摘要：主题公园商家与游客用户之间存在着信息不对称：主题公园商家无法准确获知游客用户的偏好需求，同时游客用户也无法精确了解主题公园商家提供的服务。本文以主题公园功能及相关的游客偏好为主要研究对象，基于社交媒体平台上用户生成内容的客观行为数据，通过运用文本处理、社交网络技术结合数据挖掘中的聚类、分类算法的方法，以识别游客社区、偏好领域，实现主题公园旅游市场的细分；并从商家的运营服务角度上，分析目前主体公园功能与游客用户需求偏好及游客用户社区之间的匹配程度，这是进一步实现精准营销和个性化推荐的前提。本文重点是基于能体现游客偏好的用户生成内容，识别用户对主题公园服务功能的偏好，以减少游客用户和商家之间的信息不对称程度，进而为商家制定个性化的精准营销策略提供智能化的模型及策略，以提高主题公园的客户满意度。

关键词：主题公园;智慧旅游;偏好识别;社区划分;旅游策略

Research on The Wisdom Tourism Strategy of Theme Park Based on User - Generated Content

Abstract：There is information asymmetry between the theme park merchant and the visitors: the theme park merchant can not accurately acknowledge the preferences of the visitors, and the visitors can not accurately understand the services provided by the theme park merchant. Based on the objective behavior data of user-generated content on the social media platform, this paper combines the text processing and social network technology with the clustering and classification algorithm in data mining to identify the tourist communities, preferences areas and achieve the segmentation of theme park tourism market; From the perspective of merchant, analyzing the degree of matching between the current service of the theme park and the visitors’ preferences, user community, which is the premise of accurate marketing and personalized recommendations. This paper focuses on the user-generated content based on the user preferences, identifies the visitors’ preferences for the theme park service function, reduces the degree of information asymmetry between the visitors and the merchant, and then provides the intelligence for the merchant to develop the personalized precise marketing strategy models and strategies to improve visitors’ satisfaction in the theme park.

Keywords: Theme park; wisdom tourism; preference recognition; community pision; tourism strategy

目录

0 引言 1

1 相关研究现状 1

1.1 用户偏好识别 1

1.2 用户社区划分 2

1.3 研究评述 2

1.4 本文创新点 3

1.5 研究内容和技术路线 3

2 基于耦合聚类的用户偏好识别模型 4

2.1 数据特征及相似性计算策略 4

2.2 数据抽样策略 5

2.3 用户偏好识别模型 5

2.3.1 基于偏好主题的用户社区划分 6

2.3.2 基于用户的偏好主题相关性分析 6

2.4 用户偏好模型实验 7

2.4.1 数据获取及预处理策略 8

2.4.2 耦合聚类模型实验 9

2.4.3 实验结果评价 13

3 基于分类的用户偏好识别模型 16

3.1 确定目标属性及处理策略 17

3.2 本文涉及的分类模型 17

3.3 基于分类的偏好领域划分 17

3.4 基于分类的聚类研究模型实验 18

3.4.1 选取目标属性 19

3.4.2 实现数据二元化 19

3.4.3 实现特征选择 19

3.4.4 基于分类的聚类模型实验步骤 20

3.4.5 实验结果分析 27

4 界定商家服务以及旅游策略研究 27

4.1 欢乐谷商家服务数据来源以及获取 27

4.2 界定欢乐谷商家的服务 27

4.3 基于用户偏好和商家服务的匹配分析 30

4.3.1用户的需求偏好得到匹配的部分 30

4.3.2用户偏好需求没有得到匹配部分 31

4.4 旅游策略制定 31

5 结论及不足 33