随着信息科技的迅速发展和网民的大规模增长,线上旅游平台相较于传统旅游公司日益繁荣。这些平台为用户提供了交流和共享旅游经历的机会,平台通过用户分享的游记、评论等,让旅游者了解旅游地的路线及景点评价等信息。目前游记已成为旅游者选择景点和旅游路线的重要参考之一。由于游记数量繁多而质量参差不齐,游记内容的冗余性和碎片化令用户花费大量的时间和精力。本文主要针对以下三个问题进行研究:第一,基于游记文本中相关旅游信息的实体及情感词识别。对于此研究,本文主要设置了以下4组对比实验:CRF模型、LSTM模型、考虑上下文信息的Bi-LSTM模型以及同CRF相结合的Bi-LSTM-CRF模型。实验结果表明:Bi-LSTM模型在命名实体识别时利用上下文信息,比LSTM模型的效果好。但使用CRF层代替Softmax层的Bi-LSTM-CRF模型效果最好,其准确率、召回率、F1值可以分别达到92.08%、89.27%、90.65%。第二,基于游记文本中游客评价的方面级情感分析。对于此研究,本文主要设置了以下4组对比实验:最基础方法Majority、LSTM模型、Deep Memory Network模型以及Deep Memory Network的改进模型。实验结果表明:Deep Memory Network模型及其改进模型在hop层为6时,正确率达到最高,且效果均比LSTM模型效果好。其中,Deep Memory Network改进模型的效果最好,正确率可以达到77.58%。最终,本文计算出各景点等的转移比率及其好评率后,用ArcGIS软件对文本中的热门景点路径进行渲染,结合其好评率最终得到景点路径及评价图,这样可以节省游客旅游前规划路径的时间,为游客带来便利。