实战2 - 疫情背景下的周边游需求图谱分析（问题一）

1 题目简介

来源于2022泰迪杯C题——疫情背景下的周边游需求图谱分析。

随着互联网和自媒体的繁荣，文本形式的在线旅游（Online Travel Agency，OTA）和游客的用户生成内容（User Generated Content，UGC）数据成为了解旅游市场现状的重要信息来源。OTA 和UGC 数据的内容较为分散和碎片化，要使用它们对某一特定旅游目的地进行研究时，迫切需要一种能够从文本中抽取相关的旅游要素，并挖掘要素之间的相关性和隐含的高层概念的可视化分析工具。

为此本赛题提出本地旅游图谱这一概念，它在通用知识图谱的基础上加入了更多针对 旅游行业的需求。本地旅游图谱采用图的形式直观全面地展示特定旅游目的地“吃住行娱 购游”等旅游要素，以及它们之间的关联。图 1 所示为我国西藏阿里地区的本地旅游图谱， 中心位置节点为旅游目的地“阿里”，它的下层要素包括该地区的重要景点如“冈仁波齐” 和“玛旁雍错”，以及“安全”、“住宿”等旅游要素。旅游要素分为多个等级，需要从 文本中挖掘出面对不同要素游客所关注的下一级要素。如阿里地区的“安全”要素下包括 “高反”、“天气”和“季节”等下一级要素，这个组合是西藏旅游所特有的。旅游要素 之间会存在关联关系，如“冈仁波齐”和“玛旁雍错”这两个景点通过“神山圣湖”这一 高层概念产生联系，在本地旅游图谱中使用连接两个节点的一条边来表示。

问题一：微信公众号文章分类

构建文本分类模型，对附件 1 提供的微信公众号的推送文章根据其内容与文旅的相关性分为“ 相关” 和“ 不相关” 两类， 并将分类结果以表 1 的形式保存为文件“result1.csv”。与文旅相关性较强的主题有旅游、活动、节庆、特产、交通、酒店、景 区、景点、文创、文化、乡村旅游、民宿、假日、假期、游客、采摘、赏花、春游、踏青、康养、公园、滨海游、度假、农家乐、剧本杀、旅行、徒步、工业旅游、线路、自驾游、 团队游、攻略、游记、包车、玻璃栈道、游艇、高尔夫、温泉等等。

2 问题分析

经查阅matlab帮助文档，matlab自带的分词函数不支持中文（流汗），于是我只能用python编程，借助jieba分词，将文章分词后存入excel。
我是在jupyter notebook里实现的，首先导入需要的模块，

import jieba
import pandas as pd
import numpy as np
import xlsxwriter

将文件读取到内存中，

weixin_wz = pd.read_excel(r'微信