用于数字文化旅游的多模态用户生成内容分析：一种可解释的机器学习方法，旨在提升游客满意度

《Annals of Tourism Research Empirical Insights》：Multimodal user-generated content analysis for digital cultural tourism: An explainable machine learning approach to tourist satisfaction

　　张红宇 | 沈开源 | 卢龙
中南大学商学院，湖南省城市智慧治理哲学与社会科学重点实验室，中国长沙410083

**摘要**
数字文化旅游正在迅速发展，但相关的研究主要依赖于问卷调查或单模态文本分析，未能捕捉到用户生成内容（UGC）中的全面和多维证据。为了有效利用多模态数据，本研究提出了一个多模态分析框架，应用于长沙的四个数字文化旅游项目。通过整合主题建模、情感分析、图像识别和可解释机器学习技术，该分析揭示了文本因素的复杂和非对称影响，以及视觉特征对满意度的独特影响。这项研究深入理解了数字旅游环境中游客满意度的机制，并为目的地管理者提供了数据驱动的见解。

**1. 引言**
数字革命正在从根本上重塑全球旅游业（Stefan，2021）。人工智能和虚拟现实等技术正在融入文化旅游，创造出以沉浸式体验和互动叙事为中心的新形式（Melo等人，2022）。因此，使用数字工具提高竞争力已成为利益相关者的优先事项（Ammirato等人，2022）。欧盟委员会和联合国教科文组织等机构积极推广“数字文化旅游”，推动了包括韩国的“Deoksugung, in My Hands”增强现实之旅、中国的“数字故宫”和卢浮宫的虚拟现实体验等旗舰项目。然而，由于数字文化旅游仍处于起步阶段，仍存在重大挑战。虽然这些技术提供了多样的应用，但它们往往更重视视觉效果而非真正的互动。因此，游客的体验可能显得表面化，无法充分满足心理需求和整体满意度（Zheng等人，2023）。最终，这种忽视减少了游客再次访问或推荐该目的地的意愿，限制了行业的长期可持续增长。

在线旅行社和用户生成内容的兴起为理解游客行为提供了有力的视角（Mensah等人，2025）。从这些内容中提取满意度驱动因素对于数字文化旅游至关重要，使目的地管理者能够改善游客体验并促进高质量的行业增长。游客满意度仍然是衡量体验质量的最终标准。正如体验经济理论所建议的，现代消费者追求难忘的事件而非基本服务。因此，揭示数字文化旅游中满意度的驱动因素至关重要（Bec等人，2019）。此前，研究人员主要依赖传统的调查、访谈和案例研究来收集数据（Li等人，2024）。然而，这些手动方法常常受到方法论偏差和规模限制的影响，从而限制了其广泛的适用性和解释能力（Li等人，2018）。

为了克服这些方法论限制，许多研究使用情感分析和主题建模来分析用户生成内容以改进服务（Chen等人，2022）。然而，很少有研究从多维度角度探讨数字文化旅游中游客满意度的决定因素。实际上，数字文化旅游中的满意度因素本质上是多维的，可能会表现出非线性效应。尽管先前的研究列出了潜在的决定因素，但它们常常忽略了塑造满意度的复杂和非对称机制，使得这些因素的具体影响和相对重要性不明确。此外，尽管用户生成内容丰富，现有学术研究主要依赖单模态文本分析，而忽视了非语言信息（特别是图像）的价值（Li等人，2023）。社交媒体照片直观地反映了实际体验，为评估产品与服务的一致性提供了重要基础（Li等人，2022）。在数字文化旅游中，这种限制尤为明显，因为沉浸式体验是通过视觉符号和空间互动传达的。游客照片记录了焦点场景，并包含了肢体语言和参与状态等隐含的行为证据。因此，排除视觉数据是一个重大缺口，因为单模态文本分析无法完全捕捉游客体验的多维特征。

本研究旨在填补关于多模态数据利用不足和对非线性满意度机制了解不足的研究空白。为此，我们使用多模态用户生成内容（包括评分、文本评论和视觉图像）来调查影响数字文化旅游满意度的关键因素。具体来说，我们首先识别关键的文本和视觉因素，然后研究这些因素如何差异化和非线性地影响满意度。通过结合主题建模、情感分析和图像识别以及Shapley加法解释框架的集成机器学习方法，本研究揭示了多模态特征对游客满意度的异质性影响。

本研究有两个关键贡献。首先，与以文本为中心的研究不同，本研究通过定制的特征提取流程纳入了视觉图像，捕捉了数字文化旅游的整体和感官丰富的属性，证明了视觉内容提供了有价值的补充见解。其次，该研究通过使用可解释机器学习方法来解开这些多模态驱动因素的复杂和非线性影响，提高了方法论的严谨性。这种方法提供了一个透明的框架，用于量化传统线性模型无法检测到的异质性和非对称性机制。

