基于TripAdvisor的中国旅游目的地国际关注与空间格局_tripadvisor论文

基于Tripadvisor的中国旅游地国际关注度及空间格局，本文主要内容关键词为：旅游地论文,中国论文,格局论文,国际论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      1 引言

      采用智能化手段处理互联网上的海量信息是智慧信息时代的重要特征。旅游业是一个信息敏感性产业，旅游者从旅行前的检索、规划和决策，到旅行中的行为与感知，再到旅行结束后的评价和反馈，都在生产与旅游相关的信息，这些信息中包含大量用户贡献内容(UGC，User Generated Content)。众多的网络论坛、博客等电子社区和照片等多媒体分享网站都是UGC的生产平台。这类互联网应用也受到在线旅游者的欢迎(Xiang et al.，2010)，他们愿意与他人分享旅行经历(Akehurst，2009)，其中，有关旅游地和产品的评论可以直接影响旅游者决策(Lu et al.，2012)。UGC越来越被认为是可信的口碑传播形式(Stepchenkova et al.，2013)，这也促使旅游产业运营方式和旅游者行为模式发生根本性改变。因此，通过智能化手段对信息进行处理，了解UGC中包含的旅游关注度信息就显得非常必要。

      旅游关注度与旅游满意度、旅游感知研究一样，都用于描述旅游者对旅游活动相关区域、设施和服务等的态度与情感，其研究结果可以服务于旅游政策制定、规划管理与决策。满意度与感知研究侧重表达已经体验过的旅游活动，而关注度研究则不区分参与者是否真正经历了旅游活动，因此还包括潜在旅游者的贡献。

      中国学者在基于网络信息的旅游关注度研究中，多数使用了百度搜索及其提供的百度指数模型(李山等，2008；龙茂兴等，2011；马丽君等，2011；林志慧等，2012；龙茂兴等，2013)；另外也有学者使用Google搜索进行案例研究(王章郡等，2011)。基于搜索引擎及其提供的固定模型研究具有方便、快捷的特点，但也存在模型参数较难调整，数据源多样化带来的分类和深度筛选困难等问题。

      旅游电子社交网络为旅游休闲业的发展提供了机遇(Sparks et al.，2013)，也为开展旅游关注度研究提供了海量数据，与基于网络信息的旅游关注度研究相比，数据更具旅游方向性。其生产的UGC相对于封闭式问卷能提供更丰富的数据内容，可用于分析旅游者满意度、印象感知，发现旅游引起的文化、生态变化特征(Ricker et al.，2013)。例如，将网络游记作为部分数据来源，获取旅游客流数据，研究跨界旅游空间格局及优化路径(彭红松等，2014)；利用旅游者上传的照片分析其对旅游地的关注度(王守成等，2014)，或基于公众上传照片分析城市环境感知的空间模式(Feick et al.，2013)等。

      Tripadvisor①是全球第一的旅游评论网站，拥有超过1000万的注册会员和每月2亿的活跃用户数，已成为一个大型在线“数据库”，积累了大量关于旅游的UGC。本文旨在建立一个基于电子社区内容的旅游关注度计算模型，以Tripadvisor中关于中国旅游的文本信息为基础，开展区域旅游关注度的实证研究，并结合GIS数据库挖掘关注度的空间格局，为旅游地理学利用UGC进行研究提供参考。

      2 电子社区的旅游关注度模型

      电子社区中有关某一事物或现象的论坛、话题和评论数量的多少是社区成员关注该事象热度高低的最直接表现。因此，电子社区中的区域旅游关注度可以通过相关社区中的论坛、话题和评论的数量多少进行初步表征。

      2.1 关注度模型的主要因子

      2.1.1 旅游地名的使用频率

      城市名称、旅游地名称等是旅游电子社区用户创建相关讨论区、发表话题和评论的关键词，本文将相关旅游文本中出现城市和旅游地名称的频次作为构建区域旅游关注度模型的核心参数。由于社区用户关注的旅游地名频次差异较大，为了便于关注度模型的表达和计算结果的区域间对比，需要对地名统计频次进行标准化处理。在保证原始数据数值变化特征不变的前提下，模型中以论坛、话题、评论作为不同的统计版块，基于各版块同类地名的总频次，对该版块文本中的旅游地名、城市地名出现频次进行标准化处理，使结果落到[0～1]区间，得到各旅游地或城市名称的出现频率(

)，具体公式为：

      

