观点与创新：

● 使用旅游评论大数据对爱国情感进行捕捉

● 构建旅游—爱国情感词库,结合旅游情感评估模型分析我国游客的爱国情感

● 旅游目的地的资源类型与区位因素是触发游客产生爱国情感的重要因素

Highlights:

● This research employs big data of travelers’ reviews to capture visitors’ patriotic sentiment.

● A corpus of words and expressions concerning tourism-related patriotism is constructed, and the travel sentiment evaluation model is applied to measure and analyze Chinese tourists’ patriotic sentiment.

● The paper concludes that resource types and the location of tourist destinations are leading factors that stimulate and forge Chinese tourists’ patriotic sentiment.

当前全球社会发展正呈现出多极化的趋势,这一趋势在给世界各国、各民族带来机遇的同时,也在影响和重塑大众的爱国情感,这就给爱国情感维持带来了一定的挑战（吴玉军,2020）。在现阶段,我国面临着全球化外力推动及社会内在转型的双向互动,在“全球化背景下的社会转型”这一时空坐标中,爱国情感所遭遇的挑战更为严峻（金太军、姚虎,2014）。这其中便有来自旅游的影响。作为一种跨文化传播的行为,旅游活动的作用正日益多元化。来自不同地域和文化背景的旅游者在目的地的跨文化交际、沟通、传播活动越来越频繁,并持续对旅游目的地的经济、文化、社会等各方面产生显著的影响。作为一种跨文化传播的行为,旅游对于地方文化共同体的影响引人深思,而如何让旅游者在旅游体验的同时提升对本国旅游目的地的文化认同,唤醒爱国情感,提高自身的文化自信,是当前旅游研究服务国家发展需求的重要切入点。

爱国情感研究是国内外社会科学研究的重要话题之一,早在20世纪90年代,外国学者就已开展针对游客的爱国情感及国家认同研究（Sears,1994;Checkel,1999）。现有研究主要强调文化遗产对爱国情感及国家认同的重要性（Pretes,2003;Butler,Khoo-Lattimore & Mura,2014;Gieling & Ong,2016）,以及旅游发展对多民族国家社会稳定带来的积极意义等（De Cillia,Reisigl & Wodak,1999;Blank & Schmidt,2003）。在研究方法上,现有方法较为传统,在研究的时效性和地域的广泛性上存在一定局限（Huddy & Khatib,2007;王珂、尚眉、叶甜,2014）。因此,本文试图借助当前日益丰富的旅游大数据,探索旅游、文化传播与爱国情感之间的互动关系,为更好地发挥旅游文化宣传作用提供决策支持。

旅游者越来越多地利用网络在智能移动终端预订旅游产品,撰写游记,查找、咨询、点评旅游信息等,由此产生的发布在各平台的海量旅游用户生成内容（User Generated Content,UGC）文本成为旅游大数据研究的重要资料。为挖掘海量非结构性、碎片化旅游网络文本的内在价值,拓宽游客评论的应用前景,刘逸、保继刚和朱毅玲（2017）经过多轮校验开发了旅游情感评估模型（Tourism Sentiment Evaluation,TSE）。该模型构建了旅游专属词库,并根据语义逻辑构建了算法模型,为旅游UGC文本的分析提供了新的方法和路径,证实了旅游大数据的可用性,为后续的理论推进和实践应用提供了科学依据,是旅游大数据研究的一次有效突破。本文借助TSE模型的算法基础,针对爱国情感情境对词库进行了修正,以此捕捉游客在旅游过程中产生的爱国情感,探索旅游对爱国情感的影响机制。具体而言,本文将在TSE模型的基础上完善现有词库,增补爱国情感词汇,构建旅游—爱国情感词库,结合爱国情感词库描述我国游客在历史文化、集体记忆、国家主权、民族种族关系、法律和经济制度方面的认同程度,探讨评估不同类型旅游目的地与国家认同的相互关系及表现形式,为旅游与爱国情感研究提供研究视角。

