基于网络文本数据的青海省西宁市旅游目的地形象感知研究.pptx

《旅游大数据应用实验》

课程考核作业一

题目：基于网络文本数据的青海省西宁市旅游目的地形象感知研究

姓名学号：

年级与班级：

任课教师：

作业一要求湖南省岳阳市

题目：基于网络文本数据的XX（城市）旅游目的地形象感知研究

结构：作业内容需包含完整的数据采集、清洗、分析和结论四个部分。

数据量：有效文本数据总量不得低于50万字。

格式：以PPT呈现，详见P6页模板

作业提交时间：202X年12月31日，提交电子版作业+纸质版；

作业文档命名：学号+姓名+班级

去哪儿网站网页

一、数据采集

发起请求

获取响应内容

解析数据

马蜂窝网站景点数据

获取景区景点名称及排名等信息

一、数据采集

B站视频评论数据：爬取综合最多弹幕的前10个视频的评论区

一、数据采集

获取视频的评论

抓取的结果字段包括评论时间、评论用户名、评论内容和评论点赞数四个字段

一、数据采集

获取景区景点名称及URL

爬取景点的评论内容

分析

二、数据清洗

共爬取到404个景点数据

二、数据清洗

景点名称：景点的名称。

攻略提到数量：该景点在旅游攻略中被提及的次数。

评论数量：该景点的评论数量。

景区排名：该景点在其所属地区的排名。

lng：经度。

lat：纬度。

缺失值处理：检查数据中是否有缺失值，如果有，根据情况填充或删除。

异常值处理：检测并处理异常值，例如不合理的评论数量或攻略提到数量。

数据格式检查：确保所有数据的格式一致，例如检查经纬度的格式是否正确。

数据规范化：对景点名称进行规范化处理，确保名称的一致性。

景区排名处理：景区排名包含文本和数字，可能需要进行提取和转换。。

缺失值处理：检查结果显示，数据中没有缺失值。

异常值处理：

攻略提到数量和评论数量的描述性统计显示，这些字段的数值在合理的范围内，没有发现异常值。

数据格式检查：经纬度数据的范围在正常值内，没有超出正常范围的数据。

景区排名处理：成功提取了“景区排名”中的数值排名，并存储在新的列“numeric_rank”中。

数据清洗操作

数据清洗结论

获取数据：328W字数

二、数据清洗

缺失值处理：检查数据中是否有缺失值，如果有，根据情况填充或删除。

格式统一：确保所有数据的格式一致，例如日期格式。

异常值处理：检测并处理异常值，如不合理的评分或不符合常规的评论。

文本清洗：对评论内容进行清洗，去除无意义的字符、标点、特殊符号等。

数据转换：根据需要，对数据进行适当的转换，例如将文本数据进行分词处理，以便于后续分析。

数据清洗操作

数据清洗结论

时间分布分析：查看评论的时间分布，了解游客访问的高峰期。

地理分布分析：根据IP属地，分析游客来源的地理分布。

评分分析：分析游客的整体满意度，看看大多数游客给出的评分如何。

文本分析：对评论内容进行文本分析，识别常见的正面或负面评论，提取关键词，了解游客的主要关注点。

缺失值处理：数据中没有发现缺失值。

评分异常值处理：评分列的值为1,2,3,4,5，这是正常的评分范围，没有异常值。

文本清洗：已对评论内容进行了清洗，移除了非中文字符和多余空格。

三、数据分析

各个景点评论的数量

各个景点攻略提到数量

青海藏文化博物院

塔尔寺

西宁野生动物园

三、数据分析

分析8个景点的评论生成词云

日月山

西宁盛典

丹噶尔古城

互助土族故土园景区

中心广场

三、数据分析

以塔尔寺为例对评论内容进行分析

缺失值处理：数据中没有发现缺失值。

评分异常值处理：评分范围在3到5之间，平均评分为4.87，这是合理的，没有发现异常值。

文本清洗：对评论内容进行了清洗，移除了非中文字符和多余空格。

日期格式检查和转换：确保了日期列的格式统一为日期时间格式。

评分分布分析：大多数游客给出了较高的评分（主要是5分），这表明游客对塔尔寺的总体满意度很高。

文本内容分析（关键词提取）：

最常见的关键词包括“酥油花”、“壁画”、“塔尔寺艺术三绝”等，这些可能是游客评论中提到的景点特色或值得关注的元素。

这些关键词反映了游客对塔尔寺文化和艺术方面的高度关注和欣赏。

时间序列分析：

评论的分布在时间上比较均匀，没有明显的高峰或低谷期。

这可能表明塔尔寺作为一个旅游景点，全年都吸引着游客。

地理分布分析：

评论来自多个地区，包括江苏、四川、内蒙古、青海、新疆等，显示了塔尔寺吸引了来自中国各地的游客。

这种广泛的地理分布表明塔尔寺的吸引力跨越了地域界限

综上所述，塔尔寺是一个受到游客广泛欢迎和高度评价的旅游景点，以其文化和艺术价值吸引了全国各地的游客。游客的评论通常集中在景点的文化艺术特征上，反映出游客对这些方面有深厚的兴趣和高度的赞赏。

四、数据结论

四、分析结论

景点受欢迎程度：通过比较攻略提到数量和评论数量，可以判断哪些景点更受欢迎或更有名气。