**2. 文献综述**
2.1. 数字文化旅游
数字文化旅游是数字技术和文化遗产的创新融合，提供了超越物理界限的多感官体验。与传统旅游不同，这种形式利用虚拟现实、增强现实和全息投影等技术，模糊了虚拟与现实之间的界限（Wang等人，2002）。关键的是，这些技术作为心理参与的驱动因素。例如，触觉和嗅觉传感器促进了深度互动和感官刺激，增强了感知价值和自我提升（Guttentag，2010）。因此，数字文化旅游在可访问性、个性化和沉浸式叙事方面具有独特的竞争优势，这些是游客满意度的潜在前提（Huete-Alcocer & Valero-Tévar，2021）。然而，尽管这些技术在博物馆和遗产地得到了广泛应用，数字文化旅游的理论范围仍然模糊（Graziano & Privitera，2020）。学者们认为这一概念经常与数字文化遗产或智能旅游等术语互换使用（Zheng等人，2023）。当前的研究在各个学科之间显得零散。虽然先前的研究讨论了广泛的趋势和技术应用（Wei，2019；Yuan等人，2019），但专门针对数字文化旅游的系统研究框架尚缺。这种理论滞后表现在缺乏定义这一概念的综合性框架，以及对游客满意度和行为等关键问题的深入研究不足。

2.2. 基于调查的满意度研究方法
由于旅游本质上是一种体验产品，其成功取决于提供高质量体验以驱动游客满意度（Tussyadiah，2014）。满意度是评估旅游服务的关键指标，引起了业界和实践者的关注。早期对满意度决定因素的研究主要基于经典的期望-确认理论，并依赖于问卷调查数据（De Rojas & Camarero，2008）。在此阶段，结构方程建模成为主导方法。通过整合因子分析和路径分析，这种方法阐明了游客满意度与其各种前提之间的复杂关系，巩固了其作为主流研究工具的地位（Gao等人，2020）。因此，大量文献探讨了包括游客参与度、服务质量、交通便利性、住宿条件、支持性基础设施和核心景点吸引力在内的多个维度的满意度决定因素（Moon & Han，2019；Park等人，2019；Wu等人，2018）。

2.3. 数字文化旅游中的满意度决定因素
在数字文化旅游中，实证研究主要依赖于基于调查的方法。这些研究通常从硬件体验、心理参与和个人差异的角度评估数字技术对满意度的影响。硬件体验涉及技术设备的功能性和互动性（Park & Stangl，2020）。先前的研究表明，这些功能属性在决定用户采纳和满意度方面往往比传统服务因素更重要（Yang & Zhang，2022）。在心理参与方面，数字技术创造了刺激感官享受（Tussyadiah等人，2018）和情感体验（Marasco等人，2018）的沉浸式氛围。这些元素通过深度互动和积极的情感状态直接提高满意度（Chen等人，2023）。最后，个人差异（包括人口统计特征（Tuomi等人，2023）、心理特质（Spielmann & Mantonakis，2018）和社会文化背景（Hudson等人，2019）显著调节游客对这些技术的感知和采纳方式，从而影响他们的整体体验结果。

总体而言，尽管传统旅游研究侧重于基础设施等功能服务属性，数字文化旅游研究则关注沉浸式和技术维度。尽管这两个领域的研究焦点不同，但两者都依赖于基于调查的方法来验证预设的假设。然而，这种方法论范式存在固有的局限性（Aman等人，2021）。除了成本和样本量限制（Lu & Stepchenkova，2012）外，调查设计往往受研究者主观范围的限制，可能导致选择偏差（Gao等人，2020）。这种方法论同质性常常忽视了满意度形成的非线性复杂性，未能充分利用用户生成内容中自发的多维见解。

2.4. 使用用户生成内容识别满意度决定因素
为了克服方法论限制并捕捉游客的自发反馈，用户生成内容成为了一种变革性数据来源（Lee等人，2020）。与基于调查的方法相比，用户生成内容在全面性、真实性和成本效益方面具有优势（Nilashi等人，2023）。因此，在线评论是电子口碑的典型形式，是识别跨行业消费者偏好和满意度决定因素的关键基础（Hou等人，2019）。在旅游行业，现有研究广泛采用了文本挖掘方法，如主题建模、语义关联分析和情感分析。例如，Chen、Anker和Liang（2025）利用基于词汇的情感分析，结合文本和表情符号来量化Airbnb评论中的消费者情感，为业务连续性管理提供了可操作的见解（Chen, Zhou等人，2025）。这些分析技术越来越多地与机器学习和深度学习算法结合使用，以从大量游客评论中识别不同商业实体的满意度决定因素（Shahhosseini & Khalili Nasr，2024）。最近的研究进一步通过可解释人工智能解决了游客行为的复杂和非线性问题。值得注意的是，研究将社交媒体情感分析与SHAP可解释XGBoost模型相结合，映射游客体验，表明可解释人工智能方法在预测准确性和非线性属性影响的可视化方面显著优于传统线性模型（Chen, Zhou等人，2025）。