      式中：x为该版块出现的某一地名的频次；

为某版块出现的同类地名的总频次。旅游地或城市地名的出现频率将作为电子社区对其关注度的基本指数，为后续基于社区层次结构的加权计算和不同量级数据的关注度集成奠定基础。

      2.1.2 电子社区的层次结构

      旅游电子社区一般拥有清晰的层次结构，并在各层次上由管理员或用户划分出不同的主题版块，以吸引相关用户针对同一主题或内容开展交流探讨。层次结构与版块的设计有利于信息分类整合和搜集，例如Tripadvisor旅游社区的层次结构是“Forum(论坛)—Topic(话题)—Review(旅评)”(图1)，论坛是Tripadvisor的基本单元，注册用户可以创建或选择已存在的论坛，在相关论坛下发布话题，或在话题下发表评论。通过系统分析发现，由于旅游社区的特殊性，Tripadvisor用户大量使用旅游目的地名称或相关标志性地物名称作为论坛、话题和评论的关键词，说明地名可以反映用户对旅游目的地的关注情况。

      

      图1 Tripadvisor旅游社区的层次结构图(以论坛Beijing为例)

      鉴于社区层次结构划分对旅游描述信息组织的重要作用，用户在社区不同层次上使用地名对相关区域旅游关注度的贡献也不一样。在综合电子社区层次结构特征和Tripadvisor的旅游信息特点的基础上，分别赋予论坛0.6、话题0.25、评论0.15的权重分值，用于旅游关注度模型中的地名频率加权。

      2.2 旅游吸引物和目的地关注度模型

      在旅游关注度模型中涉及对旅游吸引物的关注和旅游目的地的关注。狭义的旅游吸引物是指有形的旅游资源，广义的旅游吸引物还包括旅游服务、社会制度等无形旅游资源。本文主要关注的是狭义的旅游吸引物，即有形的自然或人文旅游资源。旅游目的地是旅游吸引物和服务设施的所在地。旅游关注度模型可进一步区分为旅游吸引物关注度和旅游目的地关注度。在较大空间尺度上，旅游者的认知中往往难以明确区分旅游吸引物与旅游目的地，旅游者对旅游吸引物的关注也是对旅游目的地关注的一种间接表现，因此，旅游目的地关注度模型中应该考虑吸引物关注度的贡献。

      2.2.1 旅游吸引物关注度模型

      旅游吸引物是本文旅游关注度研究的最小空间单元，所以其关注度不受下级单元的影响，根据旅游吸引物相关地名使用频率和旅游电子社区层次结构设计的吸引物关注度模型为：

      

      2.2.2 旅游目的地关注度模型

      旅游目的地关注度模型的主体与吸引物关注度模型一致，主要考虑旅游目的地相关地名使用频率和旅游电子社区层次结构对旅游者关注度的影响。另外，目的地关注度模型应考虑旅游吸引物对区位隶属目的地的贡献部分。在多种空间尺度下(城市、省区、国家等)计算目的地关注度时，还应考虑小空间尺度单元对其区位隶属的大空间尺度单元的贡献。例如，基于城市单元的旅游目的地关注度计算公式如下：

      

      式中：

为旅游电子社区用户对特定旅游目的地城市的关注度。

分别为论坛、话题、评论文本中的目的地城市名称的出现频率；α为旅游吸引物对其区位隶属目的地关注度的贡献权重。

      旅游吸引物对其区位隶属目的地关注度的贡献权重通过Tripadvisor网站本身的吸引物与目的地共同出现的概率进行计算。贡献权重因子等于旅游吸引物和目的地名称同时出现的旅游文本数量之和，除以目的地名称出现的文本数。随机选取自然和人文旅游吸引物各10个，对旅游文本中出现的吸引物和目的地名称进行统计计算，求平均值，得出Tripadvisor中旅游吸引物对目的地关注度的贡献因子α为5.41%。

      3 关注度模型计算中的数据库构建

      3.1 旅游文本数据库

      本文选取全球最大的旅游电子社区Tripadvisor作为对象，采用网络爬虫程序自动采集社区用户发布的旅游地UGC作为数据来源，构建与研究区域相关的旅游文本数据库。首先，通过Tripadvisor网站嵌入的内部搜索引擎检索与“China”相关的旅游文本信息，通过爬虫采集规则筛选查询结果中的旅游评论和话题。旅游评论信息主要采集“标题、回复标题、时间、评论文本、详细信息(含所属话题)”5项内容，共采集中国旅游相关评论文本371939条；话题信息主要采集话题名称及其隶属的论坛名称等，共75214条。由于话题信息中已经包括了论坛名称，因此不再单独采集论坛名称信息。通过对话题信息进行解析与整理，共获取7767个与“China”相关的旅游论坛名称。对旅游评论文本进一步去重等整理，得到有效评论371092条，建立了Tripadvisor社区的中国旅游文本数据库。

