新冠疫情防控常态化下微博评论情感倾向与归因分析
这是一篇关于新冠肺炎疫情,微博评论,情感倾向,归因理论的论文, 主要内容为在全球恶劣的新冠肺炎疫情大环境下,我国疫情呈现多地局部爆发和零星散发状态。对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析,试图找出微博用户消极情感产生的主要因素,并为政府有关部门提出网络舆情疏导建议,具有一定的理论研究与实践意义。首先选取10-11月份学生秋季开学返校到春节的过渡时期下微博评论作为研究对象,使用八爪鱼采集器爬取了热门微博评论,对数据进行数据清洗、文本分词、去除停用词等预处理工作后,通过计算困惑度、提取主题词等操作构建LDA主题模型,基于LDA主题模型对有效的微博评论进行主题提取,对提取到的主题词进行归纳;同时通过绘制词云图、构建共词矩阵等操作对有效的微博评论进行社会网络分析,得到微博评论关键词的社会网络与中心性。接着使用情感分析工具百度智能云情感分析通用版分析每个主题下微博用户评论的情感倾向性,并通过Word2Vec、主成分分析法和支持向量机方法构建情感分类模型对样本数据的情感倾向分析结果进行验证,通过支持向量机模型的评价结果可以看出此前对样本数据进行的情感倾向分析结果具有一定的准确性。最后根据海德的归因理论,将评论归因框架的第一级评论归因维度设为内部归因和外部归因。并结合LDA主题提取结果和社会网络分析结果在第一级归因维度下建立评论归因框架的第二级归因维度,将内部归因分为心态和个人经验,外部归因分为事件起因、事件主体、衍生话题和其他。通过对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析发现微博用户的消极情感主要由个人经验、事件起因、事件主体、衍生话题等因素产生,据此得出相应的舆情疏导建议:(1)新冠肺炎疫情专家答疑解惑;(2)确诊病例信息及时公布;(3)关注新冠肺炎疫情话题产生的二次舆情;(4)宣传正能量抗疫人物;(5)防疫工作保持高效性;(6)落实防疫责任人的惩治工作。
新冠疫情防控常态化下微博评论情感倾向与归因分析
这是一篇关于新冠肺炎疫情,微博评论,情感倾向,归因理论的论文, 主要内容为在全球恶劣的新冠肺炎疫情大环境下,我国疫情呈现多地局部爆发和零星散发状态。对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析,试图找出微博用户消极情感产生的主要因素,并为政府有关部门提出网络舆情疏导建议,具有一定的理论研究与实践意义。首先选取10-11月份学生秋季开学返校到春节的过渡时期下微博评论作为研究对象,使用八爪鱼采集器爬取了热门微博评论,对数据进行数据清洗、文本分词、去除停用词等预处理工作后,通过计算困惑度、提取主题词等操作构建LDA主题模型,基于LDA主题模型对有效的微博评论进行主题提取,对提取到的主题词进行归纳;同时通过绘制词云图、构建共词矩阵等操作对有效的微博评论进行社会网络分析,得到微博评论关键词的社会网络与中心性。接着使用情感分析工具百度智能云情感分析通用版分析每个主题下微博用户评论的情感倾向性,并通过Word2Vec、主成分分析法和支持向量机方法构建情感分类模型对样本数据的情感倾向分析结果进行验证,通过支持向量机模型的评价结果可以看出此前对样本数据进行的情感倾向分析结果具有一定的准确性。最后根据海德的归因理论,将评论归因框架的第一级评论归因维度设为内部归因和外部归因。并结合LDA主题提取结果和社会网络分析结果在第一级归因维度下建立评论归因框架的第二级归因维度,将内部归因分为心态和个人经验,外部归因分为事件起因、事件主体、衍生话题和其他。通过对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析发现微博用户的消极情感主要由个人经验、事件起因、事件主体、衍生话题等因素产生,据此得出相应的舆情疏导建议:(1)新冠肺炎疫情专家答疑解惑;(2)确诊病例信息及时公布;(3)关注新冠肺炎疫情话题产生的二次舆情;(4)宣传正能量抗疫人物;(5)防疫工作保持高效性;(6)落实防疫责任人的惩治工作。
基于喜好与情感倾向的微博信息推荐研究
这是一篇关于情感倾向,喜好,个性化推荐,聚类,微博的论文, 主要内容为伴随着中国互联网行业的迅速腾飞,微博等众多自媒体迅速发展,但同时也造成了信息过载等问题,导致用户难以获取所需信息,因此信息推荐技术孕育而生。虽然个性化信息推荐领域是当前研究的热点,但在现阶段还存在以下不足:要么信息推荐只考虑了用户的情感倾向;要么其只考虑了用户的兴趣;要么其考虑了其他因素而没有同时考虑喜好和情感倾向这两个主要因素。因此,为了探究喜好和情感倾向两种因素对个性化信息推荐带来的优势,本文提出了基于喜好和情感倾向的个性化微博信息推荐框架并基于此开发了一款微博个性化信息推荐系统。主要工作如下:(1)本文在FP-Growth算法基础上提出融合喜好度和时效性的微博分析方法。通过将喜好度和时效性转换成特征权值的方式融合到FP-Growth算法中挖掘出博文中用户所感兴趣的喜好分词。(2)本文采用基于词性注意力机制的神经网络模型(PAT-LSTM)对用户的情感倾向进行分类,主要包括积极和消极两大类。通过该模型主要筛选出含有消极情感倾向的人群,进而对这些人群进行个性化信息推荐。