”游览的目的地，游客对于是否值得这种时间和经济成本的付出有较多考量。这一主题包含的概念相对简单，有对其区位的认识，对应概念为中国(China)、成都(Chengdu)，以及对目的地整体价值评估——值得(worth)。

典型表述：位于四川省，在成都北部大概205公里，我们强烈建议来中国的这个地方，可以体验并看到和世界上任何其他地方都不一样的风景。

3.1.5 Ticket——消费主题 门票(Ticket)主题包含了游客消费相关的概念，这一主题与传统认知意象维度的“可进入性”和“配套实施”有部分重叠又非完全一致。有排队买票进沟的相关概念门票(ticket)、排队(queue)，沟内用餐相关的食物(food)、午餐(lunch)以及与门口英文指示牌和购买交流对象语言相关的英语(English)，还有直接与消费相关的概念购买(buy)和价格(price)。

典型表述：门票价格有点贵，310元(包括游览车和保险)，在买票的时候还提供购买沟内唯一餐厅的午餐，最低60元起，但提供的食物并不值这价格。

3.1.6 Recommend——意见建议主题 推荐(Recommend)这一主题主要是游客认为后来者需要关注，以及可以提供建议的内容，核心概念包括建议(recommend)，旺季(peak)与住宿选择相关的概念酒店(hotel)，与价格相关的概念贵(expensive)、与食品关系较大的当地(local)。“Recommend”作为这一主题下最重要的概念，在评论中涉及的内容及广，主要包括游览线路、出行时间安排、住宿选择，及游览注意事项(如自带食品、穿舒适的鞋)等多个方面，多数评论提出建议避开高峰时段出游，选择区位较好且品质较好的酒店。

典型表述：花费方面，可以有更实惠的选择，我个人的建议是不要独自去坐那些排队揽客的出租车，选择一个不那么贵的酒店。

3.1.7 Enjoy——整体体验评价主题 享受(Enjoy)主题是游客体验相关概念的集合，这一主题与传统意象维度的整体体验评价维度内涵具有较高的重合度，核心概念相对更丰富。包括体验(experience)、享受(enjoy)、最佳(best)、自然(nature)、美景(beauty)、季节(season)等相关概念。

典型表述：非常享受这样的自然体验和风景，这是很难得能碰到的。

3.1.8 游客目的地意象的心理图式 除了对游客意象各主题内涵进行分别分析外，图1中各主题间的相对大小和联系也是对游客目的地意象心理图式的展示，其中灰色的点为各个概念，概念之间较高的共现率由点之间的连线表示，彩色大圆表示不同的主题，点和圆的大小和位置由软件通过自身算法生成，主题包含的概念数和每个主题圆圈的大小反映了游客提及相关概念主题频次的多少。主题包含的概念越多可以理解为它表达的内涵越丰富，以buses概念为核心的主题包含了大量的概念，说明这一主题表达了丰富的内涵，而以enjoy为核心的主题则相对简单。主题间距离反映了各主题的关联程度。由此可知游客对于九寨沟的景观描述与景观评价联系最为紧密，两者有部分重叠，对目的地的整体评价与体验评价有较大重叠，这四个主题之间联系相对密切，即目的地景观描述与评价和游客对目的地的整体评价和旅游体验之间具有较高的相关性。游览过程主题与消费主题、意见建议主题之间关系紧密，可以理解为游客的意见建议通常与对游览过程及在目的地的消费情况相关。

3.2 东西方游客群体感知意象差异

考虑到群体差异作为目的地意象研究的重要方面，其研究有利于加深对目的地意象内涵的认识，而不同群体意象的比较研究也有利于目的地针对不同客源市场采取更有针对性的营销和服务策略。本研究将国籍代表的东西方文化差异作为分类变量，利用Leximancer的群组比较功能进行不同群体的意象对比分析。西方游客包括来自美国、澳大利亚、英国、加拿大、法国和新西兰共291个样本，42.20K单词，平均每条约145个单词；东方游客包括新加坡、中国(含香港)、印度尼西亚和泰国共333个样本，72.07K单词，平均每条约216个单词。两者样本量差异不大，但是数据规模有较大差异，东方游客评论的平均长度明显长于西方游客。