除了特定算法外，最近的学术研究还采用了更先进的方法论框架来捕捉消费者反馈的多方面动态。特别是结构化主题建模，它结合了文档级协变量，被广泛用于揭示隐藏的投诉维度（Hu等人，2019）和追踪负面评论中的序列模式（Skovoroda等人，2025）。此外，这些研究通过采用不同的评估标准来确定最佳主题数量，为主题模型选择提供了补充视角。Kano模型等框架进一步增强了分析深度，表明负面评论有效地识别了“必须具备”的属性，突显了与正面评论线性影响的结构性差异（Kim等人，2025；Wu等人，2024）。

总之，基于用户生成内容的学术研究为各行业的消费者满意度提供了丰富的见解。然而，在数字文化旅游领域，仍缺乏系统性和多维度地探索影响游客满意度的独特决定因素的研究。

2.5. 研究评论
尽管现有研究确定了数字文化旅游中的潜在满意度因素，但缺乏对多维游客体验的系统整合。由于依赖传统的线性模型，这些精细决定因素的具体机制和相对重要性仍然不明确。为了克服这一限制，最近的研究范式使用机器学习模型进行预测，并通过Shapley加法解释实现事后可解释性，有效解码这些非线性动态（Chen, Anker, & Liang，2025）。此外，虽然文本评论被广泛分析，但视觉数据的关键价值仍未得到充分探索。照片直接反映了感官参与的行为证据，捕捉了文本中通常缺失的独特信息（An等人，2020）。最近的实证证据证实了这些数据类型的结构性差异。虽然游客评论主要关注服务质量和情感体验，但共享的照片往往捕捉了目的地的外观特征和空间布局（Liu等人，2025）。因此，结合图像对于弥补单模态文本分析的局限性至关重要，它能够更精确、更全面地解构影响游客满意度的各种异质性因素。3. 研究设计为了填补捕捉多维度体验的研究空白以及视觉数据未得到充分利用的问题，我们提出了一个全面的多模态分析框架。该框架基于关于游客满意度的文献，并以长沙的代表性数字文化旅游项目作为实证案例研究。主要目标是通过挖掘多模态用户生成内容（包括文本评论、视觉照片和在线旅行平台上发布的数字评分）中的潜在特征，来提取具体的满意度决定因素。这种方法旨在定量解构各种多模态因素的复杂、非线性影响及其差异化作用。从数据收集到可解释模型分析的具体研究过程如下所述。3.1. 分析框架和数据获取如图1所示，我们引入了一个多模态分析框架来评估数字文化旅游中的游客满意度。该框架通过四个主要阶段识别关键的满意度驱动因素及其不同的影响：数据收集和预处理、特征提取、模型评估和可解释性分析。具体来说，模型使用文本评论中的语义特征和视觉图像中的内容特征作为解释变量来预测游客的总体评分。下载：下载高分辨率图像（851KB）下载：下载全尺寸图像图1. 数字文化旅游满意度分析的多模态框架。为了验证这一框架，本研究选择了长沙作为研究地点，该城市以其将历史遗产与数字旅游创新相结合而闻名。为了确保代表性，我们选择了四个不同的项目：天心阁光影公园、长沙 Fantawild Oriental Heritage、通观窑古镇和湖南博物馆沉浸式数字展览。这些案例涵盖了历史景点、主题公园、沉浸式城镇和博物馆，使得能够对各种数字文化旅游形式进行全面分析。我们从四个主要的在线旅行平台（Meituan.com、Dianping.com、Ctrip.com 和 Qunar.com）收集了多模态用户生成内容。这个初始数据集涵盖了包括文本评论、数字评分和上传照片在内的全面游客反馈。为了确保数据完整性，我们实施了一套系统的预处理协议，重点关注时间有效性和内容质量。首先，我们应用了严格的时间过滤，以与每个地点的数字设施的运营成熟度相匹配。具体来说，我们保留了通观窑和 Fantawild 的数据从2019年7月开始，湖南博物馆沉浸式数字展览从2022年1月开始，天心阁从2024年10月开始。所有数据收集一直持续到2025年1月，确保分析的评论对应于完全运营的数字环境。其次，我们实施了严格的质量控制，通过删除图像链接损坏的条目和重复记录来消除噪声。此外，我们还使用自动过滤器排除了非实质性的文本，如少于五个字符的评论或仅包含特殊符号的评论。经过这些步骤后，最终数据集包含20,964条有效评论和72,364张游客照片，为分析提供了高质量的基础。图2展示了处理后的数据集样本。下载：下载高分辨率图像（392KB）下载：下载全尺寸图像图2. 用户生成内容的样本。3.2. 多模态特征提取将非结构化的用户生成内容转换为可量化的特征依赖于两个平行的分析流程。一个流程对文本评论进行语义和情感维度的解构，另一个流程从游客提供的照片中提取主题和客观信息。为了防止在转换过程中丢失信息，所有自然语言处理任务都直接在原始中文语料库上操作。