基于ＴｅｘｔＣＮＮ和ＬｉｇｈｔＧＢＭ 的导游违规行为检测

来源：计算机技术与发展杂志2021年第05期北京时间：

作者：刘昌澍;';李　响;';詹瑾瑜;';江　维;李博智;曹　扬;';杨　瑞;'

单位：１．电子科技大学信息与软件工程学院，四川成都６１００５４２．中电科大数据研究院有限公司，贵州贵阳５５００２２３．提升政府治理能力大数据应用技术国家工程实验室，贵州贵阳５５００２２

摘要：人工处理旅游评论需要耗费大量人力，如何自动分析旅游评论检测出导游违规行为，为旅游监管提供依据，成为一个迫切需要解决的热点问题。该文提出了一种基于ＴｅｘｔＣＮＮ和ＬｉｇｈｔＧＢＭ的导游违规行为检测方法，首先构建旅游评论的文本卷积神经网络（ＴｅｘｔＣＮＮ）从海量旅游评论信息中筛选出负面评论；再将这些负面评论送入基于梯度提升决策树（ＬｉｇｈｔＧＢＭ）的导游违规行为分类模型，分析得到导游违规行为的具体类型分类及分类概率。使用准确率、召回率、Ｆ１值等多个性能指标对提出的模型进行测试与分析，实验数据表明，基于ＴｅｘｔＣＮＮ和ＬｉｇｈｔＧＢＭ的导游违规行为检测方法比一些其他主流方法和模型（ＳＶＭ、ＬＳＴＭ、ＸＧＢｏｏｓｔ等）具有更好的准确性和合理性。同时，该方法应用在实际旅游大数据系统中可以得到９１．５７％的准确率。

关键词：自然语言处理;情感分析;导游违规行为;文本卷积神经网络;梯度提升决策树