基于酒店评论大数据的游客评论主题挖掘与情感分析 ——以北京五星级酒店为例

分析酒店评论数据可以挖掘游客的关注点、意见、建议、情感倾向等有价值的信息.结合对酒店评论数据进行主题挖掘和情感分析的交叉研究,提出一个包含数据采集、数据预处理、主题挖掘、情感倾向研究及可视化分析的集成框架.以Tripadvisor网站上北京地区50家五星级酒店的5万余条中文评论数据为研究对象,进行LDA主题挖掘,同时基于酒店领域扩充情感词典,判定评论文本三元情感极性,并在此基础上实现主题和情感的交叉分析.研究结果可降低潜在游客购买决策的风险,也为酒店管理者制定针对性的管理和营销策略提供重要参考依据.研究方法同样适用于景区及餐饮领域的在线评论数据分析,拓展评论大数据与自然语言处理技术在旅游业的应用范畴.     

老龄化对科技发展的影响研究路径及结果分析

人口老龄化问题及其对科技发展的影响日益成为世界各国关注的焦点,但缺乏从总体上把握研究态势的相关成果。本研究以Web of Science数据库收录的相关文献为研究数据,首先运用文献计量分析对其进行量化,分析其总量趋势与研究母国参与程度。其次,运用文本挖掘、聚类分析和内容分析方法,从研究主题与方法演变、影响路径对比等方面,关于人口老龄化对科技发展的影响路径进行了识别与分析。从识别出的研究主题分布提炼出"人口老龄化—技术创新—科技发展""人口老龄化—人力资本—科技发展""人口老龄化—养老支出—科技发展"三大核心影响路径。研究发现:人口老龄化与科技发展相关文献自2013年以来增长趋势明显;该领域的研究方法主要为定量分析;各国学者总体上存在人口老龄化对科技发展有负面影响的压倒性共识。在此基础上,对该领域的研究方向提出了建议。     

融合主题挖掘与情感分析的用户体验设计方法研究

研究用户体验是了解用户需求和感受的重要途径。为解决从海量数据中精准和高效地发掘并分析用户体验的难题，文章借鉴数据挖掘技术理念，提出一种融合主题挖掘与情感分析的用户体验分析方法。该方法通过用户意见收集、预处理、主题挖掘和主题情感分析等步骤，充分挖掘用户意见、把握用户态度，从而感知用户体验、了解用户需求。研究以天猫平台“国家图书馆旗舰店”产品用户评论为例，验证了文章提出的方法能够有效地分析用户体验，并给予针对性优化建议。     

基于领域词典的民宿评论情感分析

通过基于领域词典的情感分析法,从用户生成的内容中更为准确地分析其情感状态,为民宿业提供一种新的研究视角。以贵阳民宿评论为研究样本,采用SO-PMI算法完成领域词典的构建,并借助LDA主题模型和可视化技术对用户评论进行情感分析。研究发现,构建的领域词典相较基础情感词典而言,性能上得到提升,尤其在负面评论方面,准确率、召回率上分别提升了17%和16%。同时结合LDA主题挖掘,详尽分析民宿评论中的正负面主题并分析其内在原因,这能为民宿管理者做出更好的决策提供数据支持和理论支撑。     

我国脱贫攻坚与乡村振兴有效衔接领域的知识图谱研究 ——基于CiteSpace的计量可视化分析

利用CiteSpace计量可视化工具对2018—2021年中国知网数据库中收录的以"乡村振兴"和"脱贫攻坚"为主题的共计443篇CSSCI文献进行计量可视化分析.绘制了我国脱贫攻坚与乡村振兴有效衔接领域的知识图谱,综合考察了国内该领域有效衔接问题的总体发展脉络,探寻合理有效衔接的研究现状,挖掘相关热点及未来研究趋势.研究表明:我国对于该领域的研究学科类别多样;研究机构呈现"总体分散、部分集中"的特点.脱贫攻坚与乡村振兴有效衔接的困境与实现路径、脱贫攻坚成果与"五大振兴"具体层面的有效衔接和微观区域有效衔接现状的效果评价等成为近年来研究的热点.     

国际仿生计算研究的文献生产力与特征分析

该文试图运用文献计量方法和知识可视化技术对仿生计算研究领域的全球生产力、主要研究主题、核心期刊、高效率生产国以及出版物中最常用的关键字和高被引用论文进行分析.研究结果表明,这个领域主要关注算法,模型和系统;美国是仿生计算研究的领导国以及该领域的国际合作的中心;仿生计算的研究正朝着仿生智能算法优化和集成化智能软硬件系统等方向发展.     