后续表格和图中的英文术语是仅用于说明目的的手动翻译。为了确保模型的稳健性能，通过计算一致性得分并利用可视化工具来确定最佳主题数量。最后，使用频率加权得分对模型生成的关键词进行精细化处理，以构建精确的关键词列表，便于手动命名每个质量方面。在文本维度提取方面，本研究采用了一种结合了潜在狄利克雷分配（Latent Dirichlet Allocation）和TF-IDF加权的方法来识别潜在的主题结构。尽管最近的方法论进展引入了基于大规模语言模型的文本分析方法，但实证比较表明，传统的概率主题模型在主题一致性、透明度和解释性方面通常优于这些方法（Egger & Yu, 2022; Kirilenko & Stepchenkova, 2025）。为了获得稳健的模型性能，通过计算一致性得分并辅以LDAvis可视化来确定最佳主题数量（K）。在主题识别之后，使用Cemotion 2.0进行细粒度的情感分析。该工具建立在BERT深度学习框架之上，与传统词典方法相比，能够更好地捕捉深层语义上下文。分析流程包括将评论分割成语义单元，通过预定义的关键词列表隔离与特定质量方面相对应的那些单元，并计算从0（高度负面）到1（高度正面）的连续情感得分。鉴于评论的多样性反映了游客的满意度并影响消费者的决策（Liu et al., 2023），我们使用语义层次分析来衡量内容的丰富度。虽然之前的研究使用了WordNet（Zhang & Luo, 2023），但将英文框架应用于中文文本可能会引入语言转换错误和语义损失。为了严格验证在本土语料库上的语义测量，我们采用了HowNet，这是一个专门为中文语义处理设计的综合性知识库（Dong & Dong, 2006）。在该框架中，sememe是最小的不可分割的意义单位。计算从词性分割和语法标注开始，以识别评论中的名词。接下来，我们使用OpenHowNet API从知识库中检索每个提取名词的sememe。最后，通过计算每个评论中独特sememe的总数量来量化多样性，数量越大表示语义概念的覆盖范围越广，描述范围越广。为了从每张照片中提取特定内容，我们使用了Recognize Anything Model（Zhang et al., 2024）。该模型包括一个Swin transformer图像编码器、一个图像标签识别解码器以及一个文本生成编码器和解码器。我们选择这种方法是因为它在可重复性、成本效益和应用灵活性方面的优势。这种架构能够准确识别复杂场景并生成有效的名词标签。图3演示了本研究中应用的具体技术架构。下载：下载高分辨率图像（617KB）下载：下载全尺寸图像图3. 基于Recognize Anything模型的图像标签提取架构。在标签提取之后，我们使用TF-IDF加权的LDA模型来综合Recognize Anything模型检测到的视觉内容。来自每位游客照片的标签被整合形成输入语料库。我们通过一致性得分优化模型参数，并使用TF-IDF来精细化主题关键词，以便手动命名每个视觉主题。计算照片内容在各个主题上的概率分布为所体验的视觉主题提供了定量代理，形成了探索它们与满意度关联的分析基础。用户照片中物体的多样性反映了消费者的兴趣，并与满意度相关（Li et al., 2022; Zhang & Luo, 2023）。因此，我们将图像内容多样性作为关键的视觉特征进行测量。为了保持与文本分析的语义一致性，我们采用了相同的基于HowNet的方法。使用OpenHowNet工具包，我们检索与Recognize Anything模型识别的中文标签相关联的sememe。然后，我们通过计算每位游客照片中独特sememe的数量来量化图像内容的多样性，从而有效地反映了他们共享视觉信息的语义广度。3.3. 影响因素分析及游客满意度解释效力为了提高分析效力，本研究通过系统的编码过程将提取的多模态特征转换为结构化数据。来自图像和评论的所有量化特征都被标准化，数值保留到小数点后四位，以最小化精度损失。随后，根据情感得分对来自不同维度的复杂情感信息进行编码。