随着我国逐步进入小康社会,人们对旅游的需求持续高涨,对旅游品质的要求也水涨船高。充分结合大数据与人工智能技术,开发智慧旅游已成为旅游业发展的必然选择,而为游客提供更优质的体验则是发展智慧旅游的终极目标。本论文在企业委托的“大数据公共数据模型开发服务”项目支持下,基于移动网络数据与景区评论等多源异构数据进行游客身份识别与偏好分析、评论数据情感极性判别,进而遴选表征游客体验的各类指标,探索建立游客体验评估优化的智能模型,为景区改善服务提供数据支撑。在游客特征挖掘方面,针对景区中可能存在游客、工作人员、居住人员、路人的复杂情况,本文提出了一种基于历史轨迹与当前轨迹相结合的游客判别方法;然后根据游客上网时兴趣点的转移,首次提出一种基于改进PageRank算法的游客偏好挖掘方法。在景区评论数据情感分析方面,首先利用网络爬虫技术,获取景区评论数据,并对其进行人工标注,建立数据集;针对情感词与关键词之间距离对情感极性判别影响较大的特点,提出一种基于记忆网络与规则组合的情感极性判别方法。在游客体验评估方面,构建了评估游客体验的显性指标与隐性指标,并分别采用不同的评估方法。显性指标包括基础设施、观游、服务、交通、饮食住宿和环境,评估时采用层次分析与模糊评价相结合的方法;隐性指标包括游客偏好契合度,评估时采用基于规则的方法。最后对两者进行综合,得到游客体验的综合评估。最后,本文选取了重庆市仙女山国家森林公园进行用例分析。在游客偏好挖掘方面,利用志愿者数据集对改进PageRank算法进行验证,实验结果表明,该方法在准确率和召回率上均高于基于统计的游客偏好挖掘方法;在景区评论数据情感分析方面,利用自建的数据集,对提出的方法进行验证。实验结果表明,本文提出的算法准确率达82.4%,高于基于规则的方法或基于记忆网络的方法;游客体验综合评估结果得到了需求方的认可。本文成果已商用于运营商大数据公共服务平台,获得了良好的应用效果。