      3.2 中英文旅游目的地与吸引物地名数据库

      中国旅游资源丰富，分布区域广泛，各类旅游景区和吸引物已达到2万多个，但众多的旅游景点主要接待的是国内旅游者。在不影响研究成果质量的基础上，为尽量减少数据样本，本文采用国家旅游局英文官方网站推荐的69个旅游吸引物为研究样本，采用地市级别以上670个城市作为旅游目的地研究样本，构建计算中国旅游关注度的中英文地名数据库。

      数据库中的英文地名主要用于英文旅游文本信息挖掘的关键词匹配，对应的中文地名则主要用于和基础地理信息数据库建立空间链接，实现旅游关注度的空间可视化与格局分析。目的地城市名称中的专名在英文社区中的使用相对比较规范，主要采用国际通用拼音表示法。旅游吸引物名称的使用则比较灵活，可能导致关键词统计中的不确定性。由于旅游资源的自然、文化属性丰富，一个景区可能有多个英文表达法；而且，电子社区用户发布的旅游UGC中还经常使用简称、别名等表达方式。研究中考虑了英文地名大小写的转换、词语倒装、国际惯例与国内用法的差异、标准名称与别名等因素，尽量减小多样化吸引物地名表达对地名统计精度的影响。

      数据库中的空间信息主要来自两个方面。目的地城市空间信息来自国家测绘科学数据共享网下载的中国比例尺1∶500万行政区图。旅游吸引物空间信息则通过综合百度百科和维基百科中的经纬度描述信息建立地址文本文件，并利用百度、谷歌地图进行位置验证。将确认准确空间信息之后的吸引物地址信息导入地名数据库，通过中文标准名称与吸引物其他属性建立关键词链接，即可完成旅游吸引物信息的空间化。

      

      图2 Tripadvisor论坛、话题和评论中的地名频次情况分布曲线

      4 Tripadvisor的中国旅游关注度格局及影响机理

      4.1 Tripadvisor对中国旅游关注度统计特征

      旅游文本中的地名出现频次是信息发布者对区域旅游关注的直接反应。将7767个论坛名称文本、75214条话题文本和371092条评论文本分别合并为3个文本集合。以旅游目的地和吸引物地名数据库中的英文地名为基础构建关键词库，统计Tripadvisor不同层次文本中关于中国旅游吸引物和目的地名称出现的频次，如图2所示。

      图2a-2c显示了官方推荐的旅游吸引物地名在Tripadvisor的论坛、话题和评论文本中的频次分布情况。整体上出现频次较高的旅游吸引物地名主要是长城、九寨沟、黄山、张家界、泰山等。其中，长城在论坛名称和话题文本中均是出现频次最高的旅游地名；泰山则是评论文本中出现频次最高的旅游地名。经过关注度模型计算，Tripadvisor对中国旅游吸引物的关注度分布曲线如图3所示，其中，“长城”是旅游吸引物关注度的最高值，占吸引物关注度总量的33.16%，远远超过其他旅游吸引物；“泰山、黄山、九寨沟和张家界”4个旅游地也有较高的关注度，位于吸引物关注度曲线的中部，占吸引物关注度总量的42.97%；大量关注度较低的旅游地位于吸引物关注度曲线的尾部，仅占关注度总量的23.87%。

      图2d-2f显示了Tripadvisor中有关中国旅游目的地的城市地名在论坛、话题和评论文本中出现频次的分布情况。整体上频次较高的是北京、香港、上海、澳门、成都、广州、杭州、深圳、桂林、苏州等城市。其中，北京、上海、香港在Tripadvisor社区结构的3个层次中均是出现频次最高的城市。另外，桂林、成都在论坛中有较高的出现频次；澳门、深圳在话题和评论文本中均有较高的出现频次。在对中国旅游目的地城市的关注度分布曲线中(图4)，北京、上海、香港、澳门位于头部最高关注层面，4个城市的关注度之和占城市关注度总和的63.71%；桂林、成都、广州、深圳、杭州和苏州位于目的地关注曲线的中间层面，6个城市的关注度和达到所有城市关注度总和的15.13%；余下660个旅游文本中出现的关注度较低的城市位于城市关注度曲线的尾部，仅占关注度总量的21.16%。