编码规则分别在公式（3-1）和（3-2）中指定：(3-1)factor_posij = 1, 如果 sentiment score ≤ 0.5; 2, 如果 0.6 ≤ sentiment score ≤ 0.7; 3, 如果 0.7 ≤ sentiment score ≤ 0.8; 4, 如果 0.8 ≤ sentiment score ≤ 0.9; 5, 如果 sentiment score ≤ 1.0; 否则（aspect not mentioned）(3-2)factor_negij = 5, 如果 sentiment score ≤ 0.1; 4, 如果 0.1 ≤ sentiment score ≤ 0.2; 3, 如果 0.2 ≤ sentiment score ≤ 0.3; 2, 如果 0.3 ≤ sentiment score ≤ 0.4; 1, 如果 0.4 ≤ sentiment score ≤ 0.5; 否则（aspect not mentioned）在这里，研究将情感得分的阈值设定为0.5，将每个语义单元的情感强度分为两个独立变量：正面情感得分，表示为factor_posij，负面情感得分表示为factor_negij。在这些变量中，i代表第i位游客发布的评论内容，j代表该游客评论中包含的第j个特征维度。最后，研究对每位游客给出的景点评分marki进行了二值化处理。编码原则如公式（3-3）所示：(3-3)marki = 1, 如果 rating score ≤ 4; 0, 如果 rating score < 4根据Kim et al.（2025）和最近的旅游文献（Aman et al., 2021; Chen, Zhou et al., 2025; Liu et al., 2025），我们将4星和5星评分分类为“满意”，以捕捉高质量服务的驱动因素。这种二分方法直接解决了在线评论常见的严重J形分布问题（Hu et al., 2009）。由于我们数据集的83.0%落在4到5星范围内，将这些评分视为序数变量会导致由于较低类别的数据稀疏性而产生偏见。因此，二分类提供了一个稳健的目标，以有效区分高质量体验和较差的体验。然而，重要的是要认识到这种操作选择代表了固有的建模权衡。通过抽象1到5满意度尺度的序数性质，当前框架专门旨在揭示高质量体验的驱动因素。因此，本研究中呈现的实证结果和随后的管理意义应明确界定为反映高质量体验的决定因素，而不是捕捉游客满意度的完整范围。在多模态信息编码过程之后，研究特征变量在表1中进行了总结。表1. 多模态特征变量。变量类型变量符号描述reviewreview_vari通过语义层次分析计算的游客i发布的评论中包含的名词叶节点数量factor_posij游客i发布的评论中第j个预定义评论质量维度的正面情感强度的定量指标factor_negij游客i发布的评论中第j个预定义评论质量维度的负面情感强度的定量指标photopicij游客i上传的照片属于视觉主题j的概率photo_vari通过语义层次分析计算的游客i发布的图像标签中包含的名词叶节点数量ratingmarki游客i对数字文化旅游体验提供的总体满意度评分使用编码后的多模态特征，我们构建了几个模型来分析游客满意度的决定因素。游客对景点的评分作为因变量，而从评论和图像中提取的特征作为解释变量。我们采用了多种算法，包括支持向量机、XGBoost、多层感知器、随机森林和逻辑回归。为了验证结合图像的必要性，我们设计了两个比较实验：“仅评论”和“评论+照片”。这种控制变量方法使我们能够评估图像信息对游客满意度分析的贡献价值。为了确保科学严谨性，我们实施了一个稳健的评估方案，包括重复的独立实验运行和严格的数据分割，以减少随机性和数据泄露。我们使用曲线下面积（Area Under the Curve）、F1分数、精确度（Precision）、平衡准确率（Balanced Accuracy）、敏感性（Sensitivity）、特异性（Specificity）和对数损失（log loss）来全面评估每个模型。通过比较这些指标，我们选择了最佳拟合的模型，为后续的可解释性分析提供坚实的基础。为了克服机器学习算法的黑箱性质，我们使用了SHAP框架来揭示多模态特征对满意度的差异化影响（Lundberg & Lee, 2017）。SHAP利用博弈论方法来量化每个特征对特定预测的边际贡献（Strumbelj & Kononenko, 2010）。分析过程包括两个阶段：计算平均绝对SHAP值以排名全局特征重要性，并生成SHAP摘要图来可视化这些影响的分布和方向。这种方法识别了关键的满意度驱动因素，并阐明了变量与游客满意度之间的复杂、非线性关系。技术上，我们使用TreeExplainer计算SHAP值，配置为在对数概率上操作，以确保特征属性的精确可加性。为了确保解释结果反映了模型的泛化能力而不是过拟合，我们仅从10次重复实验运行的独立测试数据中生成全局特征重要性和摘要图。此外，为了减轻特征冗余带来的解释偏差，我们使用皮尔逊相关矩阵来识别并排除输入变量之间的严重共线性。详细配置参数和相关分析在附录D中提供。4.### 实验过程与结果分析

