论文部分内容阅读
[摘 要]中国出境游客的消费偏好和兴趣特征研究已成为当前旅游学界研究的重要内容。现有研究主要围绕满意度调查和细分市场展开，在研究时效和话题覆盖方面存在一定的局限。文章借助网络大数据研究分析方法，基于游客情感分析理论，以赴澳中国游客发布在国内旅游网站的评论为素材展开分析，比较其与国际游客的差异性，继而解析主要影响因素。研究发现：（1）中国游客在吸引物类型和旅游活动两大要素上与国际游客存在较大差异；（2）目的地要素和吸引物类型均有可能引发中国赴澳游客的正负面旅游情绪，地标性景观和多样化特色较能引发中国游客的正面评价，而中国游客对澳文化资源和冒险性旅游活动评价较低；（3）中国游客对澳大利亚旅游城市的情感喜好，与其旅游资源的丰富程度和城市基本职能存在一定关联。这些发现与当前旅游研究的相关理论较为吻合，但与现存针对中国赴澳游客的满意度调查不一致。研究的意义在于开拓了研究游客偏好和评价的新方法，有助于更好地指导国际旅游目的地改进针对中国游客的营销策略和方式，具有较好的应用价值。
[关键词]大数据；游客情感；在线文本分析；中国出境游客；澳大利亚
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2017）05-0046-13
Doi： 10.3969/j.issn.1002-5006.2017.05.010
引言
当前中国日渐成为国际旅游市场中重要的客源地，出境游客数量不断攀升，并在2014年首次过亿。在此热潮的引领下，如何更精确地解析中国游客对海外旅游地的偏好、兴趣和评价等特征，成为学术界、业界和政府关注的焦点。当前国际学者们主要关注中国出境游群体的需求动机、目的地形象感知、出行特征等议题，并进一步依据满意度影响因素来探究中国游客群体的评价特征[1-3]。但是这些研究尚不足以判断并解释中国游客的旅游偏好和情感特征。首先，由于中国游客与国际游客的行为特征和偏好可能存在重大差异，能否使用基于国际游客建立的研究模型来研究中国游客的满意程度，仍是一个值得商榷的问题。其次，传统研究主要通过满意度指标来获取游客对旅游目的地的整体评价，但是实际上满意与否并不能准确地刻画游客对旅游目的地的情感正负面评价，以及影响这些评价的要素。尽管研究者可以通过问卷设计和访谈的方法，预设游客满意度评价指标和影响因素并进行测度，但是这种做法受限于研究者的知识水平问题，容易出现偏见和错误的预设。因此，如何更为全面地了解中国游客的整体消费偏好和情感特征，是当前国际旅游市场研究亟须解决的重要议题。
本文认为基于因特网的社交新媒体的兴起，为解决上述问题提供了新的路径。手机客户端自媒体软件普及，使得游客有机会在旅行的过程和之后在社交媒体发布大量的旅游评价信息，这些信息在内容和总量上都远远超过之前的PC时代。尽管当前学者们已经开始探讨利用网络产生的旅游大数据信息，对游客的情感展开分析，但仍未有成熟可靠的大数据处理方法[4]。与此同时，当前基于在线文本的情感研究，主要借助一般性词库对数据进行分类和探究[5-6]，暂未针对旅游活动构建情感评价词库，存在一定的专业领域局限性。鉴于上述考虑，本文借助游客情感分析的理论观点，尝试性地构建游客情感评价专属词库，并以赴澳中国游客为例，以在线评论为素材，探究中国出境游客群体对目的地的情感倾向，揭示中国出境游客的情感特征，以及引发正负面情感的影响因素。该研究从网络大数据中解读中国出境游客的情感特征，是一种基于旅游大数据探究游客情感倾向的尝试，有助于更好地指导国际旅游目的地改进针对中国游客的营销策略和方式，具有较高的应用价值。
1 中国出境游客特征与游客情感研究进展
当前，中国出境游群体的特征研究主要关注旅游需求、旅游动机、出行模式和旅游偏好等方面的差异问题，而聚焦到游客情感的角度对该群体的特征进行分析，主要来源于心理学和社会学等学科的研究。迄今，对中国出境游群体的特征和游客情感的综合探究中尚未有较为成熟和科学的尝试。下文依次对中国出境游客特征、游客情感分析、在线文本情感分析技术和旅游在线评论研究进行回顾和综述（如表1所示）。
首先，在中国出境游群体研究方面，基于旅游大数据的研究仍处于探索阶段，未形成体系化的分析框架和专属词库，这是学界尚未解决的研究问题之一。当前对中国出境游群体的研究中，学者们倾向于从跨文化的视角切入，探究旅游目的地选择、形象感知、游客行为特征等议题，并针对游客偏好和满意度的影响要素进行深入分析[7-10]。基于问卷、日记解读或访谈等调查方法，这些研究指出中国出境游客的满意度与自然环境质量、旅游吸引物、风景景观等要素正相关，而游客对语言类服务项目等要素持较低的满意度[11-12]。近年来，学者们不断在理论方法上做出新的尝试。赵忠君和孙霞借助扎根理论，从旅游评论中归纳和总结出48个影响中国出境游客满意度的因素，并构建“出境前准备阶段-旅游城市体验-旅游景区体验-配套设施与服务-游后评价”5个维度的理论模型[13]。但是，他们并没有对该模型所包含的48个要素进行明确的正负面评价区分，比如建筑文化、历史文化、旅游线路等要素，这些要素能够影响游客对景区的体验和评价，但如何影响并造成游客的何种情感倾向，仍存在一定的模糊性。尽管存在较多研究缺口，该研究是运用旅游大数据分析游客评价的突破性尝试，理论上可以全面覆盖中国出境游客发布在网络上的所有信息。然而，运用在线评论文本时，覆盖面偏差和自选择偏差的问题不置可否。覆盖面偏差源于这些在线评论的用户，大部分是年轻的、受过教育的、可以接触到网络的人群[14-15]；自选择偏差则是那些满意度更低的游客有更强烈的冲动去发表负面评論[16]。但是，相对于传统的通过问卷或访谈对游客进行情感分析的方法，旅游在线评论所涉及的群体类型和数量更为全面，给被调查者私密和方便的空间，也更少涉及伦理道德问题，同时尽可能避免调研者的主观影响，比如在访谈中对调查者的引导或暗示，问卷中题目对回答范围的限制等。 其次，当前游客情感已经成为一个新兴研究话题，但方法上还有待创新。
在传统的满意度研究中，采用抽样调查的方式，覆盖面偏差和认知偏差问题难以避免，因此通过游客情感的评价来判断消费者满意度的研究成为近年新兴的一个热点，主要集中于针对一般消费品的市场营销领域，尚未拓展到旅游市场领域。这些研究将游客情感区分为积极情感和消极情感两大类，并进一步划分为快乐、爱、幸福、恐惧、愤怒、悲伤、后悔等基本情绪，由此探究游客情感因素及可能产生的影响[17-20]。在影响因素的探究上，学者们主要从游客自身的角度展开，并结合认知评价理论进行解读。研究揭示出游客对目的地的开心、爱、惊喜、恐惧等基本情感，是由自我的目标一致性、内在的共通性、目标兴趣、自身想象力等评价性因素引起的[21-23]。而在游客情感的影响方面，根据“认知-情感-行为”理论，有学者发现游客情感作为中介要素，既受到服务公平性这一前因变量的作用，又能够正向影响游客满意度和口碑宣传，表明旅游活动也是情感体验过程[24]。尽管这些研究通过游客情感评价解释了旅游者自身认知及对服务质量满意度等问题，但基本采用实证调查，构建出一般性的情感评价模型，而缺乏专属于旅游活动的情感分析框架，导致旅游中的各要素与游客情感未能够完全匹配，无法针对旅游者和旅游目的地特点进行解释。
第三，当前在线文本情感分析技术的研究已经有较为成熟的研究套路，为本次研究提供了重要 基础。
传统的在线文本分析大多基于客观要素，而忽略情绪态度、情感倾向等主观信息。因此，近年来，在线评论的情感分析逐渐成为研究热点[25]。这一点在旅游领域中也受到学者们的特别关注，他们主要探讨酒店服务质量真实感知、目的地评价等话题[26-27]。当前，成熟的分析技术包括语义定位方法和机器学习方法。语义定位方法是通过测量词语与积极或消极之间的距离，对其进行情感分类；而机器学习方法则是通过事先的监督训练测试，进行观点挖掘和情感分析，常用的技术方法包括朴素贝叶斯、支持向量机、元语法模型等[28-30]。已有研究认为机器学习方法比语义定位方法更加可靠[31]，但是，机器学习方法需要大量的语料和长时间的训练和学习，而且学习之后的算法逻辑不得而知，无法根据旅游活动的特征展开针对性的解释，因此更适用于智能预测，而不适用于旅游现象的解析。另外，词汇是情感分析的基础元素，通过探析词汇的情感倾向，可以明确文本的情感定向。当前学者们已经根据不同情绪情感结构理论，建立了多个不同的情感词库和语料库，比如WordNet-Affect共筛选出4787个情感词，分为快乐、悲伤、愤怒和恐惧4种基本情绪。这些一般性词库已广泛运用到情感倾向的分析，用于解释网民情感卦象、舆论观点等话题。但是，因为游客在旅游语境中的情感表达具有特殊性和领域性，某一正面词汇在旅游语境下也有可能传达出负面意义，现有的词库并不能直接套用到旅游研究中。因此，有必要根据旅游的特点，综合考虑游客的行为特征和表达倾向，对游客情感评价词库进行提炼，以更全面地区分游客对目的地吸引物和旅游服务的情感特征和评价。
第四，旅游在线评论研究已经起步，但主要集中在酒店业，关注旅游者、行业和景区等层面，尚未将研究尺度拓展到旅游目的地。这个研究缺口为本文提供了良好的契机。
旅游在线评论因其简短、时效性强、样本量足等特点，逐渐受到学界的关注，学者们主要基于旅游者和旅游企业的视角，研究旅游者的满意度或感知可信度、对旅游企业绩效或品牌价值的影响等议题[32-35]。从旅游者的角度，学者们认为网络在线评论能够正向影响旅游者的感知形象、态度和旅游意向[36-37]。基于在線评论的大样本优势，Radojevic等抓取了欧洲47个首都城市共6768家酒店的2 067 370条在线评论，研究证实酒店的星级评论是影响顾客满意度最显著的因素，并识别出8个与以往研究不同的因素[16]。从旅游企业角度出发，学者们已辨析出网络总评价、负面评论被回复数等因素与酒店绩效正向相关[38]。比如，Ye等人的研究表明酒店在线评论与销售预订量之间具有显著的相关关系，并量化地指出在线评论每增加10%，酒店的网络预订将提高5%以上[39-40]。钟栎娜结合文本分析和复杂网络分析技术，定义了旅游地感知的22个要素，证明了旅游者对于旅游地的感知首先是环境整体，其次是功能性的因素，然后是最具有探索价值的因素，最后是旅游者认为具有一般价值的因素[41]。沈体雁等以国家5A级景区为例，构建了中国景区网络形象指数，并总结出这些形象存在4大分异，包括整体形象分异、空间分异、知名度与美誉度分异，以及类型分异[42]。但是，这些研究主要聚焦于酒店住宿业以及旅游景区，尚未充分关注目的地层面的在线评论。酒店业和景区的正负面评价指标，不足以表征对旅游目的地这一区域尺度的评价。因此，从目的地层面对游客情感倾向及其特征因素进行分析，是对现有目的地尺度研究的一个补充尝试。综上，从游客情感的角度切入，构建基于旅游活动的情感分析框架，探究中国出境游客群体在旅游评论中所呈现的情感特征和偏好，是本文聚焦的研究问题。
