基于在线评论的情感分析武汉市不同星级酒店用户满意度

 本文通过八爪鱼爬取携程网站武汉市不同星级酒店的用户评论，共计爬取 52708条有效评论作为研究样本。通过 Jieba 分词工具和 Python 编程语言对评论中的高频词进行提取、对文本特征词进行聚类分析、对评论文本的正负面情感进行分类，来研究不同星级酒店用户满意度
导论

一、研究背景与意义

（一）研究背景

  随着网络时代的快速发展，在线预订酒店的方式也越来越受到人们的青睐。在线预订网站的便捷和丰富的产品类型已成为用户最喜欢的酒店预订方式。《中国旅游住宿业发展报告 2018》1认为在住宿业从高速度增长转向高质量发展的过程中，发展动力已经从要素驱动转向创新驱动，其中在技术要素方面，人工智能、虚拟现实、物联网、大数据、模块化建筑技术和大型健康技术在住宿行业的应用可以带来新的商业模式，提高工作效率，增强经验。中国旅游研究院 2019 年 1 月 8 日，发布了“2018 旅游经济运行盘点”系列报告2，其中旅游产业报告显示，2018 年全年，旅游产业较为景气，其中旅游住宿业进入存量博弈和差异化竞争阶段。近年来，酒店用户满意度研究一直是酒店研究领域的热点。但是，现有文献在研究内容和方法上都存在不足。一方面现有文献大都将酒店用户满意度作为一个总体进行研究，缺乏对不同星级酒店用户满意度影响因素的差异研究；另一方面现有文献大都采用问卷调研的方式收集数据，其抽样方法和样本数据方面均存在一定局限性。随着酒店行业发展进入瓶颈期以及竞争加剧，在这种环境下如何有针对性地提高用户满意度依然成为酒店行业非常关心的问题。随着互联网信息技术的迅速发展，web2.0 时代已经席卷而来。越来越多的公司意识到网络技术带来的机遇，因此正努力寻求变革的机会和战略的发展，以及营销和技术的创新。用户的在线评论已逐渐成为为用户提供企业反馈的重要来源，企业从用户反馈和口碑信息中获取有价值的意见，以增强产品和改善服务，从而提高他们的综合竞争力。因此，如果能够在在线评论中深入探索特征和情感信息，了解用户的偏好，对企业和用户来说将具有十分重要的意义3 。研究表明，酒店用户的在线评论能够帮助有需求的用户做出合理的购买决定，还能够帮助酒店管理者提升酒店管理质量和效益4。在线评论不仅有数值属性，如:点评总数、被点有用数、评分等；还有文本属性，如: 文字内容、入住类型、真实性、可信度等5。大部分学者研究在线评论的评分对用户满意度的影响，只有少量学者研究评论文本内容对用户满意度的影响6。因此本文选择从评论文本内容的角度对不同星级酒店的用户满意度展开研究。在这样一个大数据时代，各种海量数据喷井而出，如何挖掘数据中的关键信息是目前研究的一个热点问题。因此，本文结合自己学习的数据分析方法和专业知识，对不同星级酒店用户的评论文本展开了分析，旨在挖掘用户对酒店的满意度以及真正关心的特征因素，进而能够给出针对性的建议。

二、国内外文献综述

  近年来，酒店行业的市场竞争日趋激烈，已经成为业内人士普遍公认的事实。酒店行业作为服务业的典型，提升用户满意度对酒店行业来说至关重要。国内外学者对酒店用户满意度及其影响因素做了许多研究，这些研究对于本文具有十分重要的参考价值和意义。国内外相关文献综述和评述情况如下。

