新媒体语境下旅游形象量化投射模型构建与评估研究

The construction of a destination quantitative projective model based on the travellers' perspective is crucial for the destination's precision marketing. This project focuses on the photos in the destination image communication procedure, introducing the concept of affective computing. Meanwhile, it integrates multiple theories range from internet marketing, communication to information science, to analyse the image communication principle and photo viewer's reflection mechanism. The research involvs several aspects: first, utilizing data mining method to build an affection vocabulary based on viewers, analyzing the affective gap between viewers and publishers; second, adopting machine learning approach to build a relation model between viewer and publisher; third, based on the above relation model, a photo recommender system is proposed to select the most popular photos from the viewer's perspective. Our research provides scientific envidence for utilizing the quantitative approach to make a precision image projection for destination marketing purpose. Also, it builds a solid theoritical basis and provides technical support for the cross-culture communicatin of national image in the new media context.

构建一套基于旅游者感知视角的旅游形象量化投射模型对于网络时代旅游目的地形象精准营销至关重要。本项目将旅游形象传播中的图片作为研究对象，引入了旅游形象图片情感计算的理念，综合运用网络营销、传播学、信息学等多个科学领域的研究方法，对目的地形象的图片传播规律和读图者情感反馈机制进行理论研究。具体研究内容包括：利用数据挖掘的方法建立基于图片评论的读图者情感语料库，分析对比读图者和发图者之间的情感差异；利用机器学习算法剖析发图者意图对读图者情感的激发机制，构建发图者与读图者之间的情感关系模型；根据图片对读图者情感激发的概率模型，构建基于旅游者感知视角的图片内容优选推荐框架。本研究可为采用量化手段进行目的地旅游形象精准投射提供相关科学依据，并为在新媒体语境下进行国家旅游形象跨文化传播提供理论保障和技术支撑。

旅游目的地营销在现如今网络传播的语境下更加重视碎片化阅读体验，图片作为旅游研究中非常重要的载体，具有显示直观、阅读高效的特点，因此越来越受到旅游研究和旅游营销行业的重视。但目前旅游营销图片的选择主要依靠旅游目的地营销机构（DMO，destination marketing organization）采取主观选择的方式进行，其忽视了受众的感知习惯及其对于目的地的心理预期，容易形成在目的地形象投射过程中已被广泛验证存在的“投射形象”（projected image）与“感知形象”（perceived image）之间的鸿沟（gap）。本项目立足旅游目的地营销中图片内容选择问题，通过对用户生成内容（user generated content, UGC）中图片数据的元数据（metadata）、图片评论（comments）数据进行挖掘和机器学习，提出了一套基于朴素贝叶斯算法的图片内容推荐方法。.本项目采用了图片共享网站Flickr于2015年开源的图片元数据集合YFCC 100M，并且利用词频分析技术分别提取了纽约相关的20974张游客图片元数据及其评论，构成发图者感知集合PCC（publisher cognitive concept）和发图者情感集合VAC（viewer affective concept）。并且通过朴素贝叶斯算法构建了从PCC到VAC的发图内容与激发情感关系模型。利用该模型，DMO可以将一组待选图片根据其激发潜在受众某种情感的可能性进行优先级排序，利用该排序为DMO提供进行图片营销的素材参考。该算法基于受众对图片内容的情感反应进行建模，可以站在受众视角选择合适的旅游目的地营销素材，有效缩小“投射形象”与“感知形象”之间的鸿沟。进一步的，本研究借鉴了搜索引擎性能评估方法从MAP(Mean Average Precision)和NDCG(Normalized Discounted Cumulative Gain)两个方面验证了该方法的有效性。.本研究的理论贡献在于为弥补目的地形象投射过程中“投射形象”与“感知形象”之间的鸿沟提供了方法层面的支撑；在研究方法层面，本研究融合了旅游目的地理论、数据挖掘、等多学科知识，提供了一种旅游领域多学科交叉研究的范式；并在应用层面直接可以提供一种辅助DMO进行目的地营销图片素材选择的工具，提供营销效率。

内容获取失败，请点击重试