科研之友
微信
新浪微博
Facebook
分享链接
摘要
科技的发展使得数据量呈爆炸式增长，从数据中挖掘有价值的信息成为各行业研究的热点。旅游景点类型的准确划分，对于推动文化旅游产业发展具有重要意义。对此，论文融合景点评论构建景点异质信息网络，提出了SGAE（Scenic Spot Heterogeneous Graph Attention Embedding）模型。首先，从旅游网站和百科网站爬取国内部分5A和部分4A景点的描述以及景点的评论数据，通过对数据的处理和分析，从评论中挖掘出10个相关主题，构建由景点名称、景点评论和评论主题组成的异质信息网络；其次，将不同类型节点信息映射到同一空间，构造异质图卷积的逐层传播规则；然后，根据邻居节点的类型和节点的不同对某一具体节点的影响不同，将双层注意力引入异质图卷积网络中，提出SGAE模型，学习景点名称的低维特征表示，通过Softmax函数进行归一化，确定景点类型；最后，在景点数据集上与经典分类算法对比，所提出的SGAE模型在准确率和F1值较当前最优方法分别提高5%和4%，在公共数据集AGNews和MR上SGAE模型性能优于所有对比模型，且与分类效果最好的HGCN-RN模型相比，SGAE在AGNews上准确率和F1值分别提升了1.95%和1.98%，在MR上准确率和F1值分别提升了3.92%和6.96%，充分验证了论文所提算法在分类任务上的有效性。总之，针对景点分类问题，论文所提出的SGAE模型有效的提高了旅游景点分类问题的效果，具有较好的应用前景。
- 单位
