我国评论挖掘与情感分析领域研究现状

以中国知网(CNKI)数据库中2003—2018年间2 857篇主题为评论挖掘或情感分析的文献为数据源,综合运用文献计量、科学计量和数据可视化等研究方法,借助CiteSpace、SPSS和Ucinet等分析工具,深入考察我国评论挖掘与情感分析研究领域的发展现状和研究热点.结果表明,当前该领域的研究内容主要集中在舆情监控与事件监测、技术方法和商业智能等主题;同时存在基于本体的相关研究欠缺和忽略用户评论表达方式的改变、语料词库尚不规范等不足;今后该领域的发展将会聚焦于短文本、跨学科应用和在线评论的经济价值等方向.     

基于文本挖掘的电影评论情感分析研究

基于文本挖掘技术对电影评论进行深层数据分析.爬取电影网站短评,利用TF-IDF进行高频词可视化,对评论进行情感倾向分析.利用贝叶斯分类器将电影短评分为好评集和差评集,得出好评与差评集的主题词概率,找出影评大数据背后隐含的深层信息.     

基于评论大数据的顾客感知产品质量评价

随着消费方式的升级，消费者对产品质量的要求提高，且对产品的诉求变化迅速，企业需要更及时地了解消费者对产品质量的态度，而通过传统的问卷方式获取消费者对产品的感知质量已经不能满足这一需求。为更及时地获取消费者对产品的感知质量，本文提出一种基于用户评论数据的消费者感知质量评价方法。该方法不仅能够缩减调研的时间和人工成本，还能帮助企业更快地找到消费者关注的产品质量属性，获得消费者对产品质量属性层面满意或不满意的程度。     

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Fuzzy-IPA分析的主题文化酒店建设研究——以大禹·开元为例

以绍兴大禹?开元主题文化酒店为实证研究对象,通过较长周期的顾客调研,采用SPSS、SEM与Fuzzy-IPA分析方法,构建并验证了主题文化酒店顾客感知价值模型,在顾客感知评价测度分析的基础上,探讨主题文化酒店建设策略。研究在理论上丰富了旅游研究视角,拓展了主题文化酒店、顾客感知等相关研究领域,对主题文化酒店的行业建设具有一定的指导意义。     

微博产品评论的情感倾向性分析方法

提出一种微博平台上的产品评论情感倾向性分析方法,对特定语料库的产品特征词的词性进行分析,得到特征词的词性重要程度顺序;以情感词典识别的情感词为起点,提出一种依据词性重要程度的"特征观点对"识别规则,并依据该规则进行语义倾向的情感计算。实验结果表明,该方法在产品特征抽取及语义倾向的判断上具有较好的结果。结合微博的转发数和评论数,进行用户观点分析,计算用户对产品的认可度,挖掘产品属性的优缺点,实证分析证明这种方法的可行性。     

基于语义分析的互联网产品评论挖掘

从语义分析角度出发,对产品评论文本进行情感倾向分析研究。首先在现有的情感词典的基础上整理并构建一个面向产品评论的情感词典;然后以句子为单位对评论文本进行语句分割,根据词频统计提取产品的主要特征词,并构建特征关联词词库,针对不同的特征分别进行情感倾向分析;最后对所有评论文本作加权计算获得其总体情感倾向。实验结果表明,基于语义分析的产品评论挖掘方法具有较好的情感分析效果。     

基于特征加权词向量的在线医疗评论情感分析

针对在线医疗评论文本具有行业专业性强、差异性大、不够规范等特点,提出一种基于特征加权词向量的在线医疗评论情感分析方法.利用Word2vec方法构建词向量模型,抽取情感词集合完善医疗服务领域情感词典,根据句法关系识别主题词与情感词的依存关系,引入期望交叉熵因子,建立特征加权词向量模型,分析在线医疗评论的情感倾向.实验结果表明扩充的医疗服务情感词典在分析性能上的准确率、召回率以及F₁值均高于基础情感词典,引入期望交叉熵因子后,基于特征加权词向量的情感分析方法在SVM分类上表现出更好的效果,体现了其在在线医疗评论挖掘领域的良好效用.      

情感倾向驱动的旅游酒店大数据网络舆情

从网络舆情中获取评价以支持决策是旅游管理部门和企业关注的重要问题.为此,本文提出情感倾向计算的新方法以便于网络舆情的理解与分析.首先构建反映酒店评论语义特征的情感词库,然后从句法特征的角度对情感词进行扩充,最后采用深度学习得到情感倾向的分类结果.通过湘潭市旅游酒店评论的舆情分析实验,发现该方法能够得到更为真实的消费者对旅游酒店的情感倾向.从3个竞争酒店评论的舆情分析应用实例上可以得出:情感倾向能够挖掘出酒店的各自特色与管理上的短板,从而进行决策支持.     

