论文总字数：28627字

摘 要

近年来，民宿行业蓬勃发展，但是随着民宿的发展，民宿经营者面临越来越大的竞争压力和经营压力，调查民宿满意度的难度大大增加，越来越多的在线预定民宿网站也让网络评论数量越来越多，大数据必然是比问卷调查更加客观的，这些数据能很好的体现民宿的满意度，民宿经营者根据这些更加客观的数据能更加科学的科学的进行决策。

本文充分利用在线预定民宿的爱彼迎网站上的南京民宿评论，利用数据挖掘的方法对民宿满意度进行研究。研究步骤如下：

第一，利用网络爬虫技术对爱彼迎网站上南京民宿的评论内容进行爬取样本数据。

第二，利用python语言软件和 ROST CM软件对爬取到的所有评论数据进行可视化分析。

第三，利用情感分析计算出评论情感值。

第四，研究民宿的影响因素，得到了五个类别，得到每个类别的情感得分，统计每个类别中影响因素的情感倾向百分比。

最后，根据结果分析出提高顾客满意度的建议。

关键词：民宿满意度；python；文本挖掘；可视化分析；情感分析

Research on Nanjing City B amp; B Satisfaction Survey Based on Internet Reviews——Taking Airbnb as an Example

Abstract

In recent years, the homestay industry has been booming, but with the development of homestays, homestay operators are facing increasing competition and operating pressures. The difficulty of surveying homestay satisfaction has increased greatly. More and more online booking homestay websites The number of online reviews is increasing, and big data is necessarily more objective than questionnaire surveys. These data can well reflect the satisfaction of the homestay. The operator of the homestay can make more scientific and scientific decisions based on these more objective data.

This article makes full use of the reviews of Nanjing Bamp;B on the Airbnb website for online booking of Bamp;B, and uses data mining to study the satisfaction of the Bamp;B. The research steps are as follows:

First, use web crawler technology to crawl the sample data of the reviews of Nanjing Bamp;B on the Airbnb website.

Secondly, use python language software and ROST CM software to visually analyze all the comment data crawled.

Third, use sentiment analysis to calculate the sentiment value of reviews.

Fourth, study the influencing factors of the homestay, and get five categories, get the emotional score of each category, and count the emotional tendencies of influencing factors in each category.

Finally, according to the results, the suggestions for improving customer satisfaction are analyzed.

Keywords: homestay satisfaction; python; text mining; visual analysis; sentiment analysis

目 录

摘 要 I

Abstract II

目 录 III

第一章 导论 1

1.1研究的背景和意义 1

1.2国内外研究综述 1

1.2.1国外文件综述 1

1.2.2国内文件综述 2

1.3研究目标和内容 3

1.3.1研究目标 3

1.3.2研究内容 3

1.4研究路线和研究方法 4

1.4.1研究路线 4

1.4.2研究方法 4

第二章 基于文本挖掘的数据获取 5

2.1 数据的选取 5

2.1.1 在线预定民宿的网站选择 5

2.1.2南京民宿的特点和南京民宿店铺的选择 6

2.2数据爬取 7

2.3数据预处理 8

第三章 南京民宿评论的特征分析 10

3.1基于可视化技术的特征分析 10

3.1.1基于词云的可视化分析 10

3.1.2基于语义网络的可视化分析 11

第四章 基于情感词典的民宿评论情感分析 15

4.1 情感词典的构建 15

4.1.1 基础情感词典 15

4.1.2 否定词词典 15

4.1.3程度副词词典 15

4.2 算法分析 15

4.2.1 算法原理 15

4.2.2 算法设计 16

4.3 情感计算的结果分析 17

第 5 章 民宿满意度的影响因素 19

5.1 民宿满意度的影响因素研究 20

5.2 提出建议 21

第 6 章 总结与展望 23

6.1 总结 23

6.2 下一步工作的展望 24

参考文献 25

附录 28

致谢 39

第一章 导论

1.1研究的背景和意义

在线预定已经是人们出行主要预定民宿的方式，更具情怀、性价比更高的民宿逐渐更受到消费者追捧。民宿其实在一些大城市是一个高成本的行业，租房费用非常高，因为今年疫情的影响，很多民宿已经很久没有顾客，没有顾客就没有资金让他们付得起这高额的租房成本。

根据相关数据显示，高达90%的人都是通过在线预定民宿的网站来预订民宿，在这些民宿预订网站中，以榛果、途家、小猪和Airbnb几大平台为代表，而C2C是其主要的商业模式，其中Airbnb作为短租界鼻祖已经进入了全球十万个城市中，登记的民宿房源多达700万套，其中南京作为六朝古都十朝都会是旅游大市，房源也是非常多。

请支付后下载全文，论文总字数：28627字