2 研究方法与数据
2.1 研究区域
本文选择澳大利亚作为研究区域，主要出于两方面考虑：第一，澳大利亚城市较少，近年旅游资源状况变动不大，数据稳定，较容易开展比较分析。第二，中国是澳大利亚旅游市场中重要的且增长迅猛的国际市场，2015年中国赴澳游客的人数达到102.36万人，较上年增长21.94%1，以澳大利亚为研究区域具有较好的现实指导意义。在此基础上，本文选取了澳大利亚10个著名的旅游城市为案例地，分别是：堪培拉、悉尼、墨尔本、布里斯班、凯恩斯、黄金海岸、阿德莱德、珀斯、霍巴特和北领地。其中，北领地为澳大利亚北方的自治领地，该区域包含艾尔斯岩、爱丽斯泉、帝王谷等著名景点，分布较为分散，故以北领地统称。
2.2 数据采集和处理方法
本文采集的数据来源于穷游网、蚂蜂窝网、携程网3个当前中国知名度较高的旅游社交网站，利用网络爬虫工具共抓取36 148条旅游在线评论，总字数超过247万字。数据收集时间截至2016年3月，所获得的评论主要来自2012—2015年。 在数据处理上，本次研究首先构建了基础旅游分析词库。该词库以HowNet（知网）词典2为基础词库，再通过大量读取（超过200篇游记）和整理旅游在线评论、游记、旅游文献，提炼出旅游专属词库。该词库内容覆盖旅游景区、餐饮、交通、住宿、娱乐、购物6个方面，共包含317个正面词汇和185个负面词汇。与HowNet词典相比，本次人工筛选新增298个词汇，只有40%与Hownet的词汇重合。与此同时，本文也对HowNet词典进行修正，删减部分只有在特定语境下才会表达出情感偏向的词汇和具有二义性的词汇。最终所构建的完整游客情感评价词库共包含3507个正面词汇和3365个负面词汇。
其次，考虑到中国游客表达的语义逻辑特征，笔者进一步对情感评价词前的程度副词、否定副词、转折词的作用进行梳理和解析，对于不同的词语赋予不同的系数。HowNet词库共收纳219个中文程度级别词语，并划分为6个等级，分别为极其|extreme/最|most、很|very、较|more、稍|-ish、欠|insufficiently、超|over。本次研究通过阅读所采集的评论发现，根据主要词汇和旅游评论的惯常表达方式，6个等级中的“稍”和“欠”等级十分接近，难以区分，所以合并为一个等级。同时，Hownet词库中有多个词同时出现在不同等级中，如“多”“还”等，而这种情况计算机无法识别其具体等级。因此，笔者经人工判断，将其归入一个等級，并删除极其少见的副词以减少计算量（如曷、碜、郅、綦、齁等词），最终获得171个程度副词。在此基础上，根据正负面词语的总体比例（4至5倍），以0.5分作为一个量级（以1分为量级，计算结果偏差巨大），将这5个级别的程度副词赋予“3，2.5，2，1.5，0.5”的系数分值。例如，当一条评论出现“美”这个词时，将被记录1分，而当“美”这个词的前面还有“超”或者“很”等程度副词的时候，分值将变为2.5分或者2分。对所有情感词进行得分计算之后，将对每一条评论的正负情感得分直接加总。除了程度副词之外，否定词和转折词的出现会导致语义发生变化，因此也需要考虑这些词的作用，具体规则见表2。
本次研究将采集到的评论，基于上述规则进行情感得分的计算，当总得分中正面情感得分超过负面情感得分时，将此条评论判定为正面评论。在做完上述的各种处理之后，本文借助武汉大学沈阳教授团队开发的内容挖掘软件ROST CM6中的“社会网络与语义网络分析”功能3，对已区分的正负面评论进行量化处理，生成关键词共现网络图，用于进一步分析正负面评价的结构与特征。
3 结果与讨论
经过上述方法处理，本研究总共提炼出96 653个正面词汇和14 989个负面词汇，正面词汇约为负面词汇的6.45倍；在设定规则的判断下，正面、中性和负面评论分别为28 568条、4646条和2934条，以正面评论为主（如表3所示）。其中，阿德莱德和凯恩斯是获得正面评论比例较高的城市，均超过80%；而获得负面评论较多的是霍巴特，比例超过10%；其他均保持较低水平。相对而言，堪培拉和布里斯班获得的评论比较中性，详见表3。
3.1 中外游客情感特征差异
为比较中国游客与国际游客的偏好差异，本文选取了Tripadvisor上对澳大利亚旅游景点的旅游评论排名作为参照系，截取同样的时间段中2450条由国际游客填写的旅游评论（这些评论已由该网站志愿者翻译成中文），构建国际游客群体的评论语义网络图。通过对比发现，中外游客对澳旅游城市的偏好和情感特征存在重大差异。
首先，从城市的排名差异（表3）可看出，没有一个城市在两个排名中的位序是一致的，大部分在2～3个位序之间波动，比如悉尼、墨尔本、霍巴特等城市；部分城市的排名位序出现较大变化，比如阿德莱德和黄金海岸，在中外的排名中几乎分属正负两面。总之，中国游客群体对澳的游客情感特征的特殊性十分明显。
其次，通过对比中外游客评论的语义网络图（图1和图2）可以发现，中国游客的网络图呈现多中心结构，分散组合成不同的网络；相反，国际游客群体的网络图以核心高频词“地方”作为单一中心节点，直接与多个要素关联。从要素内容上看，中国游客关注建筑、动植物、海滨等目的地要素，体现在“歌剧院、袋鼠、海滩”等高频词，同时也偏好观光类、休闲度假类的旅游活动，比如“欣赏、观光、冲浪”。相反，从“艺术、博物馆、咖啡馆、花园”等高频词看出外国游客关注艺术类、当地文化类或生活类的吸引物，同时还倾向于参加社交活动类和知识教育类的旅游活动，体现于“朋友、野餐、咖啡、放松”和“孩子、导游、展览、参观、博物馆”两类词。由此可见，中外游客群体在吸引物类型和旅游活动类型这两个维度发生差异。这个发现与现有研究基本一致，从旅行生涯阶梯理论或者文化差异理论都可以得到解释。
根据Pearce的旅行生涯阶梯理论[43]，游客的旅游需求随着旅游经历的积累会不断地改变和升级，逐步从较低层次的放松、安全保障需求，演变为追求更高层次的关系、自尊和发展、自我实现等需求。相对于国际旅游市场，中国出境游虽然增长十分迅猛，但起步较晚，旅游需求主要还是停留在观光、放松的层面，尚未发展到休闲度假、社交等层面，更不会是自我发现和自我实现[44]。将本文挖掘的中外游客评论的核心词汇进行归类，可以看出中外游客的差异基本符合这一点。中国出境游客在现阶段的旅游需求，以观光、休闲、度假、安全为主，因此对特色类景点、代表性地标、体验性活动要素产生较为丰富的游客情感；而外国游客在澳大利亚的旅游需求可能已递增到较高层次，因此对冒险类、艺术文化类等要素表现出较为丰富的情感。例如，在放松层次，中国游客的关注点以游览观光、休闲娱乐和体验项目为主；在安全层次，中国游客关注“中心区位”“可达性”“拥挤度”等要素，体现出中国游客在这方面的强烈需求，而外国游客在这方面没有显著情感。在关系、自尊和发展、自我实现等高层次中，中国游客基本没体现出明显的关注，而外国游客的关注则十分明显。一方面出现了大量关于冒险和体育类型活动相关的评论；另一方面，以野餐、朋友等要素所构建的社交类旅游活动和以孩子、博物馆、历史、艺术等要素所构建的知识教育类旅游活动也有所体现。这些差异表明国际游客已不满足于简单的观光游览，而注重通过旅行增进亲友间的关系、提高自我修养和挖掘自己的潜能。 本文所挖掘的文本数据只能描述特征，并不能解释因果关系。因此，上述解释只是一种理论猜测。同样，用文化差异理论也可以解释上述发现。现有研究认为，东方人出境游具有“保守集体主义”的文化特征，倾向于制定详细计划，必须“游有所得”，并且注重观光和增长见识；而西方游客则具有“积极个人主义”的文化特征，倾向于自由计划，注重休闲度假和追求新奇[45-46]。尽管这种差异尚未能认定为是定势感知（习惯性的认知偏见）还是真实的文化属性，但是本文的发现至少可以证实这种差异当前仍然十分明显。
3.2 中国游客总体正负面情感特征
在识别出中国赴澳游客总体评价关注点的基础上，本文进一步提取10个城市的正、负面评论，分别进行语义分析，构建语义网络图，探索正负面评价产生的缘由。其中，节点代表高频要素，节点之间的连线表示要素间的联系，线条的疏密代表共现频率的高低。
从正面评论网络图（图3）的总体结构来看，悉尼和墨尔本这两个城市在游客评论中的关联度最高，其他城市基本不可见。评论关键词的一级网络则由“悉尼、澳大利亚、地方、建筑”4个词构成。除去一些没有具体含义的介词、动词和形容词，“悉尼”主要链接的基本上是澳大利亚最有吸引力的景点；而“澳大利亚”主要链接的是“公园”“动物”；“地方”主要链接的是“景点”“风景”“美丽”等词语；“建筑”则主要链接了诸多相关的评价词，如“风格”“艺术”“古老”等。从链接的密集程度，基本上可以看出与悉尼相关的景点和澳大利亚的建筑物等旅游吸引物，是让游客产生正面评价的主要内容。传统印象中澳大利亚最为出名的滨海沙滩、冲浪、袋鼠和动物等等因素，虽然出现在网络中，但并不是决定游客正面评论的核心要素。在一级网络（黑点）中主要节点的差异性方面，“餐厅、购物、中心”等词语仅和“悉尼”相连；“免费”“参观”等词与地方和建筑相连，与“悉尼”无关。
负面评论所构建的语义网络图（图4）中，“悉尼、澳大利亚、建筑、地方、时间”5个词语构成了一级核心，表明这些核心吸引物同样也是负面情绪的主要来源。其中，“时间”是唯一在负面情感网络的中心词汇，与“排队、小时、距离、开车、表演”等词条相连，表明景区的进入性和拥堵程度极有可能是造成中国游客产生烦躁、恼怒、不开心情绪的重要因素。此外，比较突出的负面评价词是“遗憾”和“可惜”。“遗憾”主要与“建筑”“进去”和“拍照”相关联，极有可能是诸多建筑不允许游客拍照导致游客产生负面情绪。而“可惜”只鏈接了“悉尼”和“时间”两个词，基本可以判定是因为游客们普遍觉得在悉尼停留的时间不够而导致的。整体上，“遗憾”和“可惜”的负面情感主要是来自景观层面、时间层面和其他地方性层面的要素。值得注意的是，“刺激”一词本身判定为正面的旅游评价词汇，表达出兴奋、惊喜的正面情绪，但本文发现，该词频繁出现于负面评论语句中，与负面情绪同时出现，表明澳大利亚的冒险类、极限类、恐怖类的旅游项目，并不受中国游客的青睐。同时，“唐人街”也与“悉尼、地方”等核心高频词直接相连，通过判读原评论，发现其负面评论大部分集中于脏乱差、饮食没特色、餐饮价格过高等因素。
