基于TextCNN和LightGBM的导游违规行为检测

• 作者: 刘昌澍 李响 詹瑾瑜 江维 李博智 曹扬 杨瑞
• 来源期刊: 计算机技术与发展
• 关键词: 自然语言处理 情感分析 导游违规行为 文本卷积神经网络 梯度提升决策树
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 143-149
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.05.025

摘要

人工处理旅游评论需要耗费大量人力,如何自动分析旅游评论检测出导游违规行为,为旅游监管提供依据,成为一个迫切需要解决的热点问题.该文提出了一种基于TextCNN和LightGBM的导游违规行为检测方法,首先构建旅游评论的文本卷积神经网络(TextCNN)从海量旅游评论信息中筛选出负面评论;再将这些负面评论送入基于梯度提升决策树(LightGBM)的导游违规行为分类模型,分析得到导游违规行为的具体类型分类及分类概率.使用准确率、召回率、F1值等多个性能指标对提出的模型进行测试与分析,实验数据表明,基于TextCNN和LightGBM的导游违规行为检测方法比一些其他主流方法和模型(SVM、LSTM、XGBoost等)具有更好的准确性和合理性.同时,该方法应用在实际旅游大数据系统中可以得到91.57％的准确率.