国家认同是一种为个体提供文化和身份标准的集体认同,爱国情感是国家认同的重要组成部分。在现代社会,国家认同是建构其他认同的基础（Greenfeld,1996;Smith,1996）。Gellner（1983）认为,国家认同是自上而下地由国家机制通过国家教育系统和大众媒体逐步“灌输”给大众所产生的。现代西方国家认同的基础是国家认同的传播,这种传播通过挖掘甚至“发明”国家历史和民俗,创造了一种独特的长期存在的共同身份。现代社会中的国家认同是通过从成人到儿童,对代表国家和民族的文化资源进行代际传承形成的（Smith,1996）。在概念界定层面,综合以往学者对国家认同概念的观点,本文认为国家认同指一个国家公民对相同的历史文化、集体记忆、国家主权、民族种族关系、法律和经济制度的归属感。

当前的国家认同研究主要围绕4个方面开展：一是国家认同的分类、特征及价值研究（金太军、姚虎,2014;李艳霞、曹娅,2016）,这类研究聚焦于对国家认同概念的阐述、评估指标判定和研究价值判断等方面;二是以跨境民族为对象的国家认同研究（Över,2016）;三是针对青少年群体的国家认同研究（陈万柏、朱秀琴,2013;Butler,Khoo-Lattimore & Mura,2014）,这类研究强调针对青少年群体开展国家认同研究的重要性和必要性,包括对少数族裔青年的国家认同研究、青少年社会心理研究、青少年的爱国主义现状研究等,这类研究往往伴随着政策建议的提出,具有较强的现实价值;四是对民族认同与国家认同关系的研究（苏昊,2010;马得勇,2012）。

在研究方法方面,当前的国家认同研究呈现出多元化特征。在国家认同的操作化测量上,有3种常见的研究方法。第一种是话语分析（访谈法）。De Cillia、Reisigl和Wodak（1999）通过访谈奥地利居民,探究建构国家认同的主题、话语策略和语言手段。Blank和Schmidt（2003）通过访谈前东德和西德居民,发现两类居民在国家认同方面表现出相同的态度模式,将国家认同与对他人的宽容联系在一起,发现民族主义和爱国主义分别表现为对少数民族更不宽容和更宽容的态度。第二种是内容分析法。王珂、尚眉和叶甜（2014）通过分析我国45项世界遗产的官方网站信息,发现世界遗产地对游客国家认同起到一定的引导作用。第三种是定量研究。常见的问卷调查法、描述特征词等级评定法、描述特征词排序法等方法均属于自我评定法,可能产生共同方法偏差。Huddy和Khatib（2007）开发并评估了基于社会认同理论的国家依恋的测量方法,证明了强烈的美国国家认同会促进公民的政治参与。

在国家认同测量方面,当前方法可分为直接测量和间接测量两种（吴鲁平、刘涵慧、王静,2010）。直接测量方法所用的语言更直接,逻辑清晰,但是存在过于直白、缺乏特征词评判标准的局限性。间接测量方法将“自豪感”和“重要性”作为关键词,从被调查者的客观评价中判断其不同的归属倾向性,具有隐蔽性且容易得到更加真实的结果（吴鲁平、刘涵慧、王静,2010）。通过测量国家自豪感表达倾向评估研究对象在各个层面的归属感强度,进一步评估国家认同度的方式,也被用于国际组织的社会调查,例如世界价值观调查、欧洲晴雨表调查、跨国学术组织的国际社会调查项目等。这些调查项目采用相同指标对多个国家开展研究,还为样本间的对比提供了条件。此类方法被许多学者采纳,例如：Dowley和Silver（2000）在研究中采用“具体领域自豪感”来评估国家忠诚;吴鲁平、刘涵慧和王静（2010）利用ISSP 2003年的数据评估了不同群体的国家认同状况,探讨了国家认同与接纳性之间的关系。

当前,旅游消费行为已经成为表达个人爱好、社会身份、爱国情感、民族自豪感等情感的重要方式之一（Morgan & Prichard,1998）。现阶段旅游研究学者对政治认同、族群认同、地方认同、自我认同和社会认同的研究数量较多（余向洋、吴东方、朱国兴等,2015）,而针对爱国情感及国家认同的研究数量较少,并且主要集中在遗产旅游话题之上。

