美食已成为游客旅途中乐意分享的热点话题，进一步揭示了游客的旅游行为特征，分析不同旅伴角色下游客就餐行为的差异能更好地理解旅游中的旅伴效应。本文以2012—2020年重庆市美食游记为研究数据，采用社会网络分析等方法研究不同旅伴游客的就餐行为差异，研究表明:① 游客就餐网络（食物网络和餐厅网络）结构受旅伴影响显著。旅伴的加入有效提升了食物网络节点联系的紧密程度，并扩展了餐厅网络节点关联的空间范围；② 旅伴角色影响游客在旅程中对特色食物类型的选择。其中，无旅伴的游客（独自一人）在体验特色食物类型时呈现“被动保守型”、旅伴角色为三五好友的游客呈现“遍历型”，而其他旅伴角色的游客呈现“随意/兴趣型”；③ 独自旅行游客和旅伴角色为闺蜜、家庭、情侣以及三五好友游客的就餐行为差异反映了旅伴和社会关系的交叉影响，是美食旅游动机下个体和群体面向多因素综合作用的就餐决策结果。本文从食物类型和餐厅2个视角揭示了不同旅伴角色下的游客就餐行为特征，为深度刻画人群移动行为机理和社会因素影响下的人群活动时空动态提供了科学指导。

通过轨迹大数据的挖掘，揭示旅游者时空行为模式是旅游地理学的重要研究内容。本文引入时间、空间和方向相似度对基于密度的聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）进行了改进，选择典型的红色旅游目的地遵义市为案例，对2010—2019年的红色旅游者轨迹进行分析。研究发现：① 所构建的研究框架和方法能够有效提取轨迹大数据中隐含的旅游者的时空行为模式；② 遵义市红色旅游以半日游为主，夏季是红色旅游旺季；③ 红色旅游有 6类模式，分别为“红色+购物娱乐”、“红色+历史文化”、“红色+登山旅游”、“红色+生态休闲”、“红色+古镇旅游”、“红色+乡村旅游”，主要分布于遵义市的西北部、东南部和西南部，模式长度12.03~18.42 km，模式持续时长0.65~13.60 h；④ 所有模式中共提取出24条旅游线路，包括全红色旅游线路（58.33%）和混合线路（41.67%），平均长度为17.69 km，平均时长2.36 h；⑤ 遵义会议旧址作为核心吸引物，支撑了38.46%的线路的形成；⑥ 蓉遵高速、兰海高速、杭瑞高速和遵义绕城高速是红色旅游模式形成中最重要的交通依托。本文提出的方法可用于其他区域旅游行为模式和线路挖掘研究，研究结果可为遵义市红色旅游空间格局优化和线路规划提供依据。

基于复杂网络分析游客空间行为并挖掘旅游街区之间的关联特征，可以发现用地与功能之间显性和隐性的关联规则，精准识别旅游区用地空间结构，深入掌握旅游区发展现状，为智慧旅游与土地精细化转型提供支撑。本研究以世界文化遗产鼓浪屿为例，基于LBS大数据，使用复杂网络构建游客空间行为网络，利用关联规则分析重要节点的关联特征，进而使用用户画像数据，分析基于不同性别、年龄和客源地游客空间行为的街区关联规则。研究发现，“复杂网络+关联规则”算法可以挖掘游客随机行为中的隐藏规律，有效剖析旅游街区之间显性和隐性的关联规则。在游客空间行为轨迹网络中，各街区兼具“中心”与“枢纽”作用。既服务于本地游客又服务于外地游客的热门旅游街区表现出强关联规则。对外地游客具有较强吸引力的热门景点表现出较高的支持度，具有特色的旅游设施用地表现出较高的提升度。具有同质性的旅游街区之间关联性较强，人口特征差异对旅游街区关联规则影响显著。本研究可为城市更新背景下的旅游区用地整合、结构优化和游览线路调整提供决策参考，对于构建智慧旅游体系具有现实意义。

对步行旅游区游客步行轨迹和行为特征进行研究，发现步行行为特征与旅游区功能布局的关系，有助于步行旅游区功能布局和空间格局的优化。本研究基于记录海量个体时空轨迹的手机定位数据，以十一黄金周期间鼓浪屿为例，使用数据挖掘与空间分析方法从步行游客空间分布、步行轨迹网络结构、街区间步行路径与速度、街区内步行速度等方面分析游客步行行为特征及其与功能布局的关系，并与规划文件比较，提出旅游区发展建议。研究发现，旅游区空间布局对游客步行行为特征存在直接影响。功能布局导致各街区游客到访率以及步行轨迹网络中心度的差异。游客更倾向于选择人流量大的街道作为步行游览路线。商业街区虽然游客密集，但是街道上的游客流量并不大。在热门景点区域，游览路线单一造成的拥挤，导致游客停留意愿较低。大尺度开发与互动体验欠缺使得自然景观区和某些热门景点对游客的吸引力不足。对比游客步行时空特征与旅游区功能布局，提出了旅游区功能布局优化策略。本研究为旅游区用地和旅游线路的优化提供量化支持，对智慧旅游和城市高质量建设均具有现实意义。

网络游记是旅游者在互联网上发布的自述性旅游过程记录，描述了旅游的前后过程和感受体验。从网络游记文本中提取旅游行程链，分析行程结构，能给游客的行程制定、线路设计提供重要的参考。传统的游记文本行程提取大多依赖于人工识别文本中的行程节点，再进行串联、合并处理，工作量较大。自动提取游记文本中的旅游行程链，能够提高数据处理和分析效率。本文基于自然语言处理技术，在深入分析游记网络文本的段落结构和表达特点的基础上，归纳了行程节点和节点次序关系的句法表达规则，构建了行程节点触发词表，进而提出了基于句法规则的旅游行程链提取方法，主要包含行程节点的识别、节点次序关系的识别和旅游行程链的生成，能实现网络游记文本的旅游行程重构。本文采集了蚂蜂窝平台17 226篇南京市网络游记文本数据，采用最长公共子序列算法，开展了本文方法的试验验证。通过对比分析，本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%，高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比现有关系提取类深度学习方法需要开展大量的数据标注，本文方法计算更加便捷，准确率相对较高，仅需构建区域旅游点名录，即可实现网络游记文本中行程信息的自动提取。

在基于位置的应用领域中，如自然灾害监测、流感趋势预测、定向广告推广等，用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测，一方面未能充分挖掘和融合2种信息，另一方面推测社交网络中孤立用户的位置比较困难。因此，本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法（Social Relationship Graph Convolutional Network, SRGCN）。主要方法包括：首先，从文本内容中获取混合特征，利用TF-IDF获得文本特征向量，根据用户之间的提及信息建立初始社交关系图；其次，针对用户社交关系图中存在孤立用户并难以估计其位置的问题，建立主题模型，根据主题向量相似度为孤立用户建立联系，补充社交关系图；最后，基于图卷积神经网络处理社交关系图数据，对文本特征和网络结构进行联合建模，以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响，实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集；SRGCN在平均距离误差、距离误差中位数、推测准确度方面均优于现有方法，在GeoText数据集上，Acc@161比性能最好的GCN高出1%，平均误差距离降低16 km。实验结果验证了SRGCN的有效性，该方法可以提高用户住所位置推测准确率。