采用与整体样本相同的概念库分析得到可视化主题集图，为更加细致地比较两个群体的意象差异，将聚类的主题数增加为10个。图2展示了可视化图，10个概念主题集分别为buses、lakes、beautiful、Jiuzhaigou、ticket、food、worth、photo、village、English，这些概念的联通率(connectivity rate)分别为44%、28%、19%、17%、13%、9%、7%、6%、4%、2%(由于样本国籍存在缺失值，受算法影响连通率最高并非100%)。buses、lakes、beautiful、Jiuzhaigou、ticket这五个主题与总体样本分析结果一致，表明它们在样本间具有稳定性。food、worth、photo、village、English是由于主题数的增加以及主题在样本间的差异出现的新主题。脱离于主题集外的两个灰色圆点分别表示两个群体的游客(region_1为西方游客，region_2为东方游客)，它们与各个主题的距离反映群体与各个主题的联系程度，可以看出东西方游客与不同主题的连接程度明显不同，两个群体与lakes、beautiful、ticket连接程度相当，与buses、photo、Jiuzhaigou主题连接程度稍有差异，西方游客与village和English主题联系程度明显更为紧密，而东方游客与food和worth的联系程度更紧密。

图2 东西方游客对九寨沟意象的群组差异Fig.2 The group differences of east and west tourists

为进一步分析两个群体对不同主题、概念在表达上的差异，计算了两个群体每个概念提及的标准化频次比(表1)，所得比值大于1表明概念与东方游客群体联系更密切，反之则与西方游客群体联系更密切。结合主题图集中的可视化表达，以及两个群体使用概念的词频，发现两者目的地意象具有以下显著差异。

表1 东-西方游客评论概念标准化频次比

3.2.1 西方游客更关注文化吸引物 九寨沟作为一个以自然景观为核心吸引物的目的地，也有丰富的地方文化和民族文化，过于优越的自然景观对于当地文化景观的开发是一把双刃剑，一方面通过自然景观可以吸引来大量游客，然而盛名在外的自然景观也遮蔽了当地璀璨的文化景观，相比于自然景观，文化景观相关概念寥寥无几，也体现了游客对于九寨沟目的地意象的关注侧重在其自然景观方面。另一方面，西方游客对于文化吸引物相关的Tibetan、village概念的关注度明显高于东方游客，这与以往研究认为西方游客将东方国家作为旅游目的地时，更多地会关注其文化景观的观点相吻合。

3.2.2 西方游客对提供英语服务有更高预期 对于大多数国际游客来说，来中国旅游语言是一个重要的障碍因素，对于景区导览、工作人员语言情况的评论经常出现。就东方游客而言，由于样本中包括许多使用汉语的国家和地区，语言并不是一个障碍，而对于西方游客来说，英语作为其母语，也是一种国际通用的语言，他们对于在非英语国家的国际化旅游目的地看到或使用英语具有预期，而九寨沟的导览系统的国际化水平尚无法满足他们的要求。因而西方游客对English概念的关注显著高于东方游客。

3.2.3 东西方游客对配套服务的关注点不同 东西方不同文化背景的游客对于食、住的关注程度存在显著差异，两个群体评论内容方面基本一致，差别仅在于提及的频次。东方游客对配套服务相关的food、hotel概念的关注度更高，对于food这一概念相关内容的分析发现大部分评论是负面的，主要的抱怨点在于食品口味、品种选择少、价格贵及食品供应在景区内空间上的限制，许多游客建议自带食物。Hotel相关的评论内容除了酒店本身质量之外，核心关注点是其相对于景区入口的区位。

3.2.4 东西方游客对游览中的拥挤感知不同 对于拥挤感知相关的概念，东方游客对queue、long概念关注更高，而西方游客对people、Chinese、crowds概念关注度更高。面对九寨沟的拥挤状况，西方游客的关注点在于认为中国的景区有太多游客，而东方游客的关注点则是排队等待时间太久。这种差异体现了东西方文化在空间需求和认知上的差异，东方较高的人口密度使得游客们习惯了有这么多人在周围，因而更关注直接与个人活动有关的排队，西方游客则正如一些研究所言，来到中国看到那么多人的时候会有震惊以及不适应的状况。