旅游业有一个突出的作用,就是赋予某个地方博物馆功能,因此是传播和塑造民族情感的关键要素之一（Sears,1994）。旅游景点作为展现民族特征、展示民族存在的历史证据的场所,一定程度上和博物馆发挥着同样的作用,当国家被理解为一个想象共同体时,国内游客通过参观遗址景观可以形成和维持国家认同（Pretes,2003）。Gieling和Ong（2016）通过对战争遗址旅游行为的研究,发现遗产旅游可以有力地促进国家认同的建构和维持。目前,不少国家已经意识到这一点,并将遗产旅游确定为一种促进凝聚力的社会工具（Bandyopadhyay,Morais & Chick,2008）。Kavoura（2007）提出,政治因素在国家认同方面发挥着重要作用,现代国家会依赖世界遗产的符号化力量选择如何呈现和翻译历史来加强人们的身份认同。Över（2016）以亚美尼亚人的教堂旅游行为为研究对象,探究大屠杀事件与国家认同的关系,提出政府可以利用旅游促进经济发展,从而避免在推进国家认同的争议中受到批评。吴玉军（2010）以北京的历史遗迹为例,探讨了符号、话语与国家认同的关系,认为它们背后承载着一个民族的文化传统,凝结着一个民族的集体记忆。李彦辉和朱竑（2013）以黄埔军校旧址及其游客为研究对象,探讨了地方、地方传奇与游客的集体记忆及国家认同的关系。Butler、Khoo-Lattimore和Mura（2014）开展了多民族国家遗产代表国家形象程度的研究,认为推广以宗教和种族为核心的遗产景点,利于提升爱国情感。

上述研究表明,以遗产旅游为核心的旅游活动能够唤起游客的集体记忆,促进国家认同,进一步增强其爱国情感。但是关于旅游情境下的爱国情感研究,明显尚处于初级阶段,存在如下不足：第一,在研究对象层面,现有研究多将目光聚焦于遗产地旅游,研究视角较为狭隘,未能看到各类旅游资源,如自然景观、历史文化与民族风情等,均有可能积极地传播地方乃至国家文化与情感。第二,在游客情感研究层面,现有研究倾向于将基于游客旅游行为产生的爱国情感判断为积极的情绪,认为游客均产生了正面的爱国情感,而对负面情绪与爱国情感之间的关系关注不足。第三,在研究方法层面,现有研究多从定性的角度分析遗产旅游与国家情感的关系,存在人工解读的主观性、片面性等问题（梁玉成、杨晓东,2017）。目前,爱国情感测量的现有研究方法较为传统,尽管达到了深度解析爱国情感与国家认同概念和特征的目的,但仍在样本代表性、研究时效性等方面存在问题,难以从大尺度视角探究不同地域游客的爱国情感程度差异。

值得注意的是,从研究内容来看,在现有的国家情感相关研究中,西方研究情境下,研究者更加关注国家认同情感研究,其理论内容、研究视角与案例更贴合西方社会发展情况。许多研究情境及研究基础均设定为与战争、国家主权争端以及民族间的接纳与认同问题相关,这与我国当下国情并不符合。而从情感内涵来看,爱国情感相较于国家认同情感而言更为浓厚,更能够代表国民对国家的情感。综合来看,本研究认为对国家情感的相关研究应重视并考虑具体国情以及学术理论的适用性与特殊性。结合现有的国家情感研究内容与视角,以及我国旅游发展情况,本研究将研究主题与核心确立为游客爱国情感研究。

基于上述问题,本文拟从多个目的地类型出发,借助TSE模型,探索不同类型旅游目的地游客爱国情感的空间特征及差异,从而解析旅游资源、情感表达与爱国情感之间的互动关系。旅游UGC评论的出现,为本研究提供了良好契机：一方面,使用旅游UGC可以较为便利地开展多目的地比较,有效地捕捉旅游对爱国情感影响的基本方式与程度;另一方面,相对于现场调查得到的结果,旅游UGC文本更加理性和真实,有助于研究游客对目的地的真实情感和评价。

本文选取了TSE模型（刘逸、保继刚、陈凯琪,2017;刘逸、保继刚、朱毅玲,2017;刘逸、徐晓静、赵莹,2019）,将修正之后的模型用于测度旅游情境下的爱国情感特征。该模型的原理是通过自建旅游专属词库,采取词频过滤法,计算每条评论中特征高频词出现的次数与比例,得出所计算评论的情感倾向,并把情感倾向量化为分值。在此基础上,该模型确立了一系列的语法逻辑规则,用于矫正情感表达偏差,并使用了情感校正系数。该系数的意义在于矫正旅游者在发表评论时的正面倾向,即在表达正面情感时会说得比较多,而当表达负面情感时,言语较少。因此,以情感词的绝对数量来测度评论的情感特征,得到的绝大多数评论都是正面的。而经过TSE模型的校验,以4倍为基准值来矫正,能够较准确地反映评论的情感特征。本文认可并延续这个情感系数的设定,仅对词库做出修正。

