网络游记文本中旅游行程链提取方法

旅游行程链是按照时间顺序线性排列的旅游者停留节点有序集合，而网络游记文本正是旅游行程链的自然语言描述和表达。从网络游记文本中提取旅游行程链，分析行程结构，能给游客的行程制定、线路设计提供重要的参考。然而，网络游记文本中，语句逻辑关系不严谨，部分信息表达模糊、上下文相互关联，如何准确的自动提取行程信息，是一个值得深入研究的问题。现有研究提出了生成树算法、隐马尔科夫模型等方法，但是依赖于大量的数据标注、外部先验知识或者历史行程统计模型，方法的应用普适性还有待提升。

当前深度学习类方法在地理实体识别、属性抽取等方面已经取得了极高的准确率，但在复杂文本地理信息提取任务中，规则匹配仍然是一种效率较高的方法。本文在深入分析网络游记文本段落结构和表达特点的基础上，归纳行程节点和节点次序关系的句法表达规则，提出了基于句法规则的旅游行程链提取方法，涵盖了行程节点的识别、节点次序关系的识别和旅游行程链的生成。同时，本文采集了蚂蜂窝平台17226篇南京市网络游记文本数据，采用最长公共子序列算法，开展了本文方法的试验验证。通过对比分析，本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%，高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比实体关系抽取深度学习模型依赖于大量的信息标注，本文方法具有较强的适用性，仅需要构建区域旅游点名录，就能完成游记文本的行程重构。对比“文言一心”语言大模型，其在短文本行程节点识别中准确率高，但存在上下文关联不足、提取信息冗余等问题，还需要进一步的筛选和处理。但是，本文方法基于句法规则，有一定的局限性，灵活度较差，准确率提升有一定的上限。

阮 陵

安徽师范大学地理与旅游学院讲师，硕士生导师，主要从事旅游地理、旅游情感、旅游时空大数据等方面的研究。主持国家自然科学基金青年项目1项，参加2项国家标准、2项旅游行业标准、6项江苏省地方标准的编制，获得国家发明专利2项，发表学术论文10余篇。