1 引言

网络游记是旅游者在互联网上发布的自述性旅游过程记录，描述了旅游的前后过程和感受体验。目前，网络游记文本已成为旅游地理分析中的一种重要数据源，基于此开展了目的地形象、旅游体验、旅游行为、旅游流网络结构等方面的研究，给区域旅游规划设计、服务质量提升提供了重要的支撑。

网络游记文本中蕴含了丰富的行程信息，提取游客的行程链，分析节点特征、行程结构、活动偏好，可为游客的目的地推荐、行程制定、线路设计提供决策参考。然而，传统的游记数据处理大多是通过人工识别游记文本中的信息，一旦游记数量多时，其处理工作量非常大。部分研究采用基于本体库信息抽取、关键词提取或Rost CM6软件进行分词处理，存在着数据误差大的问题，影响分析结论的适用性。

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。网络游记文本描述较为随意，一方面，游记文本中包含了很多旅游点名称，但只有一部分是旅游者真正去的旅游点，可称之为行程节点；另一方面，部分游记文本中，同一个旅游点在多个段落中描述，作者没有严格按照游览次序去描述旅游点，导致按照次序识别的行程节点，其顺序并非真正的行程顺序。

2 研究方法

2.1 总体思路

从网络游记这样复杂的长文本中提取出旅游行程链，就是从众多的旅游点名称中，准确的识别出行程节点，再按照游览次序将行程节点串联起来。尽管不同网络游记作者的写作方式和风格不同，但是游记文本中行程节点及其次序关系的表达，有着较为明显的句法结构特征。

2.2 行程节点的识别

网络游记文本会提及较多地理实体，这些实体不仅仅是旅游点，还包括住宿点、餐饮点、交通枢纽等地，而本文识别的行程节点对象仅限于旅游点。但是，在网络游记文本中，只有一部分旅游点是旅游者真正到达的，可称之为行程节点。

旅游点在网络游记文本中的表达形式可分为4大类，包含总体行程描述、单一行程节点描述、非行程节点描述和混合行程节点描述：

通过对上述4类表达形式的词性标注和依存句法分析，本文归纳的旅游行程节点句法规则如下：

2.3 节点次序关系的识别

旅游行程链是旅游点按照时间顺序线性排列的有序集合。通常来说，游记作者在文本撰写过程中，会按照游览次序依次介绍景点，但是，不同作者的文本描述风格不同，部分游记文本在前言部分介绍了前往的旅游点，在中间段落描述了该旅游点的详细内容，在结尾部分还提及了该旅游点，没有严格按照时间顺序描述旅游行程，导致按照次序识别的行程节点，其顺序并非真正的行程顺序。

2.4 旅游行程链的生成

按照正确的游览次序将提取的旅游行程节点进行合并、串联，就构成了旅游行程链。但是，在识别旅游行程节点、节点次序关系之后，行程列表中还有一部分节点名称被标识为不确定性行程节点，同时，顺序识别游记文本中的行程节点，普遍存在重复、交叉的现象。

针对不确定性行程节点的处理，需要从游记全文叙事视角来衡量这些节点的取舍情况：

• 判断不确定性行程节点是否在已识别的节点次序关系表中
• 如果该节点不在节点次序关系表中，再判断游记文本中该节点出现的次数是否大于一次

针对旅游行程节点的串联，主要是根据提取到的节点上下文特征，结合识别的节点次序关系，连接行程节点。识别到的行程节点排列模式可归纳为2类：

1. 顺序排列型：高质量的网络游记文本一般是按照游览次序来顺序描述旅游点
2. 交叉排列型：由于互联网平台游记文本写作较为随意，导致识别的行程节点列表中，节点交叉重复现象较多