      

      图3 Tripadvisor网站对中国旅游吸引物关注度分布曲线

      

      图4 Tripadvisor网站对中国旅游目的地城市的关注度分布曲线

      Tripadvisor 3个层次文本中的地名频度分布均呈现“三段式长尾曲线”特征，高频地名集中在少量的城市和旅游地，说明国外旅游者对中国旅游的关注集中在少量的旅游地和旅游城市。城市与吸引物地名相比，后者的长尾曲线头部更陡，变化更为剧烈，表明国外旅游者对中国旅游吸引物的关注比目的地城市更为集中。地名分布的“长尾曲线”特征说明多数中国旅游地和旅游城市并未得到外国游客的广泛关注。

      4.2 Tripadvisor对中国旅游的关注度空间格局

      统计分布曲线仅反映了国外用户对中国旅游关注的数据分布情况，不能明确表示关注度的空间分布特征，尤其是难以反映曲线尾部的大量中低关注度地名分布特征及其与高关注度地名的空间关系。通过将旅游吸引物和目的地标准名称与基础地理信息数据库连接，利用GIS软件的地图可视化方法表现Tripadvisor用户对中国旅游关注度的空间格局，如图5所示。

      从旅游吸引物层面上看，北京、上海、成都及其周边为吸引物关注度较高的地区，形成旅游吸引物关注度中心，表现出明显的聚集性；华中、西北、东北地区旅游关注度较低。总体看来，电子社区中旅游吸引物关注度空间格局差异较大，集中分布于少量著名景点。关注度较高的旅游吸引物主要分布在华北、华南和西南地区，其中华北地区的长城的关注度最高，这与Google发布的2013中国旅游国际网络关注度研究报告中指出的“长城是各国网民心中最具有代表性的中国旅游元素”表述相一致，西南地区的九寨沟关注度最高，华东地区的黄山关注度最高。

      从旅游目的地城市层面上看，电子社区对中国城市的关注范围很大，覆盖中国大部分地区，但明显东多西少。华北地区关注点覆盖范围广，但多数关注集中于北京。华东地区、华南地区与华北地区相比分布的聚集性更为明显，而且华南地区除广州以外还有香港、深圳等关注热点。西部关注度较高的城市主要分布在西南地区，成都、西昌、丽江、大理、昆明、自贡等城市也表现出很强的聚集特征，这与旅游电子社区中的路线推荐有很大关系。拉萨与西部其他地区相比关注度较为突出，这与西藏目前旅游业快速发展的现状相符。

      

      图5 Tripadvisor网站对中国旅游吸引物和目的地城市的关注度空间分布格局

      Tripadvisor用户的中国旅游关注度总体呈现“东—中—西”由高到低的空间分布格局。关注度较高区域主要分布在华北、华南、华东和西南，西北、华中和东北地区大部分区域关注度较低。北京是华北地区的关注度中心；香港、广州、深圳等为华南地区的关注度中心；上海为华东地区的关注度中心，成都则是西南地区的关注度中心。研究结果与马耀峰等(2001)根据中国入境旅游流统计资料得出的分区研究结论具有很强的一致性。

      Tripadvisor对中国旅游的关注呈现高度空间聚集现象。东部关注度较高的城市和旅游吸引物分布集中，主要围绕北京、上海、广州等地集中分布，环京津、长三角、珠三角成为社区用户的高关注度聚集区域。另外，成都周边也形成了较为明显的关注度聚集现象。旅游吸引物与目的地城市的关注度具有明显的空间耦合性，关注度较高的旅游吸引物在空间上多邻近或隶属于关注度较高的城市，如桂林阳朔、北京长城、成都周边都江堰和九寨沟、杭州西湖、苏州周庄等。关注度较高的旅游地也表现出空间上的聚集性，例如都江堰—峨眉山—九寨沟形成的旅游景区链，周庄—西湖等形成的旅游关注热点等，这说明网络空间中的外国旅游者对中国旅游目的地城市的关注度受其所辖旅游吸引物关注度的影响。

