共查询到15条相似文献，搜索用时 140 毫秒
1.
融合主题与情感特征的突发事件微博舆情演化分析 总被引：1，自引：0，他引：1
[目的/意义]微博是突发事件网络舆情传播的重要媒介。面向突发事件的微博主题和情感挖掘对掌握突发事件的网络舆情、识别与预测潜在问题及风险等方面具有重要的实践意义。尝试提出一种融合主题与情感特征的突发事件微博舆情演化分析方法。[方法/过程]以寨卡事件为例,通过划分微博舆情演化的生命周期,基于word2vec技术分别提取该事件生命周期各阶段的微博主题,采用基于词典的情感分析方法,引入情感词、表情符号等多情绪源,对不同主题下的评论情感做细粒度划分,并计算情感强度,最终实现微博主题与情感的协同分析。[结果/结论]所提出的微博舆情演化分析方法能够揭示面向特定事件的微博在突发事件生命周期各阶段的主题特征、情感类型与强度,剖析网络舆情主题与情感特征的协同演化规律。 相似文献
2.
基于Word2vec的情感分析在品牌认知中的应用研究 总被引：2，自引：0，他引：2
[目的/意义]通过基于Word2vec的文本情感分析技术对某显示器品牌的产品与服务的在线评论进行分析,研究消费者的品牌认知和品牌口碑,为管理者建立更科学的品牌管理体系提供有针对性的建议。[方法/过程]首先利用自然语言处理技术,对评论语料库进行预处理,结合深度学习的Word2vec词向量技术构建产品特征词和情感词词库,进一步构造情感概念对进行情感评分,并将其用于分析品牌产品特定特征的用户情感。[结果/结论]通过Word2vec构建的情感词典相较于传统方法（例如一般的情绪词表）进行情感分析,在情感分析的准确率上有所提高,再结合有效的情感概念对构造与情感评分,可以有效地理解用户的品牌认知。 相似文献
3.
[目的/意义] 提出一种融合评论主题识别与技术属性多维度分析的技术机会发现方法,从技术需求驱动视角识别技术机会,为企业前瞻布局研发方向与进行科研管理规划提供决策建议支持。[方法/过程] 以产品在线评论为研究数据源,首先,利用LDA主题模型识别出评论技术主题,提出技术评论主题强度和主题新颖度两个指标,筛选出新兴重点技术评论主题。然后,从学术论文、技术专利中人工选取技术属性词,通过TF-IDF值计算得到评论高频词,结合专家知识进一步筛选出技术特征词,构建产品技术属性词-技术特征词表。通过相关性计算分别得到与评论相关和与新兴重点技术评论主题相关的技术属性。最后,提出一种产品重要技术属性识别指标模型并设计一种多维度分析方法,分析产品重要技术属性的特征情况,最终识别出蕴含在评论文本中的新兴技术机会。[结果/结论] 实验结果表明该方法能够有效地识别技术机会,为企业产品技术研发管理提供参考。 相似文献
4.
[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。 相似文献
5.
[目的/意义] 人工智能、大数据等领域的快速发展使得商业发展与隐私保护之间的矛盾愈发尖锐。通过对不同类型的网络隐私争议事件微博评论进行情感及话题对比分析,以探究不同情境下网络用户的隐私态度的异同点与背后机理。[方法/过程] 采集2012年至2019年网络隐私争议事件的相关微博评论,对其进行预处理,作为实验数据;基于情感词典计算各评论的情感强度值,并将隐私争议事件分为隐私收集类、隐私曝光类及隐私协议类,对比分析不同情境下的用户评论情感趋势;构建用户隐私讨论对象-情感表达二分网络,并通过二分网络投影构建单顶点网络,结合节点中心性等指标进行二分网络及投影分析。[结果/结论] 结果表明,用户整体隐私关注呈现上升趋势;不同类型隐私争议事件的用户负面情感强度水平不同;不同隐私争议情境下用户的关注热点差异较大,情感表达各有特点。以上结果表明不同情境中的用户隐私关注及情感表现具有明显差异。 相似文献
6.
[目的/意义]探索热点事件评论网络中话题社群及网民的情感波动,掌握舆情事件发展过程,对于整体把握热点事件的发展方向,做好新时期网络舆论的引导工作具有重大意义。[方法/过程]以复杂网络理论为基础,基于评论词语间的共现关系构建基于事件发展的子事件网络,通过社群发现算法来识别子事件评论网络中的话题社群,将情感词依据情感词典赋予情感分类属性,基于事件的演化过程动态地跟踪网民意见以及情感波动。[结果/结论]研究结果表明,评论网络群落发现以及变异系数方法可以有效地衡量网民话题讨论的规模与集中程度;评论网络中赋予情感词节点情感分类属性方法可以体现事件演化过程中网民的情感变化;舆论衍生话题对事件的舆情发展有持续性影响;网民话题讨论内容对于事件演化具有一定程度上的前瞻性。 相似文献
7.
[目的/意义]通过挖掘电子商务平台的在线负面评论信息,对网络口碑危机进行模糊预警计算和类型划分,为企业实时监控网络口碑舆情,提高产品正面口碑传播和规避口碑风险提供参考。[方法/过程]以欧洲消费者满意度模型(ECSI)为基础,从感知质量、感知价值、感知声誉和感知期望4个属性方面构建负面评论网络口碑危机模糊语料词典,结合模糊综合评判方法并改进顾客满意度的四分图模型对网络口碑危机预警进行计算和分类。[结果/结论]以美团外卖在线评论为例进行实证研究,提出的负面评论网络口碑危机预警计算方法得到了较好的实验检验效果,可为在线产品的网络口碑危机预警提供信息决策。 相似文献
8.