本文选择分别属于历史文化、自然、民族民俗三大类型旅游地的9个国内知名旅游目的地作为研究区域——北京、黄山、洛阳、阳朔、张家界、喀纳斯、西双版纳、常熟和开封。一方面,这9个目的地分布范围覆盖我国东部、中部和西部,且目的地本身的旅游吸引力强,客源来自全国各地,因此这些数据具有一定的代表性。另一方面,研究区域的旅游资源结构多样,涵盖自然风光、历史文化景观、民族民俗等多种旅游类型,与爱国情感定义中的内容相契合,这也就避免了旅游地项目类型单一造成的分析偏差。

数据采集方面,本文采用的数据为旅游UGC文本,来源为百度旅游、去哪儿景点、携程、马蜂窝、猫途鹰、美团、去哪儿门票、途牛、驴妈妈9个国内知名的旅游社交网站。本文利用八爪鱼网络爬虫工具抓取旅游在线评论,共获得在线评论784 576条（见表1）。获取数据的时间跨度为2015年2月—2019年2月。

本文的创新之处在于基于TSE模型的旅游词库,增补了爱国情感专属词汇,同时也进一步修正了原TSE模型的词库。在构建词库的过程中,建立了包括作者在内的5人评定小组,在人工阅读784 576条在线评论后,选取爱国情感相关词汇,合并整理意见后邀请两位专家对选取词汇给出评价与建议,进一步归纳出与爱国情感相关的名词、形容词、动词,共获得词汇238个。其中,包含正面（或负面）情绪的名词59个,表达正面（或负面）情绪的形容词96个,包含正面（或负面）情绪的动词83个。基于专家意见与人工阅读结果,评定小组最终构建了旅游—爱国情感分析词库。由于旅游评论数据规模庞大,与爱国情感相关的旅游评论比例小,无关评论造成可视化数据的分析价值下降,若以全部评论作为研究对象,则无法进行后续分析。针对这一问题,本文对各旅游目的地的游客评论进行标准统一的筛选,按照新的旅游—爱国情感词库,将涵盖爱国情感相关词汇的旅游评论抽取出来,最终获得按目的地分类的旅游评论数据。处理后的游客评论共计30 615条、4 363 710字。

在获取筛选数据的基础上,本文利用内容挖掘软件ROST CM6分析旅游评论的高频词和构建旅游评论的共现矩阵,接着再利用Gephi软件对旅游评论的语义网络进行可视化分析,最终得出9个旅游目的地的总体评论及游客情感图像。

经过处理,本文得到选定旅游目的地的总体情感高频词、正负面情感高频词及整体评价情感画像。

本文根据评论文本的情感划分结果,按照新的旅游—爱国情感词库最终筛选出30 615条“爱国情感类评论”。所选择的9个旅游目的地的30 615条评论包含正面评论28 824条、负面评论219条及中性评价1 572条,3种评价的占比分别为94%、1%与5%（见表2）。从评论数量来看,北京排在首位,其次是开封、洛阳及阳朔,喀纳斯数量最少。从正面评论的比重上看,西双版纳、北京、喀纳斯和洛阳的正面评论比重较高,达到95%以上。与刘逸、保继刚和朱毅玲（2017）所发现的大部分情况下旅游目的地的正面评价比例为75%~85%相比,可以看出这些与爱国情感相关的旅游评论带有较强的积极情绪。

从负面评论比重看,张家界和阳朔的负面评论比重相对较高,占比达到1.84%与1.34%。

对所选取的9个旅游目的地的30 615条在线评论进行进一步情感高频词分析,得到总体的情感高频词,提取前25个词进行分析（见表3）。

从词汇表现上可以发现,“历史”“文化”“国家”等词汇出现频率较高,说明游客在进行旅游活动的过程中对于旅游目的地的历史文化及当地特色的民间故事更加关注。而“门票”“时间”这类与旅游服务相关的词汇出现的频率也较高,说明游客对于目的地的旅游服务十分看重,希望自身的基本需求能够得到满足。“森林”“风景”“景色”等与自然风光相关的关键词则排名相对靠后。可以看出,随着人们生活水平的不断提高,人们对于价值追求的渴望更加迫切,在旅游发展中,游客对于历史文化情境的追求更加深入,更加追求沉浸式的体验,对自身的基本需求及可获得的旅游服务也更加关注,而对于自然风光的关注度则明显降低。

