热烈祝贺TSE模型获2022年文化和旅游优秀研究成果学术论文二等奖
七年前，为了更加便利地开展旅游可持续监测，我们开始探索大数据采集、清洗与分析技术。最终选定旅游评论作为新数据源，针对非结构化、数据噪音、语义逻辑与情感系数等问题设计算法，由此快速进行情感计算。最终我们证实仅依靠游客评分和正负面词频无法准确反映游客情感倾向，我们所研发的数据模型可以快速、准确地捕捉游客情感。在解决信度与效度问题之后，我们将这个模型用于世界旅游组织旅游可持续监测活动。自2015年起连续发布《基于大数据的中国游客情感意向研究报告》，并将这个模型命名为TSE模型。
2017年，我们将此成果撰写为《基于大数据的旅游目的地情感评价方法探究》论文，发表于地理学顶级刊物《地理研究》。2018年，该成果荣获文化和旅游部2018年度优秀研究成果学术论文二等奖，这是对我们三年的探索给予的莫大肯定，更坚定了我们继续探索旅游情感计算的决心。获奖之后，我们正式把研究团队命名为TEG研究组（Tourism Emotional/Economic Geography）。TSE模型详细内容请见下方推送。
科研资讯丨旅游情感计算模型（TSE）的开发、校验与应用——刘逸副教授团队研究成果
在TSE模型提出后，我们又有新的疑问：现有研究已大量使用机器学习法，那么是否还有必要坚持应用基于自然语言处理逻辑下半自动算法的TSE模型？人工算法是否终究要让位于智能算法呢？为解决这个问题，我们将TSE模型与机器学习模型进行深度比较，最终发现人工计算模型与机器学习模型的情感捕捉各有利弊，机器学习算法虽好，但人工模型表现也不差，且稳定性较好。我们将此发现转化成学术论文——《人工计算模型与机器学习模型的情感捕捉效度比较研究——以旅游评论数据为例》，发表在《南开管理评论》2021年5月刊，并再次获得了文旅部2022年度文化和旅游优秀研究成果学术论文二等奖！在此，向所有参与TEG工作的同学和为我们提供过帮助的老师致以衷心的感谢！
文章摘要
利用用户生产的数据捕捉消费者行为是管理学领域的前沿话题之一，随着海量用户生产数据日渐丰盈，以机器学习为代表的数据处理模型凭借处理效率极高的优势，得到高度重视和应用。本研究基于旅游评论数据，选择基于词典和语义规则的TSE模型与6个机器学习模型展开效度对比研究。在方法上使用问卷调查和游客原始赋分两套数据，对上述7个模型的情感计算模型进行交叉校验。研究发现机器学习算法已经可以实现较高的捕捉精度，其中Softmax模型表现最好，但整体未能对语义算法形成压倒性优势；TSE模型排名第二，稳定性最佳，而深度学习算法在商业评论数据分析场景下仍然具有一定的不确定性。本研究肯定了传统机器学习算法在管理领域应用的优势，以及人工计算模型在管理信息系统领域的研究价值，推动了十余年来管理信息系统领域中关于情感捕捉技术的研究进程。对于信息科技，我们可以善用，但不必盲从。
作者介绍
保继刚，中山大学经济与管理学部副主任，旅游学院教授，联合国世界旅游组织旅游可持续发展管理与监测中心主任，研究方向为旅游地理、旅游规划、旅游可持续发展。
个人主页：保继刚 | 中山大学旅游学院 (sysu.edu.cn)
刘逸，中山大学旅游学院旅游管理与规划系主任、副教授、博士生导师，研究方向为旅游地理、旅游大数据、情感计算。
个人主页：刘逸 | 中山大学旅游学院 (sysu.edu.cn)
孟令坤，香港大学建筑学院城市规划与设计系博士研究生，中山大学旅游学院 硕士。
赵创钿，深圳腾讯计算机系统有限公司数据分析师，北京大学信息科学技术学院 硕士。
原文链接
原文引用：刘逸,孟令坤,保继刚,赵创钿.人工计算模型与机器学习模型的情感捕捉效度比较研究——以旅游评论数据为例[J].南开管理评论,2021,24(5),63-72.