[目的/意义]针对传统方法的不足,提出一种以用户评论为数据源的企业产品级竞争对手识别方法。[方法/过程]首先,根据企业分析维度确定候选竞争产品,进行相关评论文本采集;其次,利用信息抽取技术从本企业产品评论中抽取用户较为关注的产品特征;然后,基于情感分析技术设计特征情感权重算法;利用该算法对本企业产品特征进行优劣势分析,获取优势与劣势特征集,完成待分析产品向量空间表示与相似度计算;分析计算结果,挖掘出与本企业产品优势相似及劣势互补的候选竞争产品,并选择优势相似且劣势互补的产品为主要竞争对手,其他优势相似的产品为次要竞争对手。在实证部分,选择"红米Note"手机为分析对象,以"淘宝""京东""中关村在线"多源评论为数据源,利用基于情感分析的竞争对手识别方法挖掘该产品的主要和次要竞争对手。[结果/结论]本文的基于情感分析的竞争对手识别方法能够实现企业产品级竞争对手的识别与分析。 相似文献
9.
[目的/意义] 微信、微博等自媒体中隐含着大量的用户旅游消费需求的信息,将这些信息进行分类并依据分类结果构建需求本体,从而帮助企业分析和研究用户需求以获取巨大的商业价值。[方法/过程] 利用SVM分类算法将微博信息分类并生成分类结果集,这些结果集中包含大量旅游相关概念的词汇,可以作为构建和扩展旅游需求本体的语料;然后通过调查各大旅游网站的类目确定旅游需求的核心概念,抽取分类结果中与旅游相关的概念。[结果/结论] 利用抽取结果匹配核心概念,生成扩展后的本体,使用HOZO本体编辑工具进行修改和完善,并呈现部分旅游需求本体。从实验结果看,本文所提方法能较为准确地对包含旅游需求的文本进行分类。 相似文献
10.
[目的/意义]提出基于在线评论的网络社区信息可信度评价方法,为信息治理提供有效依据。[方法/过程]构建基于在线评论的网络社区信息可信度评价指标体系,利用改进AHP理论确定指标权重;利用LSTM模型对评论情感分类,采用改进的D-S证据理论模型融合情感分类数据作为指标量化计算方法。以知乎网络社区为例,从3个角度计算网络信息内容的可信度：经过筛选的具有可信观点评价的在线评论、所有在线评论、调查问卷。[结果/结论]实验结果表明,基于可信观点评论的可信度排序与基于调查问卷的可信度排序基本一致,说明利用在线评论对网络信息可信度进行评价具有一定的可行性。 相似文献
11.
��[Purpose/significance] To construct a fine-grained sentiment analysis model for product reviews based on Word2Vec and CNN.[Method/process] This paper firstly applied Word2vec to build product feature vocabulary and noise vocabulary based on product reviews, secondly extracted the feature words from product reviews by the noise vocabulary, then classified the product reviews according to product features sentiment, finally realized product reviews clustering based on product features.[Result/conclusion] The model was trained and tested by the reviews of Huawei mobile phone on JingDong Mall,the results showed that the model could effectively realize fine-grained sentiment analysis of product reviews and find out users focus and satisfaction on product features. 相似文献
12.
感性工学视角下的用户需求挖掘研究 总被引：3，自引：0，他引：3
以用户需求为中心的产品设计和营销策略,可以帮助企业在市场竞争中获得优势。而社会经济的快速发展,使得用户对产品的要求逐渐提高。用户期望产品在具备功能性特征的同时,拥有符合感性美学的设计,从而满足自身的感性需求。感性工学作为一种将用户感性情感与产品设计要素相关联的研究框架,可以有效挖掘用户感性需求。因此,本文在感性工学的视角下,以产品评论为语料,利用word2vec模型和滑动窗口技术半自动化生成用户感性情感词典和产品特征词表,并在此基础上提出特征-感性情感模型。本文以iPhone手机的产品评论为例,验证模型的有效性。结果表明,相较于传统的情感词典,结合感性工学理论进行情感分析可以更为有效地捕获用户感性需求,为企业提供决策支持。 相似文献
13.
基于情感分析的移动图书馆用户生成内容评价效果研究 总被引：1，自引：0，他引：1
[目的/意义]通过对移动图书馆用户生成内容的情感分析,预测用户情感倾向对移动图书馆资源的评价效果,从而更好地实现移动图书馆资源推广和精准推荐服务。[方法/过程]基于情感分析提出移动图书馆用户生成内容评价效果分析过程,以获取的"掌阅图书馆"中15部年度畅销书籍的用户生成内容为研究样本,对数据进行预处理,在此基础上从领域词典构建、情感分类、评价效果3个过程入手进行分析。[结果/结论]数据分析结果表明,移动图书馆UGC用户情感倾向具有多元性和一致性,中性评价具有重要性,能够较为准确地预测移动图书馆资源的得分情况。将情感分析相关理论和方法引入移动图书馆UGC研究,能够为移动图书馆完善其服务措施、提高其服务质量提供参考意见。 相似文献
14.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献
15.
[目的/意义]以用户情感为线索的图像检索已成为机器学习研究的热点，但图像情感特征标注的语料数据多来源于对图像低层特征的抽取，从而导致图像检索过程单一化和程式化。本文提出了一种基于深度学习的图像情感特征抽取的算法，将图像底层特征融合到图像的高层情感语义当中，为实现图像的情感语义检索提供了参考。[方法/过程]利用改进的卷积网络模型，将数据集图像的颜色、纹理作为输入，经多层运算自动提取图像的情感信息，并通过反向传播算法计算出改进后模型的情感检索准确率，构造出准确率较高且过拟合程度低的图像情感特征提取模型。[结果/结论]应用改进的卷积神经网络模型，实现了对图像情感特征的抽取，相较于原模型提升了10%的检索准确率。 相似文献