基于CNKI的中国小麦倒伏研究文献计量分析

为从总体上把握国内小麦倒伏领域研究现状和未来发展方向,运用CiteSpace可视化分析的文献计量方法 对2000-2020年间收录在CNKI数据库中以小麦倒伏为主题的相关文献,从年度发文数量、研究机构、发文作者、期刊分布、被引频次、资助基金及研究热点等方面进行分析。结果 表明：2000-2020年间小麦倒伏领域的研究发展迅速,发文数量整体呈上升趋势;涉农高校是该领域研究的主要力量,各机构和作者之间交流合作较少;《现代农业科技》刊载该领域文献最多,《麦类作物学报》总被引次数和篇均被引次数最高;国家级基金是小麦倒伏研究领域的主要资助来源;关键词聚类分析表明该领域研究热点为小麦高产抗倒伏的实现途径、小麦倒伏的原因和提高小麦抗倒伏能力的农艺措施研究等。上述研究结果 从文献计量学角度科学详细地描述了小麦倒伏领域的研究现状与进展,以期为未来小麦倒伏领域研究提供科学参考。     

基于LDA模型与语义网络对评论文本挖掘研究

通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDA topic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性。     

基于情感主题模型的特征选择方法

意见挖掘在企业智能分析、政府舆情分析等领域发挥着重要作用,为了充分挖掘主观性文本所蕴含的商业价值和社会价值,提出了一种基于情感主题模型的特征选择方法。该方法重点考察极性词及其共现现象,采用主题模型挖掘出正面褒义主题和负面贬义主题中极性词的分布情况,旨在度量情感特征在情感倾向表达中的重要性。实验阶段结合支持向量机分类器进行分析。实验表明该特征选择方法能有效提高跨领域文本情感分类准确性,具有较好的实用价值。     

采用文献计量的建筑业物联网研究热点与趋势分析

为掌握建筑业物联网的发展现状和挖掘未来研究机会,采用定量研究与定性分析相结合的方法,以Scopus数据库为数据来源,收集12个建筑业高影响力期刊的建筑业物联网相关文献1 128篇.从出版年及发文量、期刊影响力、学科领域、高频学科术语共现、作者合作及国家合作等方面展开分析,基于VOSviewer软件构建可视化知识图谱,探讨建筑业物联网的现状,提出未来的研究方向.结果表明：建筑业物联网研究的发文量呈现上升趋势,文献来源相对集中,呈多学科性发展;建筑业物联网领域的作者研究合作已初具规模,国家间的合作紧密围绕着美国、中国、英国展开;该领域的研究热点呈现4个关键主题,即建筑环境、施工现场监控与安全、建筑能耗和故障检测.     

基于改进LDA的在线医疗评论主题挖掘

对利用主题模型挖掘医疗服务主题进行了深入研究,针对LDA主题模型用于医疗评论主题挖掘中存在的语义稀疏、共现信息不足等问题,提出一种基于词共现分析与LDA主题模型结合的CO-LDA模型.首先使用词共现分析方法对评论语料库进行分析,得到词共现矩阵.其次利用LDA主题模型对语料评论进行建模表示,挖掘出患者对医疗服务的关注点.基于平均最小JS距离、平均肯德尔等级相关系数τ_b及平均TF-IDF 3个指标对比CO-LDA模型与传统LDA模型在医疗评论主题挖掘中的应用效果,实验最终表明CO-LDA模型识别主题的一致性和主题质量优于LDA模型.将实验结果与中国《医院评价标准》进行对比,一致性较高,说明基于CO-LDA的在线医疗评论主题挖掘方法的有效性.      

基于文献计量的平台竞争研究热点与前沿分析

平台经济的蓬勃发展为传统产业组织领域带来全局变革,平台竞争是当前该研究领域的热点主题之一。本研究基于文献计量理论和方法,通过CiteSpace和SciMAT软件对Web of Science核心合集数据库中676篇平台竞争文献进行了分析,基于知识图谱、战略坐标图等工具对平台竞争领域的研究现状、热点主题和研究前沿进行分析,并在此基础上提出对未来研究的展望。     

基于语境情感消岐的评论倾向性分析

研究评论倾向性分析中情感词的动态极性变化问题.用Apriori算法在语境基础上挖掘情感歧义词语搭配,构建出(情感对象,情感词,情感倾向性)三元组形式的情感歧义词搭配词典,利用条件随机场模型(CRFs)序列标注方法从评论文本中抽取出情感要素,在构建的情感歧义词搭配词典基础上对评论文本进行了细粒度情感倾向性分析.在手机和电脑两个领域的评论语料集上进行多组实验,与传统方法的对比实验表明了方法的可行性,较为明显地提高了情感倾向性分析的准确率.     

