目的地期望构念的符号学重构：社交媒体旅游分析的大语言模型驱动计算范式
Semiotic Reconstruction of Destination Expectation Constructs An LLM-Driven Computational Paradigm for Social Media Tourism Analytics
AI总结：
本研究提出双方法大语言模型框架，从社交媒体生成内容中提取并量化目的地期望，发现休闲/社交期望驱动参与度更强，为旅游分析和营销优化提供新范式。
摘要：
社交媒体的兴起使生成内容成为旅行决策的关键，但分析方法缺乏可扩展性。本研究引入一个双方法大语言模型框架：从生成内容中进行无监督期望提取，并结合基于调查的有监督微调。研究发现，休闲/社交期望比基础的自然/情感因素更能驱动参与度。通过将大语言模型确立为期望量化的精准工具，我们推进了旅游分析方法论，并提出了针对体验个性化和社交旅行推广的定向策略。该框架的适应性可延伸至消费者行为研究，展示了计算社会科学在营销优化中的变革潜力。
英文摘要：
Social media's rise establishes user-generated content (UGC) as pivotal for travel decisions, yet analytical methods lack scalability. This study introduces a dual-method LLM framework: unsupervised expectation extraction from UGC paired with survey-informed supervised fine-tuning. Findings reveal leisure/social expectations drive engagement more than foundational natural/emotional factors. By establishing LLMs as precision tools for expectation quantification, we advance tourism analytics methodology and propose targeted strategies for experience personalization and social travel promotion. The framework's adaptability extends to consumer behavior research, demonstrating computational social science's transformative potential in marketing optimization.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