将正负面语义网络中的关键词进行分类，可以发现，游客的正负面情绪虽然来源于相似的要素，但是内容却有较大的差异。在目的地要素方面，正面情绪主要来源于餐饮、购物和中心区位；而负面情绪主要来源于唐人街、拥挤、天气、排队等因素。在吸引物类型方面，正面情绪主要来源于“滨海”“动植物”和“建筑”，相对而言，中国游客对“土著文化”和部分澳大利亚的“历史遗迹”没有好感。此外，澳大利亚的景观特点容易致使中国游客产生正面情绪，而冒险类的旅游活动则容易引发游客的负面情绪。
对比现有研究，本文进一步发现游客满意度不高并不代表游客会表达出负面情绪，这一点在餐饮、购物环节表现得较为明显。根据Jie和Carr的研究，以及澳大利亚旅游局2014年发布的中国游客满意度报告（以下简称2014报告）[47]，中国游客在澳购物和饮食的体验满意度不高[48]。而本文发现，购物和餐饮要素主要出现在中国游客正面评论的语义网络图中，在负面评论中很少被提及。在饮食方面，2014报告显示中国游客因为饮食的不适应性，对于袋鼠肉、鳄鱼肉等特色食物不太青睐。但是本文的分析发现，中国游客会对此产生正面评价，因为这些新奇事物能让中国游客产生好奇、特别、惊喜等情绪。在此背景下，游客更倾向于表现出正面情感，也更愿意去尝试和体验。在购物方面，尽管2014报告显示中国游客满意度不高，但是中国游客依然对澳大利亚的购物环境给予了较多和较为正面的评价。这种结果反映了中国人在旅游购物这方面的偏好有着较为特殊的文化背景。由于当前中国食品安全问题较为严重，因此对澳大利亚旅游饮食和保健产品会较为认可，而且加上中国人倾向于将旅行纪念品作为礼物馈赠，从而有助于自身在社会网络中维持良好的关系[49-50]。因此，尽管满意度不高，但中国游客仍然会出现较多和较正面的评价。
在负面情感的解析中，本文的发现也与现有研究存在着一定的差异。“唐人街”所具有的特色餐饮文化、以中文为基础的沟通交流环境，能够在一定程度上缓解其对陌生环境的恐惧，强化对地方的熟悉感。因此，唐人街的存在，被认为是对中国游客表现出友好态度的一种象征。2014报告指出，在澳大利亚的旅行中，80%的中国游客在行程的绝大部分饮食以中式食物为主，98%的中国游客会在旅程的某些时间点享用中国食物，而唐人街是中国游客此时的首选[48]。但是，在本研究中，“唐人街”却频繁出现于负面评论中，以负面情绪为主。笔者深入分析评论的内容发现，大部分中国游客将唐人街与物价高、饮食没特色、脏乱差、秩序混乱等联系起来，在其中没有体验到熟悉感，反而频繁出现被骗、被坑的事件，现实与预期的强烈反差使其表现出厌恶、讨厌等负面情绪。
本小节的发现与当前研究较为一致的地方，主要体现在旅游吸引物类型上。Packer等指出，中国游客更容易表达出一种与自然强烈的联系感，将大部分行程时间安排在自然类吸引物的游玩中[51]。这一点从图3中可以得到证实。建筑景观、海滨景观、动植物和表演类活动等要素，的确较容易引发中国游客产生正面评论。当然这一点也与旅游宣传的频度和强度有关。建筑、滨海和动物等因素是澳大利亚旅游宣传的重点，较容易受到游客的重点关注。 3.3 城市情感特征分类
从总体层面而言，中国游客对澳的正负面情感要素显著不同；而对于不同类型的城市，也具有差异化的情感倾向。在旅行中，随着旅游刺激物的不断变化和所面临的各种突發情况，游客对旅游地产生喜爱或厌恶的情感。上述分析可以看出，相同的旅游吸引物或者旅游服务要素，均有可能激发游客的正面或者负面的情绪，但从表3中，我们可以进一步看出，游客对不同城市评论的热度有显著的差异。因此，本文认为通过正负面评论的热度的组合，可以对旅游城市在游客心目中的地位进行刻画。主要可以有4种类型：分别是“爱”“怨”“爱怨交织”和“无感”4种类型：“爱”指的是旅游评论以正面情绪为主，例如喜爱、融入、惊喜等情感；“怨”指的是旅游评论以负面评论为主，例如厌恶、害怕、悲伤等消极情绪；而当游客在目的地的评论较多，而且正负面评论的数量较为相当时，我们称其为“爱恨交织”；相反，当总体评论偏少，而且正负面评论差异不算太大时，我们称这种情绪为“无感”。
经过分析发现，中国游客最“爱”的城市主要是阿德莱德、悉尼和墨尔本。因为悉尼和墨尔本为综合性旅游城市，提供多样的旅游吸引物和完善的旅游服务配套，满足中国游客观光、休闲、度假等旅游需求。相对而言，精致小城市型的阿德莱德，虽然吸引点不够丰富，但旅游资源本底较好，没有太多让游客产生负面情绪的资源和服务，因此它在中国游客的情感排名中位居第一名，正面评论比例高达81.8%。让中国游客最“怨”的城市主要是霍巴特和北领地，这些城市属于边缘型城市，旅游吸引物以历史遗址、土著文化、沙漠风光为主，区位较偏远，不在主要游线上，旅游服务配套不够完善，再加上不良天气、恶劣环境和交通等要素的存在，更容易触发中国游客的负面情绪和厌恶情感。
以“爱怨交织”为特征的城市主要是单一旅游资源型城市，比如凯恩斯和黄金海岸。这些城市具有重要的吸引物，如大堡礁、冲浪者天堂，也提供受青睐的特色体验活动。但由于缺乏多样性，单一旅游活动较为集中之后，容易产生拥挤、消费水平过高等负面情况，而且因为冒险类活动较多，容易让中国游客产生明显的负面情绪。最后，让中国游客较为“无感”的城市为布里斯班和堪培拉，中性情感评论占据较高比例。其主要原因是该类城市的旅游吸引物不突出，城市的主要职能也不是旅游城市。布里斯班主要是东海岸等旅游资源点的集散地，而堪培拉是首都，因此较难获得游客的青睐。
从上述分析中可以看出，城市的情感类型与其旅游资源的丰富程度和城市基本职能有着本质关联。旅游型的城市自然会引发更多游客的关注和评论，而综合型旅游城市与单一型旅游城市相比，更容易获得游客的好评，与常识判断一致，表明通过这种方法对城市的游客情感进行分类有一定的科学性。
4 结论和建议
本文借助网络大数据研究方法，以澳大利亚为例，从游客情感的角度来分析中国出境游群体的游客情感特征，主要得出3个结论：第一，基于情感特征的中外游客旅游偏好存在着重大差异，中国游客给予正面评价的旅游地与倍受国际游客好评的旅游地完全不一致，而且主要关注的要素比国际游客更为多样和分散，其内容也与国际游客有一定的差异。本文认为这种差异可能是因为中国游客和外国游客处于旅行者职业生涯阶梯的不同层级造成的，也可能是文化偏好差异所决定的。中国游客主要为了满足放松、观光和安全的需求，而国际游客更注重休闲度假和自我实现的需求。第二，让中国游客产生正负面评价的因素略有不同，中国游客尽管对某些旅游服务或因素不满意，但仍愿意给予好评。中国游客对澳大利亚的餐饮、建筑、购物、自然环境、地标性景观和多样化旅游资源都给予较多的好评，而对地方文化，例如土著和一些历史遗迹，以及冒险类旅游活动均无好感。本文发现，中国游客普遍对澳大利亚的旅游购物给予好评，但对唐人街等中国元素给予差评，这与澳大利亚旅游局所做的满意度调查结果相反。通过进一步解读评论内容，发现中国游客对旅游购物的好感来源于商品本身，而对中国元素不满是因为唐人街的饮食体验和购物信用状况均较差。第三，中国游客对澳大利亚旅游城市的情感喜好，与其旅游资源的丰富程度和城市基本职能存在一定关联，综合型旅游城市与单一型旅游城市相比，更容易获得游客的好评。
本研究的意义在于开拓了研究游客偏好和评价的新方法，有助于更好地指导国际旅游目的地改进针对中国游客的营销策略和方式，具有较好的应用价值。在方法上，本文是大数据研究分析技术对中国出境游客研究情感特征的积极尝试。主要结论与传统研究的理论（如旅行者职业生涯阶梯理论）和常识判断基本吻合，具有一定的创新性和科学性，适用于各种旅游目的地有针对性地开展市场分析研究。较于传统问卷调查和访谈法，这种基于大数据的研究方法具有实时性和全覆盖性，能够较为高效地获取游客对某一旅游地的整体评价状况，具有较好的应用价值。通过这种方式来刻画游客情感特征，可以更为深入地了解影响游客正负面评价的主要因素。在理论上，本次研究不仅对中国出境游研究领域做出有益补充，证实中外游客存在重大差异，揭示影响游客正负面情绪的主要因素，而且初步揭示了情感关注热度和旅游城市类型之间的关系，为进一步的理论探讨奠定基础。本文的局限性在于数据源仅来源于3个旅游评价网站，尚未实现真正意义的网络数据全覆盖。
基于上述发现，本文对旅游目的地营销和发展提出3点建议：第一，旅游目的地管理当局要充分认识到旅游大数据的重要性，并掌握正确的数据挖掘方法。不能持续依靠小规模调查访谈反馈回来的局部情况，来制定整体性的战略，一定要善用当前已经可用的在线旅游大数据来获取全局评价和判断。第二，在使用大数据时，要注意使用正确的数据挖掘和分析方法。当前可用的在线旅游大数据中，旅游电子商务网（如Tripadvisor和携程等）上酒店等预订类产品中，有两类数据存在潜在的不准确性：一是星级评分，一般情况下消费者会给予3～5分，而极少给出1分的差评，总体上会夸大其正面评价。二是消费者商品评论，商家有可能使用软文广告或者虚假评论的方式来增加其商品的吸引力。因此要注意使用科学的方法进行数据挖掘和清洗，进一步从游记和评论中去分析真实的情感特征，从而为旅游目的地的发展提供更加科学的决策支持。第三，具体到澳大利亚的旅游目的地，本文建议其近期应该开展营销策略调整，重新定位本国的旅游城市体系，并确立相应资源营销策略。在巩固传统重点旅游城市的基础上，重点开发中国游客所钟爱的旅游城市和旅游产品，进一步完善倍受中国游客青睐的吸引物和旅游服务，比如特色动植物、海滨风光、建筑等。对于单一资源型旅游城市，提供更多的体验性项目和活动。要加大力度摸查和测度中国游客的旅游偏好，在中国游客的自我实现需求不强烈的情况下，不要盲目开发文化类或历史类旅游资源。另外，对偏远的旅游目的地或景区，重点策略是完善旅游服务配套，特别是增加与中心性城市连接的交通设施，方便游客进入，使主游线能得以延伸和扩展。 参考文献（References）
[1] Arlt W G. The second wave of Chinese outbound tourism[J]. Tourism Planning & Development， 2013，10（2）：126-133.