基于主题-对立情感依赖模型的虚假评论检测方法

根据评论内容的特性,提出了一种基于主题-对立情感依赖模型(topic-opposite sentiment dependency model,TOSDM)的虚假评论检测方法。首先构建TOSDM模型,利用该模型提取评论的主题信息以及主题对应的情感信息;然后结合评论的主题以及情感信息,分析并提取6维评论内容特征;最后利用这些评论内容特征,采用有监督学习的分类器对虚假评论进行检测。在大众点评网获取的2009-2012年的5个领域的评论数据集上进行了实验,实验表明,提取评论主题信息以及主题对立情感信息能够提高虚假评论的检测效果,TOSDM的虚假评论检测效果优于其他模型。     

我国公共危机管理研究的热点、演化趋势及前沿基于CiteSpace的文献计量

近年来,公共危机频发,尤其是2020年新冠疫情爆发,对我国的公共危机管理研究提出严峻挑战,分析目前的研究现状、热点及演化趋势可为该领域的发展提供借鉴参考.本文采用文献计量软件CiteSpace对该领域研究现状、热点、演化路径及前沿进行分析.研究发现:危机治理、协同治理、网络舆情等为该研究领域的热点,研究主题聚焦于危机管理基础研究、体系研究及手段研究,并形成"探索—深化"的研究演化路径,大数据、公共危机治理为未来潜在的研究热点主题.     

产品评论挖掘可视化实验平台的开发

针对目前研究人员已经提出多种中文评论挖掘方法,缺乏统一的评论实验数据集的现状,首先从知名网站上随机抽取手机评论,经过垃圾去除、手工标注,最终构造出手机领域的评论挖掘实验数据集.基于实验数据集构造出手机领域的情感词库,并利用模式匹配方法建立了产品特征粒度树,开发出一个可视化平台,研究人员可以直接用其检验挖掘方法的效果,也可以对不同的挖掘方法进行客观比较.     

基于产品特征的领域情感本体构建

研究构建领域情感本体,显式描述产品与产品部件、产品与产品属性之间的语义关系;设计词性模式匹配方法提取特征词和情感词的固定搭配,并采用评论句的极性标签结合否定词典,逆向推测搭配组合的情感极性,建立特征词与情感词的关联关系;进一步设计本体节点匹配规则进行情感分析,提高对电商网站评论文本情感分析的性能. 实验结果表明,领域情感本体的构建有利于消除情感词的领域依赖性及识别评论中的隐性特征.      

国内煤矿安全研究领域的知识图谱分析

为探究近10年来中国煤矿安全领域的研究现状、研究热点和前沿趋势,把握中国煤矿安全领域的研究发展脉络,以CNKI期刊数据库2007—2016年共3 655篇相关核心文献为样本,基于统计分析和文献计量的方法,利用CiteSpace可视化分析软件绘制科学知识图谱并挖掘其中包含的隐性知识。结果表明,该领域内已形成了稳定的核心期刊群和高产作者群,中国矿业大学、中国矿业大学(北京)和西安科技大学是领域内有较高学术影响力的科研机构。煤矿安全管理、安全生产和安全评价等一直是领域内的热点主题,研究重点从基础的理论研究转变为计算机技术助力煤矿安全的实践研究,未来基于云计算、物联网等计算机技术的煤矿安全研究将持续受到关注,如何实现煤炭企业的信息化和智能化发展是研究领域的发展趋势。     

基于LDA模型的统计学热门主题挖掘及知识图谱分析

为揭示并对比统计学领域CSSCI期刊创办至今的刊文发展趋势与热门主题，该研究收集从1985－2020年CNKI数据库收录的统计学CSSCI期刊41 495篇文献作为研究对象，运用LDA主题模型及共现网络模型对热门主题及主流研究方法等指标进行热门主题与知识图谱分析，并绘制相关知识图谱.研究表明，近5年来在研究方法上大量采用结构方程模型和分位数回归法，而大数据则成为近年来新增的高频词.LDA模型能够较为精确地挖掘统计学领域的热门主题和研究方法，为科研人员和决策者开展前沿科学活动提供重要支持.     

基于LDA与注意力机制BiLSTM的微博舆情分析模型

为对网络舆情数据进行主题挖掘与情感分析,以微博某单位招聘热点事件的舆情演变为研究对象,提出了一种融合主题模型和情感分析的LDA-Attention-BiLSTM模型。运用Python的Scrapy框架爬取该事件文本评论。采用隐含狄利克雷分布(LDA)模型实现了主题识别。使用基于注意力(Attention)机制的双向长短期记忆(BiLSTM)网络进行文本情感分析。研究结果表明,构建的基于LDA与Attention机制BiLSTM的混合模型能够反映舆情中的热点话题与情感时序变化,揭示事件爆发的主要原因,事件传播阶段的主要话题与事件的处理结果等。