本章根据第3节的方法论呈现了实证结果。4.1节“评论特征提取结果”详细介绍了文本评论和照片内容的特征提取结果；4.2节“照片内容挖掘结果”进一步说明了特征提取的细节。4.3节报告了比较模型的性能及最优算法的选择；4.4节“评论特征的可解释性分析”和4.5节“图像特征的可解释性分析”探讨了文本和视觉因素如何具体影响游客满意度。

#### 4.1 评论特征提取结果

在文本特征提取过程中，我们通过评估连贯性稳定性来确定LDA模型的最佳主题数量（K）。为了解决随机初始化可能带来的不稳定性，我们对每个候选K（范围从2到15）进行了10次模型训练，实施了多种子稳定性检查。最终选择的最优K是基于绝对连贯性得分和模型稳定性来决定的。这些得分（包括每个主题计数的平均值和标准差）在图4中有所展示。根据定量结果，K=7的模型在性能和稳定性之间达到了最佳平衡。因此，K=7被选为后续分析的最优解。

#### 4.2 评论特征提取结果

由于主题建模是无监督的，人工干预确保了关键词能够准确代表主题维度（Bastani等人，2019年）。为了保证准确性，我们采用了三阶段验证机制：第一阶段由研究人员进行初步标签标注，第二阶段进行审核，第三阶段根据每个主题最常见的十个词来确认结果（Guo等人，2017年）。例如，“服务”和“专业性”定义了“服务态度”维度，而“价格”和“购物”则标识了“商业消费”维度。最终，与领域相关的关键词被分类到相应的维度中，详细的描述和示例评论分别见表2和表3。

**表2. 识别主题的描述和关键词**

| 主题 | 关键词 | 描述 |
|----------------|--------------------------------------------|--------------------------------------------------------|
| 体验参与 | 体验、互动、乐趣、有趣、震撼、推荐、失望、无聊、亲子、满意 | 通过游客积极参与和互动形成的主观体验，反映了项目的整体互动性 |
| 项目与设施 | 项目、设施、技术、表演、电影、机器人、剧院、巨幕、表演、公园 | 为游客提供的物理和技术设施，是体验的主要载体 |
| 环境与氛围 | 环境、氛围、光线与阴影、亭子、夜景、沉浸式、视觉效果、灯笼、风景 | 通过自然和人工设计创造的感官环境，影响游客的沉浸式体验和情绪 |
| 服务态度 | 服务、态度、热情、解释、专业性、协助、员工、知识 | 员工的服务态度和专业能力，包括解释和现场管理 |
| 商业消费 | 消费、价格、性价比、餐饮、食物、购物、套餐票、费用、商店、娱乐 | 游览过程中的消费方面，包括对价格合理性的评价和支持服务 |
| 历史与文化 | 历史、文化、遗迹、博物馆、故事、收藏、历史遗址、传统、特色 | 通过数字技术复兴的历史和文化内容，展示遗迹和历史轶事的文化魅力 |
| 交通与便利性 | 交通、路线、停车、公交、地铁、自动驾驶、出租车、预订、时间、位置 | 到景区的交通便利性，相关流程的效率，以及位置规划 |

#### 4.3 图像特征的可解释性分析

本章还进行了图像特征的可解释性分析，探讨了文本和视觉因素影响游客满意度的具体机制。

#### 4.4 评论特征的可解释性分析

### 4.5 图像特征的可解释性分析

为了深入理解文本和视觉特征如何影响游客满意度，我们进行了图像特征的可解释性分析。这一分析揭示了文本和视觉信息如何通过特定的机制共同作用于游客的满意度。通过可视化工具LDAvis，我们观察到K=7的LDA模型在语义上的清晰度较高（见图5）。尽管主题间距离图显示了七个不同的节点，但我们更重视语义的可解释性，而不是这种二维映射中的空间分离。表2中的高频关键词证实了模型能够清晰地分离出潜在主题，且没有歧义。稳定性分析进一步支持了这一结果，表明K=7的配置在多次随机初始化下都能得到稳健且一致的主题连贯性得分。

#### 4.6 基于方面的 sentiment 分析

接下来，我们利用基于方面的 sentiment 分析方法，量化了从每条评论中提取的各种质量维度的情感极性。这些结果根据公式3-1和3-2中的编码规则进行了编码。表4和表5展示了一个代表性的评论及其对应的计算结果。

### 5 结论

总体而言，K=7的LDA模型在文本和图像特征提取方面表现出了最佳平衡，能够有效地捕捉提升游客满意度的关键因素。同时，基于方面的 sentiment 分析也揭示了不同质量维度对游客情感的影响。这些发现为后续的模型选择和解释性分析提供了有力支持。在同一主题下，正面和负面的情感表现出系统性的异质性，揭示了满意度机制的动态性质。将这些效应与现有的研究综合起来，可以得到几个关键结论。首先，“商业消费”和“交通与便利性”是基础性的决定因素。这些领域未满足的需求会显著降低满意度，而高性能并不容易转化为进一步的提升。“商业消费”中的负面反馈，如过度商业化或不透明的定价，会立即引发不满。同样，糟糕的便利性或物流不便会耗尽游客的耐心，掩盖了随后的体验。对于数字文化旅游而言，这些维度构成了运营的核心，只有在这些基本需求得到满足后，游客才会参与到更高层次的体验中。其次，“环境与氛围”、“历史与文化”以及“项目与设施”是增值因素。当这些得到满足时，会显著提升满意度，但它们的缺失并不会产生显著的负面影响。一旦基本需求得到满足，期望值会升高。作为体现核心行业价值的维度，这些因素增强了目的地的竞争力（Chang等人，2012年）。在数字旅游中，游客期望通过数字化打造的氛围和无缝互动获得沉浸式体验。利用技术优化设施和生动呈现当地历史至关重要。因此，数字展示成为重要的载体，使游客能够通过真实的、互动的环境理解文化叙事。最后，“体验参与度”和“服务态度”是绩效因素，满意度水平与整体情感直接相关。当这些维度超过期望时，满意度会有显著提升；而表现不佳则会导致满意度显著下降。这一发现得到了Harrington等人（2017年）在大规模节日旅游背景下的研究支持。实际上，游客对参与质量和服务水平有特定的先验期望。这些期望是否得到满足直接决定了整体满意度的波动（Harrington等人，2017年）。因此，对于数字文化旅游来说，提升这两个维度是一种直接有效的策略，可以同时提高满意度并减少不满，使它们成为运营卓越的核心优先事项。

