基于春运大数据的交通运输领域词典构造及旅客情感分析

• 作者: 刘冬梅 李斌 查文斌 郭宇奇
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 智能交通 旅客情感分析 机器学习 春运大数据 词向量
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能交通
• 页码范围: 105-113
• 页数: 9页
• 分类号: U491
• 字数: 6111字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2020.03.013

摘要

为更好地把握春运期间广大旅客出行规律,深入了解旅客出行体验和服务需求,春运期间旅客在出行过程中对某些热点问题的关注度,以及对某种交通出行方式的满意度及情感倾向的分析与研究是一个很好地切入点.首先以实际采集的旅客在春运调查问卷中的开放性意见文本数据为基础,采用基于语义相似度和词向量方法,并结合机器学习算法分别构建了基础情感词典和交通运输领域情感词典.其次,在此基础上结合语义规则,基于春运交通大数据构建了运输领域旅客情感分析模型.最后,通过对实际采集的春运期间针对旅客出行的开放性问卷调查回收海量数据进行测试,验证了所提出的分析策略和模型能有效分析识别旅客的情感信息.其中,基础数据整合了春运期间铁路、航空、水运、公路等多种出行方式的旅客开放性意见海量数据,数据具有广泛的覆盖性和较强的代表性.从分析结果可以看出,北京、广东、江苏和四川等主要省市的旅客对购票问题更为关注,占比在30％左右;相比而言,河南和山东的旅客更为关注安全和服务,占比达到了33％以上.结果与实际情况是相符的,进一步证明所提出的模型具有很强的适应性,其结果可以作为交通运营服务评价和交通管理决策的重要依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李斌		18	75	4.0	8.0
2	刘冬梅		7	68	3.0	7.0
3	郭宇奇		1	0	0.0	0.0
4	查文斌		1	0	0.0	0.0