      通过观察发现，关注度较高地区可大致分为两类，一类为经济发达地区，如上海、香港、广东等地；另外一类是其旅游业体现强烈的民族特色或地方自然风光的区域，如四川、云南。关注度较低的地区也可以分为两类，一类为具有旅游业发展的基础自然人文条件，但受观念、认识、经济和基础设施建设以及开发不足等因素制约(赵欣等，2007)，旅游辐射能力急需加强的地区，如新疆和甘肃；另一类是不受经济发展水平等因素的制约，但因缺少丰富的特色旅游资源而对外国人的吸引力较弱的地区，如黑龙江、吉林。

      4.3 Tripadvisor中国旅游关注者的空间分布情况及不同国家对中国旅游关注度的差异分析

      

      图6 Tripadvisor网站中国旅游关注者的空间分布格局

      为了便于深入了解游客的行为模式，了解客源国的市场状况，本文对电子社区中各个国家用户的发文数量进行统计分析，了解Tripadvisor电子社区中国旅游的关注者的空间分布状况，如图6所示。从图6可以看出，发文数最多的是美国、澳大利亚、加拿大和英国，其次是新加坡、马来西亚、菲律宾、印度、泰国等国。总体来说，对中国旅游关注较多的国家大部分分布于北半球，且主要集中于北美、东南亚和西北欧地区，欧洲大部分地区及中东地区对中国旅游关注也相对较多，其在空间分布上表现出邻近性；非洲大部分地区和南美洲对中国旅游的关注较少。

      通过对关注者空间分布情况的分析确定了对中国关注较多的国家，不同国家的Tripadvisor用户对中国旅游地的关注度也存在差异，如图7所示。分别对美国、澳大利亚、加拿大、英国、新加坡和马来西亚六国对中国旅游的关注度进行计算，选取了各个国家关注度最高的前八位吸引物地名和城市地名，并对其进行统计特征分析。美国、澳大利亚、加拿大、英国4个国家中，对中国旅游吸引物地名“长城”的关注度最高，黄山、天坛、颐和园次之，九寨沟、西湖、玉龙雪山等地关注度排在上述4个景区之后。新加坡和马来西亚关注度最高的旅游吸引物地名为九寨沟，其次是长城，而对天坛、西湖等地名关注度相对偏低，且不一致。在目的地城市中，美国、澳大利亚、加拿大、英国关注度最高的目的地城市为北京，上海次之，对桂林、深圳、广州、成都、杭州等地的关注也占据了很大比重。新加坡和马来西亚关注度最高的城市为上海，北京次之，且对广州、深圳、珠海、杭州的关注度也普遍较高。在对其他城市的关注中，美国、澳大利亚、加拿大、英国对桂林和深圳关注度远高于其他城市，新加坡和马来西亚则对包括珠海、广州、深圳在内的珠三角城市群兴趣更大。从关注度变化特征来看，美国、澳大利亚、加拿大、英国4个国家的关注度变化较为激烈，新加坡和马来西亚的变化相对平缓，这说明美国、澳大利亚、加拿大、英国对中国旅游的关注度更为集中。

      

      图7 Tripadvisor网站中不同国家对中国旅游关注度的统计特征

      总体来说，北半球发达国家对中国旅游地的关注度普遍较高，且表现出邻近特征。其中，美国、澳大利亚、加拿大、英国4个国家关注的旅游地表现出很强的耦合性，关注度最高的旅游地均为北京和长城。除此之外，在4个国家其他关注度较高的吸引物地名和城市地名中，长城、黄山、天坛、颐和园、西湖、泰山为世界文化遗产，北京、上海、深圳、广州、杭州等城市又都以人文景观著称。因此，人文旅游吸引物和城市的数量占绝对优势，这也说明美国、澳大利亚、加拿大、英国的关注者对人文景观的关注度要远高于自然风光。这与他们的欧美文化背景有很大关系，如北京城内的天坛、颐和园，杭州的西湖等拥有悠久历史文化和丰富文物古迹的旅游吸引物充分满足了欧美关注者对中华文化的猎奇心理。

      新加坡和马来西亚对中国旅游地的关注同样表现出耦合性，均对九寨沟和上海的关注度最高。因为新、马两国同中国有特殊的人种、血缘、文化关系(周鹏等，2004)，对历史文化景观的猎奇需求较弱，所以在旅游吸引物层面上，对欧美国家关注度最高的历史文化吸引物的关注度不如九寨沟等自然风光吸引物突出。从城市层面上看，新加坡和马来西亚对西南地区旅游城市和珠三角城市群更为关注，这说明西南和华南地区的东南亚旅游市场较为成熟，研究结果与张娟娟等(2011)证实的马来西亚、新加坡为昆明、成都主要客源市场的研究结果相似，也与广州“辐射泛珠三角、影响东南亚”的旅游发展目标契合。