此外，“评论内容的多样性”与满意度呈显著负相关，这意味着更多样化的评论表明整体评分较低。这与先前的文献一致，即不满的消费者会通过多维度表达来表达沮丧（Aman等人，2021年；Zhang & Luo，2023年）。游客会提供详细的陈述来充分传达负面看法，而正面体验则通常以简短和同质的表达为特征。因此，评论多样性直接反映了数字文化旅游中的多维度负面体验。

4.5. 图像特征的可解释性分析
与文本特征类似，图像特征的可解释性分析基于10次独立运行的汇总结果分为两个阶段进行。图8(a)通过平均绝对SHAP值对全局特征重要性进行排序，而图8(b)提供了SHAP摘要图，以可视化每个特征影响的方向和分布。这些综合发现确保了视觉决定因素的评估具有统计上的稳健性。

总体而言，结果表明“数字展览”主题的比例和“图像内容多样性”具有最显著的影响。具体来说，整体满意度与这两个维度呈正相关，表明多样化、以数字为中心的视觉内容能够激发游客的愉悦感。相比之下，“环境设计”和“景观空间”主题的比例相对不那么重要，与满意度没有显著相关性。

关于视觉主题与整体满意度之间的关系，有几个发现：首先，“数字展览”主题具有最显著的正面影响，验证了数字创新的满意度提升作用。数字技术通过场景重建和多模式展示增强了历史展品的吸引力（Yang & Zhang，2022年）。这种沉浸式体验激活了传统资源的现代价值，加强了文化交流和高质量传播（Zheng等人，2023年）。因此，“数字展览”是提升现代游客体验的主要驱动力。其次，“景观空间”和“环境设计”与满意度没有显著相关性。这表明物理空间布局和技术支持的娱乐尚未成为稳定的满意度驱动因素。“景观空间”的这种缺乏影响揭示了物理创造和技术整合之间的矛盾。许多目的地存在布局同质化和过度商业开发的问题，这削弱了空间设计的积极效果。正如游客评论中将目的地描述为“人造古镇”或“过度商业化”所示，内容的同质化侵蚀了文化真实性。与先前的研究一致，当真实性受损时，技术的赋能效果被中和了（Cao等人，2025年；Loureiro等人，2020年）。同样，“环境设计”的不显著性反映了技术支持的娱乐和服务提供之间的不匹配。虽然光影互动增强了感官沉浸感，但其贡献被运营缺陷所抵消。“长队”、“管理不善”或“设备故障”等问题将关注点从技术转移到了服务失败上。因此，技术驱动的环境设计的价值未能被游客充分感知，导致其统计意义上的不显著。

此外，“图像内容多样性”与满意度呈显著正相关。捕获的视觉内容越丰富，整体评价就越高。从动机角度来看，沉浸在数字体验中激励游客捕捉多样化的场景，而不是单一主题，通过社交分享强化自我认同（Li，2020年）。这与An等人（2021年）的框架一致，他们认为信息丰富性和多样性是沉浸的关键前提。在数字文化旅游中，高照片多样性提供了多样化的感官和信息输入的有形证据。与仅限于少数几个标志性地点的单调体验不同，广泛的数字展览和互动叙事鼓励游客记录旅程的多个方面。本质上，这种多样性反映了游客由于环境丰富性而进入了一种流畅状态，从而显著提高了整体满意度。

5. 结论与讨论
5.1 结论
本研究证明了将多模态用户生成内容分析与可解释的机器学习相结合提供了一个强大的框架，用于解构游客满意度。研究结果表明，与仅依赖文本的方法相比，多模态视角显著增强了解释力，捕捉到了技术中介体验的复杂性。分析揭示了文本反馈中的明显不对称性。基础维度，如“商业消费”和“交通与便利性”，作为卫生因素，其不足会引发不满，但满足这些需求带来的提升有限。相反，“环境与氛围”、“历史与文化”以及“项目与设施”作为价值提升驱动因素，显著提升了满意度。同时，“体验参与度”和“服务态度”显示出线性关系，表现与评价成正比。值得注意的是，评论内容的多样性是负面体验的一个指标，因为游客在多个维度上感到不满时会提供更详细和复杂的反馈。

