摘要: 随着大数据和人工智能应用的发展，网络文本分析已成为旅游目的地形象感知的重要工具。该文以文本分析为脉络，从研究理论基础、国内外研究进展、技术发展与应用、研究发现与讨论等方面系统阐述了旅游目的地形象感知的内涵与特征、形成机制，得出了旅游目的地形象感知可以通过文本分析方法中的高频词提取、情感分析、语义网络构建等方法进行深入分析，挖掘出游客对目的地的认知、情感、形象感知特点；国内外学者在旅游目的地形象感知研究方面已有诸多探索，但存在跨文化旅游目的地形象感知研究不足、分析工具不够多模式整合应用等问题，未来应进一步加强技术与理论融合、加强旅游目的地形象感知研究的跨学科协作，为旅游目的地形象的优化和管理创造的创新提供支撑。
Abstract: With the development of big data and artificial intelligence applications, network text analysis has become an important tool for perceiving tourist destination images. This article takes text analysis as the main thread and systematically expounds on the connotation, characteristics, and formation mechanism of tourist destination image perception from aspects such as research theoretical basis, research progress at home and abroad, technology development and application, research findings and discussions. It is concluded that the perception of tourist destination images can be deeply analyzed through methods such as high-frequency word extraction, sentiment analysis, and semantic network construction in text analysis methods, so as to explore tourists’ cognitive, emotional, and image perception characteristics of the destination. Scholars at home and abroad have conducted many explorations in the research of tourist destination image perception. However, there are problems such as insufficient research on cross-cultural tourist destination image perception and insufficient multimodal integration and application of analysis tools. In the future, it is necessary to further strengthen the integration of technology and theory and interdisciplinary collaboration in the research of tourist destination image perception, so as to provide support for the optimization of tourist destination images and innovation in management.
1. 引言
在全球旅游业蓬勃发展背景下，旅游目的地形象构建与传播是吸引游客的重要影响因素。近年来，信息技术快速发展，游客对目的地感知与评价普遍通过网络平台表达，网络文本数据成为旅游目的地形象感知研究的重要文本数据，文本分析技术尤其是结合人工智能与大数据应用等已在旅游领域应用研究中屡见不鲜。用户生成内容(UGC)成为揭示游客感知的重要数据来源[1]。借助文本分析技术手段为旅游目的地形象研究提供了新视角。国内学者围绕旅游目的地形象感知的主要研究领域以实证研究为主，在研究方法、领域研究、感知研究范式上形成旅游目的地形象感知系列化研究。在领域研究的主要景区以自然景区(如张家界)、文化遗产(如南京明城墙)、研究领域的特征则表现在以实证研究为特征形成理论框架[2] [3]。这些研究多聚焦于以下三个维度：1) 目的地形象感知特征的研究：通过游客对目的地的文本分析，研究游客认知与情感特征[4]。2) 新技术在形象感知研究中的应用：如文本分析手段与管理方法模型如ROST与人工智能语言模型GPT-4进行比较研究，显示了人工智能在形象感知研究中的潜力[5]。3) 研究热点的领域扩展：如冰雪旅游、乡村旅游等领域的旅游目的地形象感知研究[6]。
国际学者在此方面也有诸多成果，他们所针对的研究对象范围包括文化遗产、城市景观、自然生态景区等，特点主要有更注重跨文化背景下形象感知差异以及多模态数据的整合应用。例如针对同一种目的地，来自不同文化背景下的游客感知差异显著[7]，多模态中将图像和文本两者结合分析目的地视觉和文字形象[8]。同时国际学者也大量使用深度学习和主题模型等技术，与旅游心理学、地理学理论相结合以提升研究深度和广度[9]。
基于此，本文意在论证文本分析技术在发现旅游目的地形象感知方面的应用研究潜力与管理启示，并从基础理论、研究方法、国外发展、今后思考四个维度全方位梳理旅游目的地形象感知方面的研究脉络。
2. 形象感知的理论基础
2.1. 形象感知的定义与维度