[2] Packer J， Ritchie B， Ballantyne R. Travel Experiences of Chinese Visitors to Australia： China tourism research symposium[C]. Brisbanze： China Tourism Research Symposium， 2011.
[3] Wu M， Perace P L. Chinese recreational vehicle users in Australia： A netnographic study of tourist motivation[J]. Tourism Management ， 2014，43：22-35.
[4] Xu Rongyan. The excavation of tourism big data and its application in the tourism industry[J]. China Market ， 2014，（51）：204-205. [徐蓉艳. 旅游大数据与挖掘及其在旅游行业的应用方向[J]. 中国市场， 2014，（51）：204-205.]
[5] Ding Jianli， Ci Xiang， Huang Jianxiong. Orientation analysis of Web reviews[J]. Journal of Computer Applications ， 2010，30（11）：2937-2940. [丁建立， 慈祥， 黄剑雄. 网络评论倾向性分析[J]. 计算机应用， 2010，30（11）：2937-2940.]
[6] Yang Ding， Yang Aimin. Classification approach of Chinese texts sentiment based on semantic lexicon and naive Bayesian[J]. Application Research of Computers ， 2010，27（10）： 3737-3739.[杨鼎， 阳爱民. 一种基于情感词典和朴素贝叶斯的中文文本情感分类方法[J]. 计算机应用研究， 2010，27（10）： 3737-3739.]
[7] Huang S， Gross M J. Australia's destination image among mainland Chinese travelers： An exploratory study[J]. Journal of Travel & Tourism Marketing ， 2010， 27（1）：63-81.
[8] Hughes K， Wang J， Shu M. Exploring the travel patterns， preferences and recommendations of Chinese university students living in Australia[J]. Journal of Hospitality and Tourism Management ， 2015，23：12-22.
[9] Ma E， Liu Y， Li J， et， al. Anticipating Chinese tourists arrivals in Australia： A time series analysis[J]. Tourism Management Perspectives， 2016，17：50-58.
[10] Sparks B， Pang W. Chinese outbound tourists： Understanding their attitudes， constraints and use of information sources[J]. Tourism Management， 2009，30（4）：483-494.
[11] Weiler B， Yu X. Understanding Experiences of Chinese Visitors to Victoria[C]. Queensland， Australia： Cooperative Research Centre for Sustainable Tourism， 2006：1-46.
[12] Dou Shangxiao， Kong Haiyan. Research on Chinese outbound tourists’ satisfaction about hotel service quality in South Korea： The case of Jeju Island[J]. Tourism Forum， 2015，8（2）：42-47.[竇尚孝， 孔海燕. 基于IPA法的中国出境游客对韩国饭店业服务满意度分析——以济州岛为例[J]. 旅游论坛， 2015，8（2）：42-47.]
[13] Zhao Zhongjun， Sun Xia. Study on the factors of the outbound tourist satisfaction based on the grounded theory： Taking an example of the online customer reviews of the way Cattle Travel[J]. Journal of Xiangtan University ：Philosophy and Social Sciences ， 2015，（5）：87-91.[赵忠君， 孙霞. 基于扎根理论的出境游游客满意度影响因素研究——以途牛旅游网游客点评为例[J]. 湘潭大学学报： 哲学社会科学版， 2015，（5）：87-91.] [14] Bethlehem J. Selection bias in web surveys[J]. International Statistical Review， 2010，78（2）：161-188.
[15] Smyth J D， Dillman D A， Christian L M， et al. Using the Internet to survey small towns and communities： Limitations and possibilities in the early 21st century[J]. American Behavioral Scientist， 2010，53（9）：1423-1448.
[16] Radojevic T， Stanisic N， Stanic N. Ensuring positive feedback： Factors that influence customer satisfaction in the contemporary hospitality industry[J]. Tourism Management， 2015，51：13-21.
[17] Faullant T R， Matzler K， Mooradian T A. Personality， basic emotions， and satisfaction： Primary emotions in the mountaineering experience[J]. Tourism Management， 2011，32（6）：1423-1430.
[18] Mitas O， Yarnal C， Chick G. Jokes build community： Mature tourists’ positive emotions[J]. Annals of Tourism Research， 2012，39（4）：1884-1905.
[19] White C J. Culture， emotions and behavioural intentions： Implications for tourism research and practice[J]. Current Issues in Tourism， 2005，8（6）：510-531.
[20] Yue Guo'an， Dong Yinghong. On the categorical and dimensional approaches of the theories of the basic structure of emotions [J]. Nankai Journal：Philosophy，Literature and Social Science Edition ， 2013，（1）：140-150.[乐国安， 董颖红. 情绪的基本结构：争论、应用及其前瞻[J]. 南开学报：哲学社会科学版， 2013，（1）：140-150.]
[21] Hosany S. Appraisal determinants of tourist emotional responses[J]. Journal of Travel Research， 2012， 51（3）： 303-314.
[22] Ma J， Gao J， Scott N， et al. Customer delight from theme park experiences： The antecedents of delight based on cognitive appraisal theory[J]. Annals of Tourism Research， 2013，42：359-381.
[23] Carnicelli -Filho S， Schwartz G M， Tahara A K. Fear and adventure tourism in Brazil[J]. Tourism Management， 2010，31（6）：953-956.
[24] Su Lujun， Huang Fucai. A study on the relationships of service fairness， consumption emotions and tourist loyalty： A case study of rural tourists [J]. Geographical Research， 2011，（3）：463-476.[粟路军， 黄福才. 服务公平性、消费情感与旅游者忠诚关系——以乡村旅游者为例[J]. 地理研究， 2011，（3）：463-476.]
[25] Yue Guo'an， Dong Yinghong， Chen Hao， et al. Online textual sentiment analysis technology and its applications [J]. Advances in Psychological Science， 2013，21（10）：1711-1719.[樂国安， 董颖红， 陈浩， 等. 在线文本情感分析技术及应用[J]. 心理科学进展， 2013，21（10）：1711-1719.]
[26] Xiong Wei， Guo Yangjie. A study of text mining on online reviews of luxury business hotels in Guangzhou[J]. Journal of Beijing International Studies University， 2013，35（11）：38-47.[熊伟， 郭扬杰. 酒店顾客在线评论的文本挖掘[J]. 北京第二外国语学院学报， 2013，35（11）：38-47.] [27] Pan B， Fesenmaier D R. Semantics of online tourism and travel information search on the Internet： A preliminary study[A]// Frew A. Information and Communication Technologies in Tourism [M]. Innsbruck， Austria： Springer Verlag， 2002： 320-328.
[28] Pang B， Lee L. Opinion mining and sentiment analysis[J]. Foundations and Trends in Information Retrieval， 2008，2（1-2）：1-135.
[29] Ye Q， Zhang H Z， Law R. Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J]. Expert Systems with Applications， 2009，36（3）：6527-6535.
[30] Zhang Z， Ye Q， Zhang Z. Sentiment classification of Internet restaurant reviews written in Cantonese[J]. Expert Systems with Applications， 2011，38（6）：7674-7682.
[31] Chaovalit P， Zhou L. Movie review mining： A comparison between supervised and unsupervised classification approaches[A] // Proceedings of the 38th Annual Hawaii International Conference on System Science[C]. Big Island， HI， USA： IEEE Computer Society， 2005： 1-9.
[32] Callarisa L， Garcia J S， Cardiff J， et， al. Harnessing social media platforms to measure customer-based hotel brand equity[J]. Tourism Management Perspectives， 2012，4：73-79.
[33] Chaves M S， Gomes R， Pedron C. Analysing reviews in the Web 2.0： Small and medium hotels in Portugal[J]. Tourism Management， 2012，33（5）：1286-1287.
[34] Xiang Z， Schwartz Z， Uysal M. What Types of Hotels Make Their Guests （Un）happy？ Text Analytics of Customer Experiences in Online Reviews[M]. New York： Springer International Publishing， 2015： 33-45.
[35] Sparks B A， Browning V. The impact of online reviews on hotel booking intentions and perception of trust[J]. Tourism Management， 2011，32（6）：1310-1323.
[36] Fakharyan M， Jalilvand M R， Elyasi M， et al. The influence of online word of mouth communications on tourists' attitudes toward Islamic destinations and travel intention： Evidence from Iran[J]. African Journal of Business Management， 2012，6（38）：10381.
[37] Jalilvand M R， Samiel N， Dini B， et al. Examining the structural relationships of electronic word of mouth， destination image， tourist attitude toward destination and travel intention： An integrated approach[J]. Journal of Destination Marketing & Management， 2012，1（1）：134-143.
[38] Kim W G， Lim H， Brymer R A. The effectiveness of managing social media on hotel performance[J]. International Journal of Hospitality Management， 2015，44：165-171. [39] Ye Q， Law R， Gu B， et al. The influence of user-generated content on traveler behavior： An empirical investigation on the effects of e-word-of-mouth to hotel online bookings[J]. Computers in Human Behavior， 2011，27（2）：634-639.
[40] Ye Q， Law R， Gu B. The impact of online user reviews on hotel room sales[J]. International Journal of Hospitality Management， 2009，28（1）：180-182.
[41] Zhong Lina. A reconstruction of destinations' perception structure based on the context and complex network analysis. Tourism Tribune， 2015，30（8）：88-95.[钟栎娜. 旅游地感知结构重构——基于文本与复杂网络分析的研究[J]. 旅游学刊， 2015，30（8）：88-95.]
[42] Shen Tiyan， Huang Ning， Peng Changjiang， et al. Network image index of scenic spots： Based on a content analysis of 205 travel web sites[J]. Tourism Tribune， 2015，30（6）：80-90.[沈體雁， 黄宁， 彭长江， 等. 中国景区网络形象指数研究——基于互联网内容分析方法[J]. 旅游学刊， 2015，30（6）：80-90.]
[43] Pearce P L， Caltabiano M L. Inferring travel motivation from travelers' experiences[J]. Journal of Travel Research， 1983，22（2）：16-20.
[44] Zeng Bindan. The market development and theoretical demand of China's outbound tourism[J]. Tourism Tribune， 2011，26（9）：7-8.[曾斌丹. 中国出境旅游市场发展与理论需求[J]. 旅游学刊， 2011，26（9）：7-8.]
[45] Li Jian. A comparative study on tourism cultural viewpoint of Chinese and foreign tourists[J]. Journal of Hubei University of Economics：Humanities and Social Sciences， 2011，8（6）：136-137. [黎健. 中外游客的旅游文化观对比研究[J]. 湖北经济学院学报：人文社会科学版， 2011，8（6）：136-137.]
[46] Liang Xuesong， Ma Yaofeng， Li Tianshun. A comparative study on cross-cultural behavior of tourists between East and West in cultural marginal region[J]. Tourism Tribune， 2006，21（1）：36-39.[梁雪松， 马耀峰， 李天顺. “文化边际域”中东西方旅游者行为比较研究[J]. 旅游学刊， 2006，21（1）：36-39.]
[47] Auatralia T R. Chinese Visitor Satisfaction[R].2014：6.
[48] Jie J W， Carr N. Visitor satisfaction： An analysis of mainland Chinese tourists on the Australian Gold Coast[J]. International Journal of Hospitality & Tourism Administration， 2004，5（3）：31-48.