补充文本发现，视觉维度为游客愉悦体验提供了独特的见解。“数字展览”内容和“图像内容多样性”的高比例与满意度呈正相关。相比之下，“景观空间”和“环境设计”通常由于同质化、过度商业化或运营缺陷而无法持续贡献于满意度。重要的是，与基于文本的发现不同，图像内容多样性在视觉领域显示出与满意度的显著正相关。这表明在视觉领域，更广泛的捕获体验范围是高质量信息吸收、深度沉浸和自我认同成功确认的行为指标。总体而言，这些发现强调了需要多模态、可解释的方法来准确管理数字文化旅游中游客满意度的复杂驱动因素。

5.2 理论贡献
本研究对数字文化旅游和游客满意度领域的文献做出了三个关键的理论贡献。首先，它扩展了体验经济框架，验证了一种整合文本和视觉用户生成内容的多模态方法。尽管之前的研究主要集中在文本上，但本研究展示了整合视觉特征如何显著增强解释力。通过捕捉技术中介体验的非语言、感官丰富的性质，该框架为理解游客的整体感知提供了更全面的视角。其次，本研究为量化游客体验的非语言维度提供了一种经过验证的方法。通过利用先进的图像识别和主题建模的流程，我们的发现确认了视觉特征在推动满意度方面的独特作用，为未来旅游研究中的综合文本视觉建模奠定了方法论基础。第三，这项研究展示了可解释的机器学习在揭示满意度异质、非线性驱动因素方面的实用性。与依赖线性假设的传统方法不同，应用SHAP框架揭示了游客感知的复杂、不对称性质。这一发现为理解沉浸式环境中游客需求的层次结构提供了更细致的视角，丰富了基于用户生成内容的旅游研究的分析工具箱。

5.3 实际意义
本研究为数字文化旅游生态系统的关键利益相关者提供了有针对性的、数据驱动的建议。首先，对于目的地管理者来说，采用分层方法优化游客体验至关重要。因为基础方面如票务、定价和场地便利性对不满的影响尤为显著，解决这些痛点是当务之急。实施透明定价和改善交通连接可以迅速消除主要的负面反馈来源。一旦这些基础方面得到保障，资源可以转向推动积极满意度的主题元素。其次，对于技术和创意团队来说，超越通用的空间布局，设计内容丰富的体验是必要的。由于图像内容多样性与满意度呈正相关，设计过程必须强调创建多方面的、高质量的沉浸式节点，而不仅仅是重复的景观背景。团队应打造信息丰富且视觉上独特的数字展览和互动空间，鼓励游客捕捉和分享多样化内容。促进这种自我认同和沉浸的行为表达可以减轻空间同质化的风险，并培养深刻的情感共鸣。最后，对于运营团队来说，必须弥合技术潜力与服务提供之间的关键差距。运营故障不得抵消硬件设施的价值。由于环境设计特征往往因维护问题而无法驱动满意度，因此需要严格的监督，以确保互动装置的功能完美无瑕。强大的管理协议必须防止常见的问题，如设备故障或混乱的排队，确保技术带来的感官影响得到充分感知，而不是被基本服务缺陷所削弱。

5.4 限制与未来研究
本研究承认了一些限制，这些限制为未来的研究指明了方向。首先，实证数据仅来自长沙的数字文化旅游项目。虽然具有代表性，但地区间的文化背景、技术成熟度和游客人口统计的差异可能会影响普遍性。未来的研究应扩大地理范围，包括不同地区的多样化项目类型，以便进行比较分析，验证更广泛的适用性。其次，当前的多模态框架仅限于文本和图像。鉴于社交媒体平台上丰富媒体的普及，未来的研究可以纳入视频和音频数据。采用先进的算法捕捉动态行为线索将进一步提高模型性能和整体理解。第三，关于文本特征提取，本研究采用了TF-IDF加权的LDA模型。虽然这种方法在识别旅游管理研究中的主导主题方面具有高可解释性和稳定性，但它依赖于词汇表示。与最近在上下文嵌入方面的进展相比，可能会遗漏深层语义细微差别。未来的研究可以探索基于嵌入的主题建模方法，如BERT或Sentence-BERT，以交叉验证发现并进一步提高主题提取的语义连贯性和粒度。

以下是与本文相关的补充数据：
下载：下载视频（26MB）
补充视频1：文章的视频摘要。
下载：下载Word文档（503KB）
补充材料1：多模态用户生成内容分析的附录。

CRediT作者贡献声明：
张宏宇：撰写——审稿与编辑，监督，资金获取。
沈凯远：撰写——原始草稿，方法论，形式分析，概念化。
刘龙：撰写——审稿与编辑。