一种利用机器学习方法来分析用户在YouTube上对旅行相关内容的反应的方式

《Current Issues in Tourism》：A machine-learning approach to examining users’ responses to travel content on YouTube

本研究构建综合机器学习框架，分析YouTube旅行内容10,893条评论，识别六大主题及用户情感特征，提出基于旅行vlog的高参与度内容策略及情感推荐系统优化方向，但未纳入视听元素分析。

　　

摘要

本研究开发了一个综合的机器学习框架，用于分析用户在YouTube上对旅行内容的反应。利用Expedia YouTube频道中的10,893条评论，我们将潜在狄利克雷分配（Latent Dirichlet Allocation）与主题建模、情感分析和K均值聚类（K-means clustering）相结合。研究发现了六个主要主题：旅行视频博客的观赏体验、旅游景点、对推荐目的地的认可度、旅行愿望清单、内容制作质量以及城市生活体验。情感分析显示了复杂的情感模式，其中快乐、信任和期待情绪占主导地位。用户聚类分析划分出了不同的观众群体，而Shapley加性解释（Shapley Additive Explanations）分析表明旅行视频博客引发了最高的用户参与度。尽管本研究仅对单个频道的用户评论进行了文本挖掘分析，未考虑视频内容的视觉和听觉元素，但其发现仍有助于旅游营销人员为特定观众群体创建有针对性的内容，优先选择旅行视频博客的形式，并开发出能够感知用户情感的推荐系统，从而提升用户体验和社交媒体互动性。