形象感知是游客对旅游目的地的综合印象和情感反映，是研究旅游行为与目的地管理的重要维度。根据Baloglu的三维度理论模型，形象感知主要包括认知形象、情感形象和整体形象三个核心维度[10]。
认知形象是游客对旅游目的地客观属性的认知，包括资源禀赋、设施服务等内容，是游客感知内容形成的基础[11]，这类客观存在通过游客的体验和获取信息形成，往往能影响游客对目的地的第一印象，例如自然景观的独特性、文化遗产的丰富性、交通便捷性等，都是认知形象的重要内容。
情感形象是游客在旅游过程中产生的主观情绪体验，是游客对某处目的地产生的情绪，或者心理感知体验，如游客将“温暖”“愉悦”或“放松”等印象描述某处海滨游憩地[1]，或将“刺激”“冒险”等印象描述某个山地探险地等。情感形象会受到认知形象的影响，与认知形象互为影响，共同作用于游客的感知[12]。
整体形象是认知形象和情感形象的综合评价，是游客对目的地形象的最终评价，研究表明，整体形象影响着游客的目的地选择，也影响着游客的重复访问意愿和口碑传播[13]，整体形象会通过游客的第一印象和最终的体验感受形成，为目的地的品牌构建与宣传策略提供指导意义。
2.2. 形象感知的重要性
在旅游资源同质化日益严重的市场中，良好的形象感知是吸引游客的重要因素。一个拥有独特认知形象和深厚情感连接的目的地更容易脱颖而出，良好的目的地形象能够增强吸引力和竞争力、提升游客满意度与忠诚度，同时通过网络传播影响潜在游客的决策行为。例如，TripAdvisor、携程等平台上的游客点评内容，会显著影响潜在游客的期望值和选择偏好[4]。
形象感知不仅会引起短期内游客流量的波动，还会对其长期的发展造成影响，通过了解游客的旅游形象感知来指导旅游目的地管理者进行资源优化、服务质量提升、宣传策略制定。通过总结南京明城墙游客形象感知结果，发现生态环境和文化价值受到游客高度重视，可着重增加这两方面的资源保护和宣传保护[2]。
3. 文本分析技术的发展与应用
3.1. 文本分析技术概述
文本分析是一种以大数据为基础，结合自然语言处理(NLP)和深度学习技术处理非结构化数据的方法。其主要功能包括高频词提取、情感分析、语义网络构建和主题分析等[14]。
近年来，ROST、Python自然语言处理工具以及ChatGPT等技术的发展，使得文本分析技术在处理大规模游客评论、揭示深层次形象逻辑方面展现了显著优势[5]。结合这些技术，研究者能够快速挖掘游客对目的地形象的认知与情感特征。
3.2. 文本分析在旅游研究中的具体应用
1) 高频词提取：高频词提取是最基本的文本分析功能之一，使用Python的Scrapy框架可以爬取携程等网络平台的游客评论，对数据清洗后可构建语料库。使用Jieba (中文)或NLTK (英文)对清洗后的数据进行分词和停用词过滤。通过TF-IDF算法提取高频词，能够提取出文本中出现最多次的词语，结合词云图能够可视化展示(如Python的WordCloud库)。借此提取文本主要关注的研究对象。例如，用户对旅游目的地的评论中“美景”“服务”“人多”是出现最多次的高频词，反映了游客对旅游目的地的自然环境和服务的诉求。
2) 情感分析：情感分析是文本分析最重要的一项功能。从文本中的情绪表达来确定游客评论是正面、负面和中性。通常用两种方法，一种是基于情感词典的方法(如ROST CM6.0)，使用软件内置的情感词典对文本的情感词进行匹配最后计算极性得分；另一种是基于深度学习方法(如采用预训练的BERT模型)等更加精细地得到游客对目的地的情感反应和强度[5]，这些模型可对文本进行细粒度的情感分类，并通过混淆矩阵等方法验证模型的准确率。
3) 语义网络构建：语义网络根据文本中关键词之间的相关性构建反映旅游目的地形象感知要素的逻辑网络。如提及“舒适的住宿”往往和“优质服务”联系起来，可以用网络图直观地展现游客的感知逻辑[6]。
4) 主题分析：利用LDA (Latent Dirichlet Allocation)等主题模型技术，可以从海量文本中识别出多个主题或话题。例如，冰雪旅游评论可能分为“滑雪体验”“住宿服务”“环境状况”等多个主题，有助于管理者针对性优化[6]。
5) 多模态分析：近年来，越来越多的人将文本、图像或视频进行多模态分析，如结合游客评论和旅行照片通过跨模态注意力机制(如CLIP模型)分析图文一致性，能更加全面地揭示旅游地的视觉和文字形象[15]。
4. 研究发现与讨论
4.1. 游客感知的差异性
1) 自然景区：如西藏、张家界等，游客的感知集中于“壮丽”“神秘”等积极形象。
2) 人文景区：如南京明城墙，游客对其文化价值受到高度认可，但服务设施问题容易引发负面情绪。
3) 网红景点：游客感知主要集中于打卡和拍照，而实际体验容易引发负面评价。
4.2. 影响感知的关键因素
1) 实地体验：包括设施、服务、环境等会直接影响游客满意度。
2) 信息传播：UGC内容的传播对潜在游客的感知会产生重要影响。
3) 文化背景：跨文化的差异也会影响游客对目的地的认知和情感。
4.3. 管理与优化建议
1) 改善旅游设施与服务：解决游客集中关注的负面因素，如拥挤、交通不便等，可在旅游高峰期增加接驳班次，引入智能游览系统，通过软件或者小程序提供各地区的人流热力图，引导游客错峰观赏。
2) 强化文化挖掘：通过深度挖掘地方文化特色，在各大网络平台上进行相关创作，提升文化吸引力。
3) 提升在线形象传播：加强对UGC内容的管理和利用，通过情感分析识别负面舆情，引导积极形象的传播。
5. 未来研究方向
1) 跨学科研究：结合心理学、地理学等多学科理论，探索形象感知的动态变化机制。
2) 新技术应用：充分利用人工智能技术，如深度学习与大语言模型(如ChatGPT)，提升文本分析的深度和广度。
3) 动态与跨文化比较：未来研究应关注游客感知的动态变化，同时加强跨文化背景下的感知差异比较，揭示不同市场的特性。
6. 结论
文章从旅游目的地形象感知研究角度出发，基于文本分析技术应用现状及发展趋势，系统梳理和总结了相关的文本分析技术，证实了文本分析可高效提炼和展现游客感知，为旅游目的地感知分析提供新的支撑。未来研究应从理论与技术相结合的角度出发，开展多模态文本分析和多文化背景下旅游文本分析，为旅游目的地感知和文本分析带来新视野。