为了进一步揭示差异并解释爱国情感产生的原因,本文根据已筛选出的评论数据进行情感特征高频词和聚类分析,基于词频共现可视化软件Gephi,得到所选取的9个旅游目的地游客评论高频词（见图1）和情感画像及其统计特征（见表4）。

根据爱国情感正面情感比例的排名、情感画像的结构（节点和边数）,以及高频词分布,本文发现目的地的区位特征和资源属性结构对情感特征存在显著影响。而且,相对于自然资源,以人文资源（包含历史文化和民族民俗）为主的目的地更能够触发游客的爱国情感。根据这个规律,本文将所选择的9个旅游目的地分为3类,并结合区位与资源结构,对3类目的地展开详细阐述。

（1）中心—边缘型目的地

第一类是中心—边缘型目的地,以北京、西双版纳与喀纳斯为代表,其特点是正面评论比例极高（见图2）。这些目的地要么位于国家政治中心,要么位于国家边缘区域,容易触发与国家主权相关的政治联想。从评论的高频词结构来看,该类目的地词汇出现频率较高的为“中国”“国家”“历史”,以及当地的特色文化与建筑等词汇。该类目的地旅游评论的整体词汇丰富,涉及旅游景点、旅游服务及人文与自然景观等方面。从情感画像结构来看,该类型旅游目的地情感呈现出单中心的特点,以及单个词汇与其他词汇间的连接边数多,结构简单清晰的特点。其中单个词汇与其他词汇间的连接边数越多,则代表该词汇在游客表达情感过程中被多次提及,且与其他旅游活动内容相联系。词汇与“国家”“文化”“历史”等核心词联系紧密,则代表该词汇内容丰富。值得注意的是,从西双版纳这一旅游目的地的高频词中可以看出,游客对当地的少数民族文化、宗教文化和民俗活动印象深刻,民族民俗与历史文化之间的紧密联系在一定程度上提升了游客的爱国情感。以喀纳斯为例,该目的地情感画像由53个节点、115条边构成。游客在发布评论时,不仅偏好提及当地人的民俗习惯,同时相对更多地提及“中国”“国家”等词汇,强调喀纳斯所处的地理位置,将当地民俗与国家概念融合在一起。当地民俗与历史文化之间的紧密融合使得游客在进行旅游活动的过程中感受到民族融合、民族团结的氛围,进而提高其爱国情感。

（2）历史文化触发型目的地

第二类是历史文化触发型目的地,以洛阳、黄山、开封为代表,其正面评论占比达到94.3%以上,情感表达强烈,结构较为复杂（见图3）。从高频词结构来看,该类目的地的游客评论中出现频率较高的为“历史”“文化”“村落”“徽派”“石窟”“铁塔”等词汇。从整体上看,高频词结构体现了此类型旅游目的地游客的评论更多是对当地的特色文化及人文历史的情感表达与思考,与核心吸引物的联系紧密。从游客情感画像结构来看,该类旅游目的地爱国情感呈现多中心的特点,表现为两个或两个以上词汇与其他词汇间的连接边数多、结构复杂。“历史”“文化”“村落”“建筑”等具象词联系紧密,词汇数量较多,说明游客在该类旅游目的地进行旅游活动时产生的情感来源多元,情感交织且倾向明显,如黄山的游客情感画像由48个节点、84条边构成。根据情感画像发现,历史文化类高频词和民族民俗类词汇不仅出现频次较高,而且相互之间关系密切,形成了以这两类词为核心的关系网。这类目的地特色的历史文化与地方文化的交融结合使得游客整体的旅游活动过程流畅舒适,让其感受到了旅游目的地的历史文化氛围,进而提高了其爱国情感。