（一）国内文献综述

  张琰等（2017）通过二项分布检验分析了高、中、低星级酒店顾客满意度的差异。沈涵等（2010）构建了产品质量、服务质量、感知价值、预期质量和品牌形象等五个影响顾客满意度的指标体系，并运用层次分析法建立满意度测评模型。吴维芳等（2014）通过情感分析技术提取特征构建计量经济模型分析酒店用户满意度。李景（2015）通过网络爬虫技术获得五星级酒店的评论，采用层次分析、综合评价和相关性分析方法对其满意度进行研究。陈奇等（2018）从环境因素、服务因素、价值因素、知名度因素和顾客抱怨因素五个维度建立顾客满意度指数体系，通过问卷调查，对收集到的数据进行层次分析和模糊综合评价，来挖掘酒店顾客满意度。张慧（2012）运用内容分析方法，得出酒店环境、服务质量、设施、卫生是影响酒店顾客满意度的主要因素。有关酒店用户满意度研究的数据来源，越来越多的研究者倾向于评论文本而不是问卷调查或者收集的二手数据7。因此国内的一些学者也对酒店评论进行了研究。丁于思（2014）结合在线点评和问卷调查结果，运用因子分析法对酒店服务质量进行研究。赵学峰等（2012）对酒店在线评论内容进行分析中提出文本挖掘方法研究主要是聚类、情感倾向和信息提取三个方面。刘丹（2016）对昆明市五星级酒店的评论进行情感分析，并提出了 Apriori 关联规则和 TF-IDF 标准的特征优化方法。杨智聪（2017）对酒店评论中的短文本进行情感分析，基于语义向量空间泛化构建情感词典。张佳锐（2018）采用 K-Means 聚类短评论，结合词频统计和 Word2Vec 关键词提取技术对商品评论进行情感分析。马赛（2017）面对网络评论情感分析建立了新的否定词词表、转折词词表和程度副词词表，基于语义分析技术建立情感分类模型。张卫（2016）在互联网商品评论情感分析中将 SVM 算法与常见的几种特征选择算法进行对比，得出SVM 算法对评论文本的情感倾向分类具有较高的准确性。

第一章 武汉市不同星级酒店用户满意度研究相关概念

第一节 不同星级酒店概念与携程网站武汉市酒店简介

一、不同星级酒店相关概念

  根据《中华人民共和国星级酒店评定标准》，不同酒店是按照星级划分的。一共有五个等级，分别称为一星级、二星级、三星级、四星级和五星级酒店。酒店星级越高评定的标准越是严苛，也说明酒店的档次越高。一星级酒店在酒店布局、客房、餐厅、厨房和公共区域有一定的评定标准。例如：饭店布局要合理，有适应所在地气候的采暖、制冷设备，各种指示要用中英文表示，前厅接待人员要用普通话提供接待、问询和结账等，提供小件行李存放服务，至少有15 间可供出租的客房，紧急出口等各种标识要清楚，位置要合理等。但相对其他高星级酒店要求较少。二星级酒店的评定也有相应的标准。例如：有与饭店规模、星级相适应的前厅和总服务台，要提供传真服务，要有客房价目表和所在地旅游景区介绍，有行李推车、提供行李出入房服务，提供小件行李存放服务，有管理人员 24 小时在岗值班，至少有 20 间可供出租的客房，照明充足，有遮光窗帘，并配有使用说明，能够用英语提供服务等。三星级酒店的评定也有相应的标准。例如：要设专职行李员，有小件行李存放处，至少有 30 间(套)可供出租的客房，免费提供茶叶或咖啡，提供衣装湿洗、干洗和熨烫服务等。四星级酒店的评定也有相应的标准。例如：要有中央空调（别墅式度假饭店除外），有背景音乐系统，18 小时提供外币兑换服务，提供国际互联网接入服务，3 层以上建筑物有数量充足的高质量客用电梯，用普通话和英语提供服务等。五星级酒店的总体评定标准有六条。主要包括：1.酒店功能划分要合理，设施使用方便，安全，酒店室内外装修高档，建筑及装修选用豪华材料；2.酒店内部公共信息图形符号要符合标准；3.要有中央空调和背景音响系统；4.要有相应的计算机管理系统。另外，五星级酒店的接待大厅、客房、餐饮和公共活动场所等方面也分别有具体的评定标准。