[49] Li Yongle， Zhang Qiusheng. On the tourist market from mainland China to Australia. Asia-pacific Economic Review， 2010，（6）：121-124.[李永乐， 张秋生. 中国大陆赴澳大利亚旅游的市场特征与对策[J]. 亚太经济， 2010，（6）：121-124.]
[50] Kwek A， Lee Y. How “Face” Matters： Chinese Corporate Tourists in Australia[J]. Journal of Travel & Tourism Marketing， 2015，32（1-2）：120-140.
[51] Packer J， Ballantyne R， Hughes K. Chinese and Australian tourists' attitudes to nature， animals and environmental issues： Implications for the design of nature-based tourism experiences[J]. Tourism Management， 2014，44：101-107.
[关键词]大数据；游客情感；在线文本分析；中国出境游客；澳大利亚
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2017）05-0046-13
Doi： 10.3969/j.issn.1002-5006.2017.05.010
引言
当前中国日渐成为国际旅游市场中重要的客源地，出境游客数量不断攀升，并在2014年首次过亿。在此热潮的引领下，如何更精确地解析中国游客对海外旅游地的偏好、兴趣和评价等特征，成为学术界、业界和政府关注的焦点。当前国际学者们主要关注中国出境游群体的需求动机、目的地形象感知、出行特征等议题，并进一步依据满意度影响因素来探究中国游客群体的评价特征[1-3]。但是这些研究尚不足以判断并解释中国游客的旅游偏好和情感特征。首先，由于中国游客与国际游客的行为特征和偏好可能存在重大差异，能否使用基于国际游客建立的研究模型来研究中国游客的满意程度，仍是一个值得商榷的问题。其次，传统研究主要通过满意度指标来获取游客对旅游目的地的整体评价，但是实际上满意与否并不能准确地刻画游客对旅游目的地的情感正负面评价，以及影响这些评价的要素。尽管研究者可以通过问卷设计和访谈的方法，预设游客满意度评价指标和影响因素并进行测度，但是这种做法受限于研究者的知识水平问题，容易出现偏见和错误的预设。因此，如何更为全面地了解中国游客的整体消费偏好和情感特征，是当前国际旅游市场研究亟须解决的重要议题。
本文认为基于因特网的社交新媒体的兴起，为解决上述问题提供了新的路径。手机客户端自媒体软件普及，使得游客有机会在旅行的过程和之后在社交媒体发布大量的旅游评价信息，这些信息在内容和总量上都远远超过之前的PC时代。尽管当前学者们已经开始探讨利用网络产生的旅游大数据信息，对游客的情感展开分析，但仍未有成熟可靠的大数据处理方法[4]。与此同时，当前基于在线文本的情感研究，主要借助一般性词库对数据进行分类和探究[5-6]，暂未针对旅游活动构建情感评价词库，存在一定的专业领域局限性。鉴于上述考虑，本文借助游客情感分析的理论观点，尝试性地构建游客情感评价专属词库，并以赴澳中国游客为例，以在线评论为素材，探究中国出境游客群体对目的地的情感倾向，揭示中国出境游客的情感特征，以及引发正负面情感的影响因素。该研究从网络大数据中解读中国出境游客的情感特征，是一种基于旅游大数据探究游客情感倾向的尝试，有助于更好地指导国际旅游目的地改进针对中国游客的营销策略和方式，具有较高的应用价值。
1 中国出境游客特征与游客情感研究进展
当前，中国出境游群体的特征研究主要关注旅游需求、旅游动机、出行模式和旅游偏好等方面的差异问题，而聚焦到游客情感的角度对该群体的特征进行分析，主要来源于心理学和社会学等学科的研究。迄今，对中国出境游群体的特征和游客情感的综合探究中尚未有较为成熟和科学的尝试。下文依次对中国出境游客特征、游客情感分析、在线文本情感分析技术和旅游在线评论研究进行回顾和综述（如表1所示）。
首先，在中国出境游群体研究方面，基于旅游大数据的研究仍处于探索阶段，未形成体系化的分析框架和专属词库，这是学界尚未解决的研究问题之一。当前对中国出境游群体的研究中，学者们倾向于从跨文化的视角切入，探究旅游目的地选择、形象感知、游客行为特征等议题，并针对游客偏好和满意度的影响要素进行深入分析[7-10]。基于问卷、日记解读或访谈等调查方法，这些研究指出中国出境游客的满意度与自然环境质量、旅游吸引物、风景景观等要素正相关，而游客对语言类服务项目等要素持较低的满意度[11-12]。近年来，学者们不断在理论方法上做出新的尝试。赵忠君和孙霞借助扎根理论，从旅游评论中归纳和总结出48个影响中国出境游客满意度的因素，并构建“出境前准备阶段-旅游城市体验-旅游景区体验-配套设施与服务-游后评价”5个维度的理论模型[13]。但是，他们并没有对该模型所包含的48个要素进行明确的正负面评价区分，比如建筑文化、历史文化、旅游线路等要素，这些要素能够影响游客对景区的体验和评价，但如何影响并造成游客的何种情感倾向，仍存在一定的模糊性。尽管存在较多研究缺口，该研究是运用旅游大数据分析游客评价的突破性尝试，理论上可以全面覆盖中国出境游客发布在网络上的所有信息。然而，运用在线评论文本时，覆盖面偏差和自选择偏差的问题不置可否。覆盖面偏差源于这些在线评论的用户，大部分是年轻的、受过教育的、可以接触到网络的人群[14-15]；自选择偏差则是那些满意度更低的游客有更强烈的冲动去发表负面评論[16]。但是，相对于传统的通过问卷或访谈对游客进行情感分析的方法，旅游在线评论所涉及的群体类型和数量更为全面，给被调查者私密和方便的空间，也更少涉及伦理道德问题，同时尽可能避免调研者的主观影响，比如在访谈中对调查者的引导或暗示，问卷中题目对回答范围的限制等。 其次，当前游客情感已经成为一个新兴研究话题，但方法上还有待创新。
在传统的满意度研究中，采用抽样调查的方式，覆盖面偏差和认知偏差问题难以避免，因此通过游客情感的评价来判断消费者满意度的研究成为近年新兴的一个热点，主要集中于针对一般消费品的市场营销领域，尚未拓展到旅游市场领域。这些研究将游客情感区分为积极情感和消极情感两大类，并进一步划分为快乐、爱、幸福、恐惧、愤怒、悲伤、后悔等基本情绪，由此探究游客情感因素及可能产生的影响[17-20]。在影响因素的探究上，学者们主要从游客自身的角度展开，并结合认知评价理论进行解读。研究揭示出游客对目的地的开心、爱、惊喜、恐惧等基本情感，是由自我的目标一致性、内在的共通性、目标兴趣、自身想象力等评价性因素引起的[21-23]。而在游客情感的影响方面，根据“认知-情感-行为”理论，有学者发现游客情感作为中介要素，既受到服务公平性这一前因变量的作用，又能够正向影响游客满意度和口碑宣传，表明旅游活动也是情感体验过程[24]。尽管这些研究通过游客情感评价解释了旅游者自身认知及对服务质量满意度等问题，但基本采用实证调查，构建出一般性的情感评价模型，而缺乏专属于旅游活动的情感分析框架，导致旅游中的各要素与游客情感未能够完全匹配，无法针对旅游者和旅游目的地特点进行解释。
第三，当前在线文本情感分析技术的研究已经有较为成熟的研究套路，为本次研究提供了重要 基础。
传统的在线文本分析大多基于客观要素，而忽略情绪态度、情感倾向等主观信息。因此，近年来，在线评论的情感分析逐渐成为研究热点[25]。这一点在旅游领域中也受到学者们的特别关注，他们主要探讨酒店服务质量真实感知、目的地评价等话题[26-27]。当前，成熟的分析技术包括语义定位方法和机器学习方法。语义定位方法是通过测量词语与积极或消极之间的距离，对其进行情感分类；而机器学习方法则是通过事先的监督训练测试，进行观点挖掘和情感分析，常用的技术方法包括朴素贝叶斯、支持向量机、元语法模型等[28-30]。已有研究认为机器学习方法比语义定位方法更加可靠[31]，但是，机器学习方法需要大量的语料和长时间的训练和学习，而且学习之后的算法逻辑不得而知，无法根据旅游活动的特征展开针对性的解释，因此更适用于智能预测，而不适用于旅游现象的解析。另外，词汇是情感分析的基础元素，通过探析词汇的情感倾向，可以明确文本的情感定向。当前学者们已经根据不同情绪情感结构理论，建立了多个不同的情感词库和语料库，比如WordNet-Affect共筛选出4787个情感词，分为快乐、悲伤、愤怒和恐惧4种基本情绪。这些一般性词库已广泛运用到情感倾向的分析，用于解释网民情感卦象、舆论观点等话题。但是，因为游客在旅游语境中的情感表达具有特殊性和领域性，某一正面词汇在旅游语境下也有可能传达出负面意义，现有的词库并不能直接套用到旅游研究中。因此，有必要根据旅游的特点，综合考虑游客的行为特征和表达倾向，对游客情感评价词库进行提炼，以更全面地区分游客对目的地吸引物和旅游服务的情感特征和评价。
第四，旅游在线评论研究已经起步，但主要集中在酒店业，关注旅游者、行业和景区等层面，尚未将研究尺度拓展到旅游目的地。这个研究缺口为本文提供了良好的契机。
旅游在线评论因其简短、时效性强、样本量足等特点，逐渐受到学界的关注，学者们主要基于旅游者和旅游企业的视角，研究旅游者的满意度或感知可信度、对旅游企业绩效或品牌价值的影响等议题[32-35]。从旅游者的角度，学者们认为网络在线评论能够正向影响旅游者的感知形象、态度和旅游意向[36-37]。基于在線评论的大样本优势，Radojevic等抓取了欧洲47个首都城市共6768家酒店的2 067 370条在线评论，研究证实酒店的星级评论是影响顾客满意度最显著的因素，并识别出8个与以往研究不同的因素[16]。从旅游企业角度出发，学者们已辨析出网络总评价、负面评论被回复数等因素与酒店绩效正向相关[38]。比如，Ye等人的研究表明酒店在线评论与销售预订量之间具有显著的相关关系，并量化地指出在线评论每增加10%，酒店的网络预订将提高5%以上[39-40]。钟栎娜结合文本分析和复杂网络分析技术，定义了旅游地感知的22个要素，证明了旅游者对于旅游地的感知首先是环境整体，其次是功能性的因素，然后是最具有探索价值的因素，最后是旅游者认为具有一般价值的因素[41]。沈体雁等以国家5A级景区为例，构建了中国景区网络形象指数，并总结出这些形象存在4大分异，包括整体形象分异、空间分异、知名度与美誉度分异，以及类型分异[42]。但是，这些研究主要聚焦于酒店住宿业以及旅游景区，尚未充分关注目的地层面的在线评论。酒店业和景区的正负面评价指标，不足以表征对旅游目的地这一区域尺度的评价。因此，从目的地层面对游客情感倾向及其特征因素进行分析，是对现有目的地尺度研究的一个补充尝试。综上，从游客情感的角度切入，构建基于旅游活动的情感分析框架，探究中国出境游客群体在旅游评论中所呈现的情感特征和偏好，是本文聚焦的研究问题。