（3）自然触发型目的地

第三类是自然资源触发型旅游目的地,以常熟、阳朔和张家界为代表,其正面评论的平均占比在90%左右,爱国情感虽然不低,但是相比于其他类型的目的地,仍显得较弱,情感结构较为单一（见图4）。游客对于该类型旅游目的地的关注点集中于景区自然风光与旅游服务质量等内容,“景区”“索道”“门票”及“风景”等词汇出现频率较高。整体来看,高频词结构体现出旅游者在该类目的地中产生的情感更多的是对目的地景观资源的认可和自豪,但这些情感大多不在爱国情感的相关情感范畴内。结合游客情感画像分析发现,自然类旅游目的地的爱国情感呈现单中心的特点,即单个词汇与其他词汇间的连接边数多,结构简单且清晰,“风景”“景观”“森林”等具象词与核心词联系紧密,且数量较少,如张家界由26个节点、100条边构成。游客评论在爱国情感的各个层面出现频率较低,节点词与自然景观联系较强,且数量较少,说明游客在自然类旅游目的地进行旅游活动时所产生的思考及感受相对单一,更倾向于对自然景观及氛围的关注与认同。

综上,旅游目的地区位与国家政治的关联度是影响游客爱国情感的重要因素。位于国家的中心或边境地区的旅游目的地,更容易触发旅游者与国家主权有关的积极情感,如西双版纳、喀纳斯以民族民俗文化与地理边界为主,北京则是以历史文化为主。在区位政治因素的影响下,游客的情感特点呈现出单中心的结构,简单清晰,且在情感的倾向上,游客对于国家主权及民俗文化具有强烈的认同倾向。

除了地缘政治之外,人文与自然资源的差异是另一个重要的影响因素。根据“爱国情感类评论”的统计特征可以发现（见表2）,包含历史文化和民族民俗的人文类旅游目的地在爱国情感排名及正面评论的比例排名中,相较于自然类旅游目的地更加靠前,说明人文类旅游目的地在触发游客积极的爱国情感方面作用明显。从高频词来看,人文类旅游目的地的高频词集中在历史文化方面与民族民俗方面,与核心吸引物联系紧密,表达形式丰富多样。自然类旅游目的地高频词比较杂乱,情感大多不在爱国情感范畴内,在结构与内容上相对弱于人文类旅游目的地。从情感画像上看,人文类旅游目的地的爱国情感表现为多中心的结构,内容丰富,包括当地特色的历史文化、建筑及旅游景点与服务等,情感倾向更明显;而自然类旅游目的地在结构上呈现出单中心的特征,结构单一,情感集中于自然风光与旅游服务,整体情感倾向较弱。

本文以9个国内知名的旅游目的地的旅游评论文本为研究对象,探索了旅游地对游客爱国情感的影响内容和基本特征,得出3个结论：第一,发布爱国情感相关内容的游客评论均带有较强的积极情绪,正面评论的占比高,平均达到93.87%,而一般的旅游目的地评价的正面情感为75%~85%。第二,目的地资源结构与区位对触发爱国情感有显著的影响作用,与自然类旅游资源相比,人文类旅游资源更能够触发游客的爱国情感,且这类目的地的高频词集中在历史文化与民族民俗两个方面,与核心吸引物联系紧密。自然类旅游目的地的高频词则集中表达对景观资源的认可和自豪感,但大多偏离了爱国情感的相关范畴。从情感画像特征来看,人文类旅游资源表现出多中心的结构,内容丰富且情感倾向明显,而自然类旅游目的地则表现出单中心的特征,结构单一且情感倾向较弱。第三,与国家政治因素密切相关的区位能够触发更强烈的爱国情感。这类区位的情感特征与人文旅游目的地和自然旅游目的地不同,其情感表达不强烈依赖于目的地的核心吸引物。

本文的贡献在于创新性地运用大数据,对爱国情感进行了捕捉,发现了资源属性和区位这两个显著的影响因素。另外,本文证实了大数据研究方法在爱国情感研究中的适用性,解析了游客的爱国情感表达与目的地特征的关系及空间差异,为爱国情感的研究贡献了新的研究方法和路径。本文的研究结论对于制定爱国教育推广方案和目的地形象营销策略而言,具有较好的应用价值和宏观战略意义。本文目前存在的局限有以下两点：第一,所选取的9个国内知名旅游目的地分别属于历史文化、自然、民族民俗三大类型,但个别目的地内存在两种或两种以上不同类型的旅游资源,在资源类型分类方法上存在一定的局限性;第二,所使用的大数据方法存在一定的局限性,如获取的数据无法反映未在网络平台上发表评论的部分群体特征。这些研究局限在本次研究中暂时无法克服,可以考虑作为未来研究的拓展方向。