二、携程网站的武汉市酒店相关简介

（一）携程网站武汉市酒店的划分标准选取

  在过去的 2018 年，武汉市“旅游+”发展模式在市政府的高度重视下，旅游产业的综合协调发展和产业竞争力得到了持续提升，旅游市场需求不断增加，为当地酒店业带来全新的发展机遇。近年来，携程发展迅速，并购艺龙和去哪儿、入股同程，使得携程系在在线旅游市场的份额已然超过半数。基于携程的平台优势，本文则选择携程网站作为不同星级酒店用户满意度研究的数据来源。携程网站主要从价格、星级和高级筛选三个方面对酒店进行了划分。其中，价格将酒店划分为经济、舒服、高档、豪华四种档次；星级将酒店划分为二星级及以下、三星级、四星级、五星级四种档次；高级筛选将酒店划分为快捷连锁、中端连锁、高端连锁、酒店公寓、客栈、民宿、农家乐、特色住宿、别墅、青年旅社十种档次。结合携程网站酒店页面显示的特点，价格划分和星级划分属于相同的划分，例如：二星级及以下即为经济型酒店、三星级即为舒服型酒店，并且为了较为明显区分开不同档次酒店，本文研究选择了星级的分类方式对不同档次酒店进行划分。携程网站的武汉市不同星级酒店的分类具体如下表 1-1 所示：

第二章 酒店评论文本处理与情感分析理论

第一节 酒店评论文本处理相关理论

第二节 情感分类算法和评估标准相关理论

第三章 武汉市不同星级酒店用户满意度分析

第一节 酒店用户评论的收集与处理

第二节 武汉市不同星级酒店用户满意度实证研究

结论与建议

一、结论

  本文通过八爪鱼爬取携程网站武汉市不同星级酒店的用户评论，共计爬取 52708条有效评论作为研究样本。通过 Jieba 分词工具和 Python 编程语言对评论中的高频词进行提取、对文本特征词进行聚类分析、对评论文本的正负面情感进行分类，来研究不同星级酒店用户满意度。本文得出以下研究结论：

（一）武汉市不同星级酒店用户对酒店的关注点有较高的一致性

  对武汉市所有酒店的评论进行词频统计，得出用户对酒店的房间、服务关注度最高，其次是酒店的环境，另外对设施、交通、服务态度也有较高的关注，对酒店前台、卫生、位置、餐饮、设施等也有不同程度的关注。基于高频词数计算不同星级酒店之间的 Pearson 相关系数，得出用户对不同星级酒店的关注点具有较高的一致性。二星级及以下酒店用户更关注服务、干净和交通的便利，三星级酒店用户对酒店卫生、服务、性价比较为关注，四星级酒店用户对酒店设施、早餐、性价比有特别关注，五星级酒店用户对酒店卫生尤其关注。综合得出，不同星级酒店用户所关注的酒店特征基本一致，只是关注程度会有所不同。

（二）武汉市不同星级酒店用户对不同特征的满意度有一定差异

  基于高频词分析和不同特征词的情感倾向分析，综合得出五星级用户最关注的因素是设施、服务和环境，对价格关注较少。五星级酒店用户对不同特征的满意度从高到低依次排序为：卫生、餐饮、设施、交通位置、服务、环境、价格。基于高频词分析和不同特征词的情感倾向分析，综合得出四星级用户最关注的因素是设施、服务和餐饮，对交通位置关注较少。四星级酒店用户对不同特征的满意度从高到低依次排序为：餐饮、设施、卫生、交通位置、环境、服务、价格。基于高频词分析和不同特征词的情感倾向分析，综合得出三星级用户最关注的因素是设施、价格、卫生，对餐饮关注较少。三星级酒店用户对不同特征的满意度从高到低依次排序为：设施、交通位置、卫生、餐饮、环境、服务、价格。基于高频词分析和不同特征词的情感倾向分析，综合得出二星级及以下用户最关注的因素是价格、服务、交通位置，对餐饮和环境关注较少。二星级及以下酒店用户对不同特征的满意度从高到低依次排序为：价格、交通位置、餐饮、设施、卫生、环境、服务。