2 研究方法与数据
2.1 研究区域
本文选择澳大利亚作为研究区域，主要出于两方面考虑：第一，澳大利亚城市较少，近年旅游资源状况变动不大，数据稳定，较容易开展比较分析。第二，中国是澳大利亚旅游市场中重要的且增长迅猛的国际市场，2015年中国赴澳游客的人数达到102.36万人，较上年增长21.94%1，以澳大利亚为研究区域具有较好的现实指导意义。在此基础上，本文选取了澳大利亚10个著名的旅游城市为案例地，分别是：堪培拉、悉尼、墨尔本、布里斯班、凯恩斯、黄金海岸、阿德莱德、珀斯、霍巴特和北领地。其中，北领地为澳大利亚北方的自治领地，该区域包含艾尔斯岩、爱丽斯泉、帝王谷等著名景点，分布较为分散，故以北领地统称。
2.2 数据采集和处理方法
本文采集的数据来源于穷游网、蚂蜂窝网、携程网3个当前中国知名度较高的旅游社交网站，利用网络爬虫工具共抓取36 148条旅游在线评论，总字数超过247万字。数据收集时间截至2016年3月，所获得的评论主要来自2012—2015年。 在数据处理上，本次研究首先构建了基础旅游分析词库。该词库以HowNet（知网）词典2为基础词库，再通过大量读取（超过200篇游记）和整理旅游在线评论、游记、旅游文献，提炼出旅游专属词库。该词库内容覆盖旅游景区、餐饮、交通、住宿、娱乐、购物6个方面，共包含317个正面词汇和185个负面词汇。与HowNet词典相比，本次人工筛选新增298个词汇，只有40%与Hownet的词汇重合。与此同时，本文也对HowNet词典进行修正，删减部分只有在特定语境下才会表达出情感偏向的词汇和具有二义性的词汇。最终所构建的完整游客情感评价词库共包含3507个正面词汇和3365个负面词汇。
其次，考虑到中国游客表达的语义逻辑特征，笔者进一步对情感评价词前的程度副词、否定副词、转折词的作用进行梳理和解析，对于不同的词语赋予不同的系数。HowNet词库共收纳219个中文程度级别词语，并划分为6个等级，分别为极其|extreme/最|most、很|very、较|more、稍|-ish、欠|insufficiently、超|over。本次研究通过阅读所采集的评论发现，根据主要词汇和旅游评论的惯常表达方式，6个等级中的“稍”和“欠”等级十分接近，难以区分，所以合并为一个等级。同时，Hownet词库中有多个词同时出现在不同等级中，如“多”“还”等，而这种情况计算机无法识别其具体等级。因此，笔者经人工判断，将其归入一个等級，并删除极其少见的副词以减少计算量（如曷、碜、郅、綦、齁等词），最终获得171个程度副词。在此基础上，根据正负面词语的总体比例（4至5倍），以0.5分作为一个量级（以1分为量级，计算结果偏差巨大），将这5个级别的程度副词赋予“3，2.5，2，1.5，0.5”的系数分值。例如，当一条评论出现“美”这个词时，将被记录1分，而当“美”这个词的前面还有“超”或者“很”等程度副词的时候，分值将变为2.5分或者2分。对所有情感词进行得分计算之后，将对每一条评论的正负情感得分直接加总。除了程度副词之外，否定词和转折词的出现会导致语义发生变化，因此也需要考虑这些词的作用，具体规则见表2。
本次研究将采集到的评论，基于上述规则进行情感得分的计算，当总得分中正面情感得分超过负面情感得分时，将此条评论判定为正面评论。在做完上述的各种处理之后，本文借助武汉大学沈阳教授团队开发的内容挖掘软件ROST CM6中的“社会网络与语义网络分析”功能3，对已区分的正负面评论进行量化处理，生成关键词共现网络图，用于进一步分析正负面评价的结构与特征。
3 结果与讨论
经过上述方法处理，本研究总共提炼出96 653个正面词汇和14 989个负面词汇，正面词汇约为负面词汇的6.45倍；在设定规则的判断下，正面、中性和负面评论分别为28 568条、4646条和2934条，以正面评论为主（如表3所示）。其中，阿德莱德和凯恩斯是获得正面评论比例较高的城市，均超过80%；而获得负面评论较多的是霍巴特，比例超过10%；其他均保持较低水平。相对而言，堪培拉和布里斯班获得的评论比较中性，详见表3。
3.1 中外游客情感特征差异
为比较中国游客与国际游客的偏好差异，本文选取了Tripadvisor上对澳大利亚旅游景点的旅游评论排名作为参照系，截取同样的时间段中2450条由国际游客填写的旅游评论（这些评论已由该网站志愿者翻译成中文），构建国际游客群体的评论语义网络图。通过对比发现，中外游客对澳旅游城市的偏好和情感特征存在重大差异。
首先，从城市的排名差异（表3）可看出，没有一个城市在两个排名中的位序是一致的，大部分在2～3个位序之间波动，比如悉尼、墨尔本、霍巴特等城市；部分城市的排名位序出现较大变化，比如阿德莱德和黄金海岸，在中外的排名中几乎分属正负两面。总之，中国游客群体对澳的游客情感特征的特殊性十分明显。
其次，通过对比中外游客评论的语义网络图（图1和图2）可以发现，中国游客的网络图呈现多中心结构，分散组合成不同的网络；相反，国际游客群体的网络图以核心高频词“地方”作为单一中心节点，直接与多个要素关联。从要素内容上看，中国游客关注建筑、动植物、海滨等目的地要素，体现在“歌剧院、袋鼠、海滩”等高频词，同时也偏好观光类、休闲度假类的旅游活动，比如“欣赏、观光、冲浪”。相反，从“艺术、博物馆、咖啡馆、花园”等高频词看出外国游客关注艺术类、当地文化类或生活类的吸引物，同时还倾向于参加社交活动类和知识教育类的旅游活动，体现于“朋友、野餐、咖啡、放松”和“孩子、导游、展览、参观、博物馆”两类词。由此可见，中外游客群体在吸引物类型和旅游活动类型这两个维度发生差异。这个发现与现有研究基本一致，从旅行生涯阶梯理论或者文化差异理论都可以得到解释。
根据Pearce的旅行生涯阶梯理论[43]，游客的旅游需求随着旅游经历的积累会不断地改变和升级，逐步从较低层次的放松、安全保障需求，演变为追求更高层次的关系、自尊和发展、自我实现等需求。相对于国际旅游市场，中国出境游虽然增长十分迅猛，但起步较晚，旅游需求主要还是停留在观光、放松的层面，尚未发展到休闲度假、社交等层面，更不会是自我发现和自我实现[44]。将本文挖掘的中外游客评论的核心词汇进行归类，可以看出中外游客的差异基本符合这一点。中国出境游客在现阶段的旅游需求，以观光、休闲、度假、安全为主，因此对特色类景点、代表性地标、体验性活动要素产生较为丰富的游客情感；而外国游客在澳大利亚的旅游需求可能已递增到较高层次，因此对冒险类、艺术文化类等要素表现出较为丰富的情感。例如，在放松层次，中国游客的关注点以游览观光、休闲娱乐和体验项目为主；在安全层次，中国游客关注“中心区位”“可达性”“拥挤度”等要素，体现出中国游客在这方面的强烈需求，而外国游客在这方面没有显著情感。在关系、自尊和发展、自我实现等高层次中，中国游客基本没体现出明显的关注，而外国游客的关注则十分明显。一方面出现了大量关于冒险和体育类型活动相关的评论；另一方面，以野餐、朋友等要素所构建的社交类旅游活动和以孩子、博物馆、历史、艺术等要素所构建的知识教育类旅游活动也有所体现。这些差异表明国际游客已不满足于简单的观光游览，而注重通过旅行增进亲友间的关系、提高自我修养和挖掘自己的潜能。 本文所挖掘的文本数据只能描述特征，并不能解释因果关系。因此，上述解释只是一种理论猜测。同样，用文化差异理论也可以解释上述发现。现有研究认为，东方人出境游具有“保守集体主义”的文化特征，倾向于制定详细计划，必须“游有所得”，并且注重观光和增长见识；而西方游客则具有“积极个人主义”的文化特征，倾向于自由计划，注重休闲度假和追求新奇[45-46]。尽管这种差异尚未能认定为是定势感知（习惯性的认知偏见）还是真实的文化属性，但是本文的发现至少可以证实这种差异当前仍然十分明显。
3.2 中国游客总体正负面情感特征
在识别出中国赴澳游客总体评价关注点的基础上，本文进一步提取10个城市的正、负面评论，分别进行语义分析，构建语义网络图，探索正负面评价产生的缘由。其中，节点代表高频要素，节点之间的连线表示要素间的联系，线条的疏密代表共现频率的高低。
从正面评论网络图（图3）的总体结构来看，悉尼和墨尔本这两个城市在游客评论中的关联度最高，其他城市基本不可见。评论关键词的一级网络则由“悉尼、澳大利亚、地方、建筑”4个词构成。除去一些没有具体含义的介词、动词和形容词，“悉尼”主要链接的基本上是澳大利亚最有吸引力的景点；而“澳大利亚”主要链接的是“公园”“动物”；“地方”主要链接的是“景点”“风景”“美丽”等词语；“建筑”则主要链接了诸多相关的评价词，如“风格”“艺术”“古老”等。从链接的密集程度，基本上可以看出与悉尼相关的景点和澳大利亚的建筑物等旅游吸引物，是让游客产生正面评价的主要内容。传统印象中澳大利亚最为出名的滨海沙滩、冲浪、袋鼠和动物等等因素，虽然出现在网络中，但并不是决定游客正面评论的核心要素。在一级网络（黑点）中主要节点的差异性方面，“餐厅、购物、中心”等词语仅和“悉尼”相连；“免费”“参观”等词与地方和建筑相连，与“悉尼”无关。
负面评论所构建的语义网络图（图4）中，“悉尼、澳大利亚、建筑、地方、时间”5个词语构成了一级核心，表明这些核心吸引物同样也是负面情绪的主要来源。其中，“时间”是唯一在负面情感网络的中心词汇，与“排队、小时、距离、开车、表演”等词条相连，表明景区的进入性和拥堵程度极有可能是造成中国游客产生烦躁、恼怒、不开心情绪的重要因素。此外，比较突出的负面评价词是“遗憾”和“可惜”。“遗憾”主要与“建筑”“进去”和“拍照”相关联，极有可能是诸多建筑不允许游客拍照导致游客产生负面情绪。而“可惜”只鏈接了“悉尼”和“时间”两个词，基本可以判定是因为游客们普遍觉得在悉尼停留的时间不够而导致的。整体上，“遗憾”和“可惜”的负面情感主要是来自景观层面、时间层面和其他地方性层面的要素。值得注意的是，“刺激”一词本身判定为正面的旅游评价词汇，表达出兴奋、惊喜的正面情绪，但本文发现，该词频繁出现于负面评论语句中，与负面情绪同时出现，表明澳大利亚的冒险类、极限类、恐怖类的旅游项目，并不受中国游客的青睐。同时，“唐人街”也与“悉尼、地方”等核心高频词直接相连，通过判读原评论，发现其负面评论大部分集中于脏乱差、饮食没特色、餐饮价格过高等因素。
将正负面语义网络中的关键词进行分类，可以发现，游客的正负面情绪虽然来源于相似的要素，但是内容却有较大的差异。在目的地要素方面，正面情绪主要来源于餐饮、购物和中心区位；而负面情绪主要来源于唐人街、拥挤、天气、排队等因素。在吸引物类型方面，正面情绪主要来源于“滨海”“动植物”和“建筑”，相对而言，中国游客对“土著文化”和部分澳大利亚的“历史遗迹”没有好感。此外，澳大利亚的景观特点容易致使中国游客产生正面情绪，而冒险类的旅游活动则容易引发游客的负面情绪。