游客微博主题情感分析方法比较研究

针对饮食、娱乐、购物、景观、交通和住宿6个旅游主题, 基于机器学习方法, 开展游客微博主题情感分析方法比较研究。以人工标注的53140条赴日游客微博为数据基础, 应用两种机器学习模型开展建模实验, 并分析不同特征对建模效果的影响。实验结果显示, 两种模型的建模效果良好, 适用于游客微博主题情感分析, 其中最大熵模型效果略优于支持向量机。研究还表明, 在词特征的基础上引入表情符号和主题词进行特征扩展, 可以提高模型的建模效果。     

基于AIS数据的船舶会遇挖掘与分析

为实现在AIS海量数据中快速高效地识别会遇船舶信息,对会遇船舶航行过程实施监控和分析,识别研究水域内存在的海上交通安全风险点。以台湾海峡部分区域内的AIS数据作为研究对象,运用改进的DBSCAN聚类算法,结合船舶会遇特征参数计算,挖掘两船会遇与多船会遇信息,根据船舶方位和航向差划分船舶交叉、对遇和追越三种会遇局面,并通过定量化方式多维度描述不同类型的船舶会遇过程。结果表明:分析轨迹数据的时空特性可以再现船舶会遇场景,能更清晰全面地展现船舶的会遇过程。     

基于Web信息挖掘的网络舆情分析技术

网络舆情分析是有效掌控网络、促进社会主义和谐社会建设的重要手段。Web信息技术的特点决定了其适用于网络舆情分析。利用Web信息挖掘,可以发现网络舆情、分析网络舆情的起源、发现网络舆情受众及其特点、研究舆情在网络上的传播扩散模式以及评估舆情影响效果。     

基于大数据分析的用户需求挖掘研究

首先介绍大数据、大数据分析以及用户需求挖掘的相关概念,论述大数据对用户需求挖掘的影响,并对不同行业用户需求挖掘的案例进行研究分析,由浅到深地研究了大数据分析在用户需求挖掘这一方面的影响及重要性。     

基于大数据的高校资助系统模型与案例分析

基于大数据开展智慧教育应用已成为时代发展的趋势。在高校智慧校园的建设中,利用大数据技术开展高校资助工作具有十分重要的意义,驱动高校资助体系从主观判断向行为科学的转变。很多高校在实践中并不清楚如何具体开展工作,文章从实用角度建构了大数据支持下的高校资助系统工作模型,并对实践案例进行分析,结合实例提出了大数据在高校资助工作中的几种应用途径,为大数据在高校资助工作中的示范推广应用提供参考。     

基于数据挖掘的客户行为分析——以中小餐饮企业为例

随着"夜经济"日益成为商业活动的消费亮点,众多商家一直致力于通过满足消费者多样化的需求和体验来促使销售额的稳步提升。但是,很多店铺的夜间客流量并不理想,店铺的整体收益难以提高,是商家长期以来所面临的难题。借助多元线性回归和支持向量机对客户行为进行研究,发掘关键影响因素,预判客户消费行为。实证研究表明,分析客户行为可以为企业及时调整营销策略提供支持。     

旅游大数据的MapReduce客户细分应用

分析K-means聚类算法和Hadoop云平台的特点,对聚类算法进行改进,给出算法的MapReduce实现.通过加速比实验和旅游数据细分实验,验证了算法的有效性和高可扩展性.针对旅游大数据的特点,构建了多指标的RFM扩展模型,通过文中算法聚类,得到与预期相近的聚类结果.实验结果表明:文中算法具有较高的实用价值.     

文字云及主题模型的统计挖掘

互联网等信息技术的迅猛发展使网络中积累了大量半结构化和非结构化的文本数据，如何从这些海量电子文档中获取需要的信息并以高效直观信息图的形式展现，成为统计分析工作者的一项主要任务。文字云是信息图表达的一种新型文本显示方式，利用文字云和主题模型文本挖掘方法，对文本进行移除数字、去除停用词等预处理操作，然后执行中文分词，构建语料库，建立文档-词条矩阵，最后以文字云和主题模型的形式呈现挖掘结果。实验中主要利用R语言，以多年粗糙集会议纪要为实验数据进行了相关统计分析，并对比了 Tagxedo文字云生成器，结果表明，从文字云中比较容易获取文本的重要信息如主题模型等，挖掘效果较好。     

基于大数据分析挖掘技术的电力设备局部放电诊断方法

当前电力设备状态参量规模逐渐增加,电力设备状态数据来自多个不同系统,较为复杂。传统诊断方法不能有效处理大规模数据,导致电力设备局部放电诊断结果不可靠。为此,提出一种新的基于大数据分析挖掘技术的电力设备局部放电诊断方法。给出谱图生成过程,对电力设备局部放电特征进行提取。对电力设备状态参量进行大数据分析挖掘,完成对电力设备各种状态参量的组合、特征合并处理。通过皮尔逊相关性理论计算相关系数。依据相关系数,利用优化迭代将电力设备样本分成若干类,获取对应聚类中心。将局部放电样本聚集在一起,依据局部放电特征实现诊断。实验结果表明,所提方法诊断可靠性与实用性强。     

基于大数据的线上线下电商用户数据挖掘研究

分析了大数据环境下的O2O电商用户数据特征,提出O2O电商用户数据挖掘框架,并探讨数据挖掘流程和主要的数据挖掘方法,分别从O2O电商平台、O2O用户和O2O商家三者角度探讨了O2O电商用户数据挖掘的应用问题.研究认为:O2O用户数据挖掘框架包括数据来源层、数据收集层、数据组织层、数据分析层与数据应用层等层级;数据挖掘流程主要包括数据收集、数据预处理、数据挖掘及数据应用4个过程;O2O电商用户数据的挖掘应用包括精准营销、平台网站优化、欺诈分析与防范、个性化推荐、增值服务开发与产品创新等方面.