4 讨论与结论

4.1 讨论

本研究以Leximancer深度学习文本处理方式对游客的目的地意象进行研究，与传统目的地意象维度划分不同，这是从游客评论本身关键概念之间统计学意义上的关系得到的聚类，主题结果更能反映游客对目的地意象表达中的逻辑关系，主题及其之间的关系更能反映游客对目的地意象心理图式。与Nvivo等软件主要依赖学者编码获得研究相比，Leximancer软件可以通过算法直接得到主题及其之间的关系，学者的关键作用在于选择合适的主题集，并对其进行合理的阐释，分析过程是软件算法和研究者思想两方面的结合，两者是相辅相成的关系，研究者通过研究主题选择构建合适的概念库，软件通过深度学习算法实现主题的聚类，然后研究者对得到主题的合理性进行判断，并对主题概念间的关系进行科学解释。主题是根据算法“自动”生成的，因而在探索发现内容文本新的内涵时更具优势。

传统目的地意象研究更注重从研究者角度对意象进行维度的划分，以往对九寨沟意象的相关研究主要包含其认知意象的自然景观、社会文化景观、可进入性与旅游安全、生态环境、基础设施等认知维度[37-39]，以及情感意象和总体意象等方面[25]。通过深度学习算法得到的主题聚类结果表明游客对于九寨沟的意象可以聚合为七个主题，分别是游览过程(buses)、景观描述(lakes)、景观评价(beautiful)、目的地评价(Jiuzhaigou)、消费(ticket)、意见建议(recommend)和旅游体验(enjoy)。其中前五位在进行算法的重复聚类调整过程中几乎不会改变，是游客对九寨沟评论最核心、最稳定的意象主题，主题之间的关系显示目的地景观描述与评价和游客对目的地的整体评价与旅游体验之间具有较高的相关性，游客的意见建议通常针对游览过程及在目的地的消费，这是传统意象研究较难得到的信息。深度学习算法对自然语言的处理拓展了对游客目的地意象的理解深度，不仅可以提炼语言中的主要概念，还可以反映语言组织中的心理图式。

对东西方游客的群组差异分析结果表明两者对各意象主题的关注既有一致性也有显著差别。研究独创性地提出用计算游客评论概念频次标准化比的方式具体分析不同游客群体的意象差异，发现东西方游客在关注景观类型、基础设施和配套服务、对景区拥挤的态度等方面均存在显著差异。语言障碍致使西方游客对于景区导览英语标识的关注度更高，西方游客对于东方历史文化的关注更高，而东方游客对于食宿的关注度更高，面对拥挤东方游客更关注其对旅游活动的影响，而西方游客则关注拥挤对旅游氛围的影响。这些差异可以为目的地意象感知的进一步研究提供新的思路。另外，目的地的经营管理者可以针对这种东西方游客意象的差异，提供更加精细化的服务。

4.2 结论

意象的认知过程是基于个人感知、情感、态度和观念等对环境的一种建构，对于目的地意象的认识除了从不同群体、不同维度的视角进行研究，还应该包含游客视角的心理图式。本研究借助Leximancer软件的深度学习处理自然语言算法，对九寨沟游客评论的UGC进行分析，归纳了包括游览过程、景观描述、景观评价、目的地评价、消费、意见建议和旅游体验在内的反映游客对九寨沟意象心理图式的主题合集，并在分组比较中发现了东西方游客对不同主题的关注程度差异。深度学习算法得到的意象主题维度相比传统基于研究者构建的意象认知维度更能反映游客对目的地意象认知的心理图式，主题反映了游客的关注要素及关注程度，主题之间的联系紧密程度反映了游客意象认知的内在联系，这种对意象感知主题间联系的分析是对传统目的地意象研究仅关注维度而忽视维度间关系的拓展。研究还对东西方不同游客群体的意象差异进行了分析，为目的地意象的深入研究提供了方向，也为目的地的经营和管理提供了理论指导。