      4.4 关注度分布曲线与空间格局的驱动机制分析

      从社会宏观视角探究，旅游流受属性耦合驱动的主要有“旅游资源”、“地区经济”、“交通区位”和“接待能力”(郑鹏，2013)。旅游资源丰度、经济发展水平和地理区位均是影响游客网络关注度空间分布的主要因素(马丽君等，2011)。在深入研究Tripadvisor中国旅游关注度分布曲线与空间格局基础上，结合中国旅游资源特点和互联网空间信息传播模式，对比参考其他研究者的同类研究成果，分析总结了影响国外电子社区用户对中国旅游关注度的以下4个重要因素：

      (1)旅游资源禀赋与特色是Tripadvisor用户对中国旅游关注的基础动力

      旅游资源禀赋是影响中国区域旅游业发展差异的主要因素之一(敖荣军等，2006)，也是吸引旅游者关注的主导因素。世界遗产、旅游风景名胜区、森林公园、自然保护区、地质公园、历史文化名城等类型的旅游资源是旅游者关注的重点。Tripadvisor用户对中国旅游关注度最高的旅游吸引物中，长城、泰山、黄山、九寨沟、张家界都是世界自然或文化遗产；关注度较高的旅游目的地城市中，北京、成都、桂林、杭州和苏州均为世界著名的风景游览城市和历史文化名城，拥有有丰富的自然、文化遗产和国家级风景名胜区、森林公园、地质公园等。因此旅游资源禀赋与特色成为电子社区用户对中国旅游关注的基础动力。

      (2)中国旅游业的国际化是旅游关注度总体特征的外源动力

      国外电子社区对中国旅游关注度的不断攀升与中国旅游业的国际化发展密切相关。北京、上海、深圳和广州是中国旅游国际化水平最高的四大城市，桂林、成都、杭州和苏州等城市的旅游国际化水平也比较高，而且东部沿海地区是旅游国际化高水平集聚区(闻飞等，2012)。城市的旅游国际化水平有助于为外国游客了解中国旅游、适应旅游环境提供良好的软硬件条件，成为中国旅游关注度总体特征的外源动力。

      (3)电子口碑传播模式是关注度数据分布曲线的内在动力

      电子社区使传统口碑相传变成电子口碑，而且社区用户更相信以电子口碑方式传播的旅游信息(Arsal，2010)，认为由其他消费者发表的具有明确指向的旅游信息值得信任。旅游者开始从传统的旅游项目选择方式转变为依据网络上获取的电子口碑做出决策。基于“六度空间理论②”，旅游信息在好友间的分享、转发可以实现高效率口碑相传，口碑好的目的地和旅游吸引物关注度会快速上升，这也是关注度曲线均呈现“长尾”特征的内在动力。

      (4)经济发展水平与地理区位是影响关注度空间格局的核心动力

      Tripadvisor对中国旅游吸引物和目的地城市的关注空间覆盖了全国大部分区域，但关注度较高且出现空间聚集的区域主要是长三角、珠三角、京津冀，与中国经济的区域结构有较好的耦合度。这一特征与马耀峰等(2003)研究证实的京—沪—穗、京—沪—深、京—桂—沪等入境旅游流金三角框架也有较高的一致性。经济发达的区域中心城市多为关注度较高的旅游目的地城市，如上海、香港、澳门、广州、深圳等。由于地理位置的邻近性也是影响外国游客选择旅游目的地的重要因素，高关注的区域中心城市周边也聚集了大量中低关注度的目的地城市。例如，成都及其周边城市和旅游地的网络关注度空间格局，与史春云等(2007)研究证实的四川省“旅游区域核心—边缘空间结构”非常相似。总体来看，经济发展水平与地理区位是影响关注度空间格局的核心动力。