对比现有研究，本文进一步发现游客满意度不高并不代表游客会表达出负面情绪，这一点在餐饮、购物环节表现得较为明显。根据Jie和Carr的研究，以及澳大利亚旅游局2014年发布的中国游客满意度报告（以下简称2014报告）[47]，中国游客在澳购物和饮食的体验满意度不高[48]。而本文发现，购物和餐饮要素主要出现在中国游客正面评论的语义网络图中，在负面评论中很少被提及。在饮食方面，2014报告显示中国游客因为饮食的不适应性，对于袋鼠肉、鳄鱼肉等特色食物不太青睐。但是本文的分析发现，中国游客会对此产生正面评价，因为这些新奇事物能让中国游客产生好奇、特别、惊喜等情绪。在此背景下，游客更倾向于表现出正面情感，也更愿意去尝试和体验。在购物方面，尽管2014报告显示中国游客满意度不高，但是中国游客依然对澳大利亚的购物环境给予了较多和较为正面的评价。这种结果反映了中国人在旅游购物这方面的偏好有着较为特殊的文化背景。由于当前中国食品安全问题较为严重，因此对澳大利亚旅游饮食和保健产品会较为认可，而且加上中国人倾向于将旅行纪念品作为礼物馈赠，从而有助于自身在社会网络中维持良好的关系[49-50]。因此，尽管满意度不高，但中国游客仍然会出现较多和较正面的评价。
在负面情感的解析中，本文的发现也与现有研究存在着一定的差异。“唐人街”所具有的特色餐饮文化、以中文为基础的沟通交流环境，能够在一定程度上缓解其对陌生环境的恐惧，强化对地方的熟悉感。因此，唐人街的存在，被认为是对中国游客表现出友好态度的一种象征。2014报告指出，在澳大利亚的旅行中，80%的中国游客在行程的绝大部分饮食以中式食物为主，98%的中国游客会在旅程的某些时间点享用中国食物，而唐人街是中国游客此时的首选[48]。但是，在本研究中，“唐人街”却频繁出现于负面评论中，以负面情绪为主。笔者深入分析评论的内容发现，大部分中国游客将唐人街与物价高、饮食没特色、脏乱差、秩序混乱等联系起来，在其中没有体验到熟悉感，反而频繁出现被骗、被坑的事件，现实与预期的强烈反差使其表现出厌恶、讨厌等负面情绪。
本小节的发现与当前研究较为一致的地方，主要体现在旅游吸引物类型上。Packer等指出，中国游客更容易表达出一种与自然强烈的联系感，将大部分行程时间安排在自然类吸引物的游玩中[51]。这一点从图3中可以得到证实。建筑景观、海滨景观、动植物和表演类活动等要素，的确较容易引发中国游客产生正面评论。当然这一点也与旅游宣传的频度和强度有关。建筑、滨海和动物等因素是澳大利亚旅游宣传的重点，较容易受到游客的重点关注。 3.3 城市情感特征分类
从总体层面而言，中国游客对澳的正负面情感要素显著不同；而对于不同类型的城市，也具有差异化的情感倾向。在旅行中，随着旅游刺激物的不断变化和所面临的各种突發情况，游客对旅游地产生喜爱或厌恶的情感。上述分析可以看出，相同的旅游吸引物或者旅游服务要素，均有可能激发游客的正面或者负面的情绪，但从表3中，我们可以进一步看出，游客对不同城市评论的热度有显著的差异。因此，本文认为通过正负面评论的热度的组合，可以对旅游城市在游客心目中的地位进行刻画。主要可以有4种类型：分别是“爱”“怨”“爱怨交织”和“无感”4种类型：“爱”指的是旅游评论以正面情绪为主，例如喜爱、融入、惊喜等情感；“怨”指的是旅游评论以负面评论为主，例如厌恶、害怕、悲伤等消极情绪；而当游客在目的地的评论较多，而且正负面评论的数量较为相当时，我们称其为“爱恨交织”；相反，当总体评论偏少，而且正负面评论差异不算太大时，我们称这种情绪为“无感”。
经过分析发现，中国游客最“爱”的城市主要是阿德莱德、悉尼和墨尔本。因为悉尼和墨尔本为综合性旅游城市，提供多样的旅游吸引物和完善的旅游服务配套，满足中国游客观光、休闲、度假等旅游需求。相对而言，精致小城市型的阿德莱德，虽然吸引点不够丰富，但旅游资源本底较好，没有太多让游客产生负面情绪的资源和服务，因此它在中国游客的情感排名中位居第一名，正面评论比例高达81.8%。让中国游客最“怨”的城市主要是霍巴特和北领地，这些城市属于边缘型城市，旅游吸引物以历史遗址、土著文化、沙漠风光为主，区位较偏远，不在主要游线上，旅游服务配套不够完善，再加上不良天气、恶劣环境和交通等要素的存在，更容易触发中国游客的负面情绪和厌恶情感。
以“爱怨交织”为特征的城市主要是单一旅游资源型城市，比如凯恩斯和黄金海岸。这些城市具有重要的吸引物，如大堡礁、冲浪者天堂，也提供受青睐的特色体验活动。但由于缺乏多样性，单一旅游活动较为集中之后，容易产生拥挤、消费水平过高等负面情况，而且因为冒险类活动较多，容易让中国游客产生明显的负面情绪。最后，让中国游客较为“无感”的城市为布里斯班和堪培拉，中性情感评论占据较高比例。其主要原因是该类城市的旅游吸引物不突出，城市的主要职能也不是旅游城市。布里斯班主要是东海岸等旅游资源点的集散地，而堪培拉是首都，因此较难获得游客的青睐。
从上述分析中可以看出，城市的情感类型与其旅游资源的丰富程度和城市基本职能有着本质关联。旅游型的城市自然会引发更多游客的关注和评论，而综合型旅游城市与单一型旅游城市相比，更容易获得游客的好评，与常识判断一致，表明通过这种方法对城市的游客情感进行分类有一定的科学性。
4 结论和建议
本文借助网络大数据研究方法，以澳大利亚为例，从游客情感的角度来分析中国出境游群体的游客情感特征，主要得出3个结论：第一，基于情感特征的中外游客旅游偏好存在着重大差异，中国游客给予正面评价的旅游地与倍受国际游客好评的旅游地完全不一致，而且主要关注的要素比国际游客更为多样和分散，其内容也与国际游客有一定的差异。本文认为这种差异可能是因为中国游客和外国游客处于旅行者职业生涯阶梯的不同层级造成的，也可能是文化偏好差异所决定的。中国游客主要为了满足放松、观光和安全的需求，而国际游客更注重休闲度假和自我实现的需求。第二，让中国游客产生正负面评价的因素略有不同，中国游客尽管对某些旅游服务或因素不满意，但仍愿意给予好评。中国游客对澳大利亚的餐饮、建筑、购物、自然环境、地标性景观和多样化旅游资源都给予较多的好评，而对地方文化，例如土著和一些历史遗迹，以及冒险类旅游活动均无好感。本文发现，中国游客普遍对澳大利亚的旅游购物给予好评，但对唐人街等中国元素给予差评，这与澳大利亚旅游局所做的满意度调查结果相反。通过进一步解读评论内容，发现中国游客对旅游购物的好感来源于商品本身，而对中国元素不满是因为唐人街的饮食体验和购物信用状况均较差。第三，中国游客对澳大利亚旅游城市的情感喜好，与其旅游资源的丰富程度和城市基本职能存在一定关联，综合型旅游城市与单一型旅游城市相比，更容易获得游客的好评。
本研究的意义在于开拓了研究游客偏好和评价的新方法，有助于更好地指导国际旅游目的地改进针对中国游客的营销策略和方式，具有较好的应用价值。在方法上，本文是大数据研究分析技术对中国出境游客研究情感特征的积极尝试。主要结论与传统研究的理论（如旅行者职业生涯阶梯理论）和常识判断基本吻合，具有一定的创新性和科学性，适用于各种旅游目的地有针对性地开展市场分析研究。较于传统问卷调查和访谈法，这种基于大数据的研究方法具有实时性和全覆盖性，能够较为高效地获取游客对某一旅游地的整体评价状况，具有较好的应用价值。通过这种方式来刻画游客情感特征，可以更为深入地了解影响游客正负面评价的主要因素。在理论上，本次研究不仅对中国出境游研究领域做出有益补充，证实中外游客存在重大差异，揭示影响游客正负面情绪的主要因素，而且初步揭示了情感关注热度和旅游城市类型之间的关系，为进一步的理论探讨奠定基础。本文的局限性在于数据源仅来源于3个旅游评价网站，尚未实现真正意义的网络数据全覆盖。
基于上述发现，本文对旅游目的地营销和发展提出3点建议：第一，旅游目的地管理当局要充分认识到旅游大数据的重要性，并掌握正确的数据挖掘方法。不能持续依靠小规模调查访谈反馈回来的局部情况，来制定整体性的战略，一定要善用当前已经可用的在线旅游大数据来获取全局评价和判断。第二，在使用大数据时，要注意使用正确的数据挖掘和分析方法。当前可用的在线旅游大数据中，旅游电子商务网（如Tripadvisor和携程等）上酒店等预订类产品中，有两类数据存在潜在的不准确性：一是星级评分，一般情况下消费者会给予3～5分，而极少给出1分的差评，总体上会夸大其正面评价。二是消费者商品评论，商家有可能使用软文广告或者虚假评论的方式来增加其商品的吸引力。因此要注意使用科学的方法进行数据挖掘和清洗，进一步从游记和评论中去分析真实的情感特征，从而为旅游目的地的发展提供更加科学的决策支持。第三，具体到澳大利亚的旅游目的地，本文建议其近期应该开展营销策略调整，重新定位本国的旅游城市体系，并确立相应资源营销策略。在巩固传统重点旅游城市的基础上，重点开发中国游客所钟爱的旅游城市和旅游产品，进一步完善倍受中国游客青睐的吸引物和旅游服务，比如特色动植物、海滨风光、建筑等。对于单一资源型旅游城市，提供更多的体验性项目和活动。要加大力度摸查和测度中国游客的旅游偏好，在中国游客的自我实现需求不强烈的情况下，不要盲目开发文化类或历史类旅游资源。另外，对偏远的旅游目的地或景区，重点策略是完善旅游服务配套，特别是增加与中心性城市连接的交通设施，方便游客进入，使主游线能得以延伸和扩展。 参考文献（References）
[1] Arlt W G. The second wave of Chinese outbound tourism[J]. Tourism Planning & Development， 2013，10（2）：126-133.
[2] Packer J， Ritchie B， Ballantyne R. Travel Experiences of Chinese Visitors to Australia： China tourism research symposium[C]. Brisbanze： China Tourism Research Symposium， 2011.
[3] Wu M， Perace P L. Chinese recreational vehicle users in Australia： A netnographic study of tourist motivation[J]. Tourism Management ， 2014，43：22-35.
[4] Xu Rongyan. The excavation of tourism big data and its application in the tourism industry[J]. China Market ， 2014，（51）：204-205. [徐蓉艳. 旅游大数据与挖掘及其在旅游行业的应用方向[J]. 中国市场， 2014，（51）：204-205.]
