User-Generated-Content (UGC) has gained increasing attention as an important indicator of business success in the tourism and hospitality sectors. Previous literature has analyzed travelers' satisfaction through quantitative approaches using questionnaire surveys. Another direction of research has explored the dimensions of satisfaction based on online customers' reviews using the machine learning approach. This study aims to present a new method that combines machine learning and survey-based approaches for customers' satisfaction analysis during the COVID-19 outbreak. In addition, we investigate the moderating role of service quality on the relationship between hotels' performance criteria and customers' satisfaction. To achieve this, the Latent Dirichlet Allocation (LDA) was used for textual data analysis, k-means was used for data segmentation, dimensionality reduction approach was used for the imputation of the missing values, and fuzzy rule-based was used for the prediction of satisfaction level. Following that, a survey-based approach was used to validate the research model by distributing the questionnaire and analyzing the collected data using the Structural Equation Modeling technique. The result of this research presents important contributions from the methodological and practical perspectives in the context of customers' satisfaction in tourism and hospitality during the COVID-19 outbreak. The outcomes of this research confirm the significant influence of the quality of services during the COVID-19 crisis on the relationship between hotel services and travellers’ satisfaction.

用户生成内容 (UGC) 作为衡量旅游和酒店业业务成功的重要指标越来越受到关注。以前的文献使用问卷调查通过定量方法分析了旅行者的满意度。另一个研究方向是使用机器学习方法探索基于在线客户评论的满意度维度。本研究旨在提出一种将机器学习和基于调查的方法相结合的新方法，用于在 COVID-19 爆发期间进行客户满意度分析。此外，我们调查了服务质量对酒店绩效标准和客户满意度之间关系的调节作用。为了实现这一点，潜在狄利克雷分配（LDA）被用于文本数据分析，数据分割采用k-means，缺失值插补采用降维方法，满意度预测采用基于模糊规则的方法。之后，通过分发问卷并使用结构方程建模技术分析收集的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。缺失值的插补采用降维方法，满意度预测采用基于模糊规则的方法。之后，通过分发问卷并使用结构方程建模技术分析收集的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。缺失值的插补采用降维方法，满意度预测采用基于模糊规则的方法。之后，通过分发问卷并使用结构方程建模技术分析收集的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。采用基于模糊规则的满意度预测方法。之后，通过分发问卷并使用结构方程建模技术分析收集的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。采用基于模糊规则的满意度预测方法。之后，通过分发问卷并使用结构方程建模技术分析收集的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。通过分发问卷和使用结构方程建模技术分析收集到的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。通过分发问卷和使用结构方程建模技术分析收集到的数据，使用基于调查的方法来验证研究模型。这项研究的结果在 COVID-19 爆发期间客户对旅游和酒店业的满意度方面从方法论和实践的角度做出了重要贡献。这项研究的结果证实了 COVID-19 危机期间服务质量对酒店服务与旅客满意度之间关系的重大影响。