      (5)关注者国家的文化背景、经济发展状况、地理区位是影响关注度空间格局变化的深层动力

      电子社区中的关注者覆盖全球大部分地区，但关注较多的地区主要集中于北半球发达国家，说明对中国旅游的关注度与各国经济发展水平有很大关系。不同国家与不同地区、不同种类旅游地的亲疏程度不同，因为不同文化背景的关注者有不同的旅游需求。以美国、澳大利亚、英国和加拿大为代表的欧美国家对中国人文景观的关注度要高于自然风光，对历史文化名城北京的关注度高于作为金融中心的上海，而新加坡和马来西亚对自然风光更感兴趣。另外，新加坡和马来西亚对城市的关注度主要集中于华东和华南地区，这也是受地理区位上的邻近性的影响。因此，关注者国家的文化背景、经济发展状况、地理区位是影响关注度空间格局变化的深层动力。

      5 结论与讨论

      5.1 结论

      区别于基于搜索引擎关键词搜索统计的网络关注度计算方法，本文提出了一种针对电子社区用户的区域旅游关注度计算模型。该模型在引入加权参数方面具有更好的灵活性，可以通过社区内容的层次结构有效调节、修正关注度模型计算结果；另外，由于统计结果与数据源文本、发文者信息等直接相关，相关信息有助于更好的分析模型结果背后的驱动机制。模型为定量化表达特定用户对区域旅游的关注情况提供了方法，为发现旅游关注的特征、空间格局、电子社区中的客源市场分布和不同国家的电子社区用户关注情况差异分析奠定了基础。

      基于Tripadvisor社区旅游文本的中国旅游关注度计算结果发现，国外社区用户对中国的旅游关注呈现以下3个典型特征。

      (1)旅游关注度的“长尾现象”与极化特征。Tripadvisor社区对中国旅游吸引物与目的地城市的关注度曲线呈现典型的“长尾”特征；高关注度区域集中在长城、泰山、黄山、九寨沟和张家界等少数旅游地，以及北京、香港、上海、桂林等少量城市，呈现关注极化特征。该研究结果与Pan等(2011)美国公民对跨境中国旅游地形象认知研究中发现的形象词汇长尾曲线特征基本一致。

      (2)旅游吸引物与目的地城市的关注度具有明显的空间耦合性。关注度较高的旅游吸引物在空间上多邻近或隶属于关注度较高的城市，如桂林阳朔、北京长城、成都周边都江堰和九寨沟、杭州西湖、苏州周庄等等。关注度较高的旅游地也表现出空间上的聚集性，例如都江堰—峨眉山—九寨沟形成的旅游景区链，周庄—西湖等形成的旅游关注热点等。

      (3)旅游关注度的空间聚集及其与区域经济梯度的耦合特征。Tripadvisor社区对中国旅游的关注空间中，环京津、长三角、珠三角城市群成为高关注度聚集区，该研究结果与汪德根等(2011)得出的“广东、北京和上海是中国东部沿海地区的旅游产业综合竞争力最强的省份”研究结果相一致。成都周边等也形成了明显的较高关注度聚集现象。关注度整体上呈现“东—中—西”由高到低的空间分布格局，与中国区域经济呈现的“东—中—西”经济梯度格局高度相关；北京、香港、广州、深圳、上海、成都等旅游关注度中心也与区域经济中心相一致。关注度空间格局说明了区域经济基础与旅游发展水平的耦合关系。

      5.2 讨论

      受限于数据量和计算工作量，本文仅对国家旅游局官方网站对外推荐的旅游吸引物和地级以上城市目的地进行了研究，但该方法可用于对任意旅游吸引物的关注度分析，也可扩展至下级城镇、上级省域，或各类自然和经济区以及国家等多种空间尺度。

      本文仅关注了吸引物和目的地城市相关地名的使用情况，未来研究将从以下3个方面开展：一是通过文本挖掘进一步分析旅游者对特定目的地和吸引物的态度和情感，以在更多维度上开展旅游地理认知研究；二是通过建立更为详细的旅游景观和目的地内的主要标志地物数据库，实现更小空间尺度上的关注度分析，突破当前关注度模型仅从整体上描述吸引物和目的地关注量度的限制；三是充分挖掘文本数据中的时间信息，开展关注度的时空格局与驱动机制研究，为区域旅游规划和空间决策服务。

      ①网址:www.tripadvisor.com.

      ②“六度空间理论”也称“小世界现象”，理论假设世界上所有互不相识的人只需要很少中间人就能建立起联系，是社交网络的理论基础。

标签：tripadvisor论文;  成都旅游论文;  成都发展论文;  文本分类论文;  广州深圳论文;  深圳旅游论文;  数据库论文;  九寨沟国家级自然保护区论文;  北京长城论文;