[5] Ding Jianli， Ci Xiang， Huang Jianxiong. Orientation analysis of Web reviews[J]. Journal of Computer Applications ， 2010，30（11）：2937-2940. [丁建立， 慈祥， 黄剑雄. 网络评论倾向性分析[J]. 计算机应用， 2010，30（11）：2937-2940.]
[6] Yang Ding， Yang Aimin. Classification approach of Chinese texts sentiment based on semantic lexicon and naive Bayesian[J]. Application Research of Computers ， 2010，27（10）： 3737-3739.[杨鼎， 阳爱民. 一种基于情感词典和朴素贝叶斯的中文文本情感分类方法[J]. 计算机应用研究， 2010，27（10）： 3737-3739.]
[7] Huang S， Gross M J. Australia's destination image among mainland Chinese travelers： An exploratory study[J]. Journal of Travel & Tourism Marketing ， 2010， 27（1）：63-81.
[8] Hughes K， Wang J， Shu M. Exploring the travel patterns， preferences and recommendations of Chinese university students living in Australia[J]. Journal of Hospitality and Tourism Management ， 2015，23：12-22.
[9] Ma E， Liu Y， Li J， et， al. Anticipating Chinese tourists arrivals in Australia： A time series analysis[J]. Tourism Management Perspectives， 2016，17：50-58.
[10] Sparks B， Pang W. Chinese outbound tourists： Understanding their attitudes， constraints and use of information sources[J]. Tourism Management， 2009，30（4）：483-494.
[11] Weiler B， Yu X. Understanding Experiences of Chinese Visitors to Victoria[C]. Queensland， Australia： Cooperative Research Centre for Sustainable Tourism， 2006：1-46.
[12] Dou Shangxiao， Kong Haiyan. Research on Chinese outbound tourists’ satisfaction about hotel service quality in South Korea： The case of Jeju Island[J]. Tourism Forum， 2015，8（2）：42-47.[竇尚孝， 孔海燕. 基于IPA法的中国出境游客对韩国饭店业服务满意度分析——以济州岛为例[J]. 旅游论坛， 2015，8（2）：42-47.]
[13] Zhao Zhongjun， Sun Xia. Study on the factors of the outbound tourist satisfaction based on the grounded theory： Taking an example of the online customer reviews of the way Cattle Travel[J]. Journal of Xiangtan University ：Philosophy and Social Sciences ， 2015，（5）：87-91.[赵忠君， 孙霞. 基于扎根理论的出境游游客满意度影响因素研究——以途牛旅游网游客点评为例[J]. 湘潭大学学报： 哲学社会科学版， 2015，（5）：87-91.] [14] Bethlehem J. Selection bias in web surveys[J]. International Statistical Review， 2010，78（2）：161-188.
[15] Smyth J D， Dillman D A， Christian L M， et al. Using the Internet to survey small towns and communities： Limitations and possibilities in the early 21st century[J]. American Behavioral Scientist， 2010，53（9）：1423-1448.
[16] Radojevic T， Stanisic N， Stanic N. Ensuring positive feedback： Factors that influence customer satisfaction in the contemporary hospitality industry[J]. Tourism Management， 2015，51：13-21.
[17] Faullant T R， Matzler K， Mooradian T A. Personality， basic emotions， and satisfaction： Primary emotions in the mountaineering experience[J]. Tourism Management， 2011，32（6）：1423-1430.
[18] Mitas O， Yarnal C， Chick G. Jokes build community： Mature tourists’ positive emotions[J]. Annals of Tourism Research， 2012，39（4）：1884-1905.
[19] White C J. Culture， emotions and behavioural intentions： Implications for tourism research and practice[J]. Current Issues in Tourism， 2005，8（6）：510-531.
[20] Yue Guo'an， Dong Yinghong. On the categorical and dimensional approaches of the theories of the basic structure of emotions [J]. Nankai Journal：Philosophy，Literature and Social Science Edition ， 2013，（1）：140-150.[乐国安， 董颖红. 情绪的基本结构：争论、应用及其前瞻[J]. 南开学报：哲学社会科学版， 2013，（1）：140-150.]
[21] Hosany S. Appraisal determinants of tourist emotional responses[J]. Journal of Travel Research， 2012， 51（3）： 303-314.
[22] Ma J， Gao J， Scott N， et al. Customer delight from theme park experiences： The antecedents of delight based on cognitive appraisal theory[J]. Annals of Tourism Research， 2013，42：359-381.
[23] Carnicelli -Filho S， Schwartz G M， Tahara A K. Fear and adventure tourism in Brazil[J]. Tourism Management， 2010，31（6）：953-956.
[24] Su Lujun， Huang Fucai. A study on the relationships of service fairness， consumption emotions and tourist loyalty： A case study of rural tourists [J]. Geographical Research， 2011，（3）：463-476.[粟路军， 黄福才. 服务公平性、消费情感与旅游者忠诚关系——以乡村旅游者为例[J]. 地理研究， 2011，（3）：463-476.]
[25] Yue Guo'an， Dong Yinghong， Chen Hao， et al. Online textual sentiment analysis technology and its applications [J]. Advances in Psychological Science， 2013，21（10）：1711-1719.[樂国安， 董颖红， 陈浩， 等. 在线文本情感分析技术及应用[J]. 心理科学进展， 2013，21（10）：1711-1719.]
[26] Xiong Wei， Guo Yangjie. A study of text mining on online reviews of luxury business hotels in Guangzhou[J]. Journal of Beijing International Studies University， 2013，35（11）：38-47.[熊伟， 郭扬杰. 酒店顾客在线评论的文本挖掘[J]. 北京第二外国语学院学报， 2013，35（11）：38-47.] [27] Pan B， Fesenmaier D R. Semantics of online tourism and travel information search on the Internet： A preliminary study[A]// Frew A. Information and Communication Technologies in Tourism [M]. Innsbruck， Austria： Springer Verlag， 2002： 320-328.
[28] Pang B， Lee L. Opinion mining and sentiment analysis[J]. Foundations and Trends in Information Retrieval， 2008，2（1-2）：1-135.
[29] Ye Q， Zhang H Z， Law R. Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J]. Expert Systems with Applications， 2009，36（3）：6527-6535.
[30] Zhang Z， Ye Q， Zhang Z. Sentiment classification of Internet restaurant reviews written in Cantonese[J]. Expert Systems with Applications， 2011，38（6）：7674-7682.
[31] Chaovalit P， Zhou L. Movie review mining： A comparison between supervised and unsupervised classification approaches[A] // Proceedings of the 38th Annual Hawaii International Conference on System Science[C]. Big Island， HI， USA： IEEE Computer Society， 2005： 1-9.
[32] Callarisa L， Garcia J S， Cardiff J， et， al. Harnessing social media platforms to measure customer-based hotel brand equity[J]. Tourism Management Perspectives， 2012，4：73-79.
[33] Chaves M S， Gomes R， Pedron C. Analysing reviews in the Web 2.0： Small and medium hotels in Portugal[J]. Tourism Management， 2012，33（5）：1286-1287.
[34] Xiang Z， Schwartz Z， Uysal M. What Types of Hotels Make Their Guests （Un）happy？ Text Analytics of Customer Experiences in Online Reviews[M]. New York： Springer International Publishing， 2015： 33-45.
[35] Sparks B A， Browning V. The impact of online reviews on hotel booking intentions and perception of trust[J]. Tourism Management， 2011，32（6）：1310-1323.
[36] Fakharyan M， Jalilvand M R， Elyasi M， et al. The influence of online word of mouth communications on tourists' attitudes toward Islamic destinations and travel intention： Evidence from Iran[J]. African Journal of Business Management， 2012，6（38）：10381.
[37] Jalilvand M R， Samiel N， Dini B， et al. Examining the structural relationships of electronic word of mouth， destination image， tourist attitude toward destination and travel intention： An integrated approach[J]. Journal of Destination Marketing & Management， 2012，1（1）：134-143.
[38] Kim W G， Lim H， Brymer R A. The effectiveness of managing social media on hotel performance[J]. International Journal of Hospitality Management， 2015，44：165-171. [39] Ye Q， Law R， Gu B， et al. The influence of user-generated content on traveler behavior： An empirical investigation on the effects of e-word-of-mouth to hotel online bookings[J]. Computers in Human Behavior， 2011，27（2）：634-639.
[40] Ye Q， Law R， Gu B. The impact of online user reviews on hotel room sales[J]. International Journal of Hospitality Management， 2009，28（1）：180-182.
[41] Zhong Lina. A reconstruction of destinations' perception structure based on the context and complex network analysis. Tourism Tribune， 2015，30（8）：88-95.[钟栎娜. 旅游地感知结构重构——基于文本与复杂网络分析的研究[J]. 旅游学刊， 2015，30（8）：88-95.]
[42] Shen Tiyan， Huang Ning， Peng Changjiang， et al. Network image index of scenic spots： Based on a content analysis of 205 travel web sites[J]. Tourism Tribune， 2015，30（6）：80-90.[沈體雁， 黄宁， 彭长江， 等. 中国景区网络形象指数研究——基于互联网内容分析方法[J]. 旅游学刊， 2015，30（6）：80-90.]
[43] Pearce P L， Caltabiano M L. Inferring travel motivation from travelers' experiences[J]. Journal of Travel Research， 1983，22（2）：16-20.
[44] Zeng Bindan. The market development and theoretical demand of China's outbound tourism[J]. Tourism Tribune， 2011，26（9）：7-8.[曾斌丹. 中国出境旅游市场发展与理论需求[J]. 旅游学刊， 2011，26（9）：7-8.]
[45] Li Jian. A comparative study on tourism cultural viewpoint of Chinese and foreign tourists[J]. Journal of Hubei University of Economics：Humanities and Social Sciences， 2011，8（6）：136-137. [黎健. 中外游客的旅游文化观对比研究[J]. 湖北经济学院学报：人文社会科学版， 2011，8（6）：136-137.]
[46] Liang Xuesong， Ma Yaofeng， Li Tianshun. A comparative study on cross-cultural behavior of tourists between East and West in cultural marginal region[J]. Tourism Tribune， 2006，21（1）：36-39.[梁雪松， 马耀峰， 李天顺. “文化边际域”中东西方旅游者行为比较研究[J]. 旅游学刊， 2006，21（1）：36-39.]
[47] Auatralia T R. Chinese Visitor Satisfaction[R].2014：6.
[48] Jie J W， Carr N. Visitor satisfaction： An analysis of mainland Chinese tourists on the Australian Gold Coast[J]. International Journal of Hospitality & Tourism Administration， 2004，5（3）：31-48.
[49] Li Yongle， Zhang Qiusheng. On the tourist market from mainland China to Australia. Asia-pacific Economic Review， 2010，（6）：121-124.[李永乐， 张秋生. 中国大陆赴澳大利亚旅游的市场特征与对策[J]. 亚太经济， 2010，（6）：121-124.]
[50] Kwek A， Lee Y. How “Face” Matters： Chinese Corporate Tourists in Australia[J]. Journal of Travel & Tourism Marketing， 2015，32（1-2）：120-140.
[51] Packer J， Ballantyne R， Hughes K. Chinese and Australian tourists' attitudes to nature， animals and environmental issues： Implications for the design of nature-based tourism experiences[J]. Tourism Management， 2014，44：101-107.