(3)将融合了喜好度与时效性的FP-Growth微博喜好分析方法和基于词性注意力机制的神经网络模型(PAT-LSTM)的用户情感倾向分析方法相结合,在基于Spring Boot框架基础上开发了一款基于喜好与情感倾向的微博信息推荐系统。该系统可以在分析出微博用户发表了含有消极情感倾向的博文之后,通过分析其相关博文信息,挖掘出用户的喜好,并根据喜好关键词进行相关文本爬取,根据系统最终给出的TOP-N微博文本推荐序列链接给用户推荐其所感兴趣的博文。本文通过Scrapy框架对实验数据进行爬取,总共获取到355189条微博文本数据,并对数据进行预处理后剩余29366条微博数据。经过PAT-LSTM模型分类后的准确率分别都达到了0.823和0.811,相比传统LSTM模型高了16.3%和9.1%。融合了喜好度和时效性的FP-Growth算法平均准确率也上升了1.89%。通过实验验证,得出的实验结果符合预期值。
基于微博的情感倾向分析系统的研究与实现
这是一篇关于情感分类,情感倾向,情感分析系统,微博分类的论文, 主要内容为近年来,互联网飞速发展,社交网站已经成为人们表达观点的主要平台。微博作为其中热门的网站之一,每天都会产生大量的用户行为数据,这些数据对很多领域都具有研究价值。情感倾向分析是当下热门的研究领域之一,它使用统计学和机器学习方法对用户行为数据进行分析和挖掘,并通过分析结果预测用户的情感态度。本文主要研究和实现了针对微博文本的情感分析系统,具体内容包括以下六个方面:第一,研究了常用的情感分析算法,包括支持向量机算法、朴素贝叶斯算法、Adaboost算法以及神经网络算法。研究了四种算法的原理以并对四种算法进行了分析比较。第二,研究了微博平台页面布局,设计了分布式微博爬虫系统。本系统主要爬取微博热门话题数据,包括微博正文和微博评论。第三,设计了数据预处理系统,并定义了数据预处理的三种规则,包括表情数据转化规则、数据去重规则以及无效数据清洗规则。第四,分析了微博文本数据特点,并针对其特点选择文本特征提取方法。本文主要使用卡方检验方法和TF-IDF方法对微博文本提取和表示特征。第五,使用上述分类算法中的前三种构建微博文本分类器,将微博文本分成正向、负向和中性三类,同时对三种算法分类结果进行了比较和分析。第六,设计并实现了一个展示系统,获取话题数据并通过WEB进行展示。最后,本文基于微博话题数据,对情感分析系统进行了测试,结果表明系统在微博情感预测中表现出较好的效果。
在线评论有用性影响因素研究——基于STEAM网站数据
这是一篇关于在线评论有用性,评论内容,情感倾向,评论者信息,商品类型的论文, 主要内容为互联网的持续发展为网络购物和线上消费持续提供增长驱动,网络购物产业持续保持高位发展,加之新冠疫情的影响,线上消费成为很多消费者主动或被动的选在的主要消费方式,随之而来的,是在线评论数据的持续爆炸式增长。在网络信息超载的大环境下,评论信息作为最易获取的商品信息源,是买卖双方的第一道沟通桥梁,为消费者提供购买决策的参考建议,并且直接影响到品牌形象及口碑、用户忠诚度和产品营销效果。因此,如何衡量在线评论信息的有用性仍然是极具深入研究价值的课题。本研究首先整理了在线评论有用性的经典文献,归纳总结了在线评论有用性研究的经典理论。在研究对象方面,选取了游戏平台在线评论这一此前研究中还未涉及过的内容作为研究对象,为在线评论有用性研究扩充新的研究样本,同时也进一步研究了此前研究中较常讨论的在线评论有用性影响因素的普适性。而后,通过评论特征、评论者特征和评论互动特征这三个维度入手,结合此前研究中常见的影响因素,以及根据本研究的研究对象挖掘的新增变量,构建了在线评论有用性影响因素的概念模型。在数据源方面,为了进一步提高研究样本的覆盖度及多样性,降低样本对于研究结果的偏差影响,本研究分别选取了5个畅销游戏及10个非畅销游戏,分别形成畅销游戏评论数据样本组以及非畅销游戏评论数据样本组。通过“八爪鱼”大数据爬虫软件,共获取13734条数据,其中畅销游戏评论数据12497条,非畅销游戏评论数据1237条。在根据研究假设需求完成数据筛选后,形成了最终符合样本要求的两个有效样本组,其中:畅销游戏评论数据样本组包含5217条数据,非畅销游戏评论数据样本组包含524条数据。而后,通过Python,使用Boson情感词典对评论文本数据进行文本挖掘处理,计算评论语义中的情绪强度。在完成以上处理后,选取了三个维度共计7项自变量指标进行研究,通过STATA17进行回归验证,分析在线评论有用性的主要影响因素,得出以下结论:(1)评论特征方面:评论文本长度对于评论有用性起正向促进作用,评论时间、对于评论有用性存在抑制作用,评论平均各句长度以及评论情感倾向强度对于评论有效性无显著影响。(2)评论者特征方面。评论者游戏实践和评论者购买游戏数量对于评论有用性存在抑制作用。(3)评论互动特征方面。评论回复数量能够显著促进评论有用性的提升。最后,本研究从游戏平台评论管理和其他电商平台评论管理两方面,基于评论信息推荐系统的优化和如何提升评论质量的角度,提出部分建议,将本研究的结论推广至其他类型商品及平台,探索研究结论的普适性,以期促进平台的科学管理,最后结合本研究的主要研究内容和结论,回顾本研究尚存不足之处,展望未来研究方向。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码海岸 ，原文地址：https://m.bishedaima.com/lunwen/49146.html
