当我们谈论谷爱凌时在谈论什么——北京冬奥会谷爱凌夺冠的社交媒体评论主题挖掘

北京冬奥会胜利举办,我国运动员谷爱凌成为街谈巷议的热门话题。运用LDA主题模型,对北京冬奥会谷爱凌夺冠时刻的社交媒体评论内容进行挖掘与分析,呈现出6大聚类主题:主题1聚焦于谷爱凌优异的竞技表现和媒体表现;主题2突出了谷爱凌成长的家庭教育因素;主题3侧重于谷爱凌夺冠的泛娱乐化话题及“扩圈”传播;主题4聚焦于谷爱凌“学训双优”的社会启蒙话题;主题5表达了“谷爱凌是中国人”的亲和话题;主题6聚焦于谷爱凌的归化身份与国籍争议。“谷爱凌现象”是“扩圈”奥林匹克社区的典型案例,有关谷爱凌的话题讨论已经延伸到教育、泛娱乐化、社会认同、中美关系等领域,基于LDA的主题-共现词分析表明,中美大国博弈语境是塑造“谷爱凌现象”社交媒体评论主题关系的暗线。

在线产品类型的调节效应研究:评论主题分散度视角

【目的/意义】评论主题分散度指一条评论中涉及的产品属性维度的数量。评论主题分散度越大,该评论更全面。在线产品的评论主题传递了该产品多维度的特征信息,可以显著影响消费者的购买决策,但目前尚无有关评论主题分散度成因的研究。【设计/方法】通过获取了天猫平台商品评论数据共248881条,分析了两个评论文本特征——评论长度、评论情感强度对评论主题分散度的影响,并阐释了不同产品类型对评论主题分散度的调节效应。【结论/发现】通过建立回归模型,发现相较于购买搜索型产品的消费者,购买体验型产品的消费者能够提供更为全面的评论信息。同时,回归结果表明,产品类型分别调节了评论长度、评论情感强度与评论主题分散度之间的关系。使用了六种不同的稳健性方法进一步确保了上述结论的可靠性。该研究结果丰富并拓展了评论主题分散度的相关理论研究,并对电商平台管理者和线上零售商优化在线评论管理策略具有指导价值。

党报评论:引导舆论、锻炼队伍、大显身手的最佳时机——从十九大召开之际的评论实践看如何让重大主题评论广接“地气”

一支实力颇强的评论员队伍,在一个重要的历史性时刻,如何作为,如何做好?一位经历了都市报到党报评论员历练的年轻"老新闻",谈了他的探索与感悟。

浅谈目标受众与电视新闻评论的通俗性

电视新闻评论的通俗性由电视传播自身特征和目标受众特性决定。“传播者本位”的传播意识向“受众本位”进行转变,电视新闻评论节目的目标受众包含各个层次,由于经济水平的不一、接受教育层次不同,会有一大批文化层次比较低、平均接受能力不很高的受众,要结合受众的实际情况、知识水平,用通俗的语言阐述深刻的观点,才能吸引受众的注意力;评论的通俗性还可以用电视的画面语言、通过“讲故事”的手法和受众的现场参与得到实现。

评论可视化:观点的建构与消解——主流媒体评论可视化探析

评论可视化指通过图、文、视频等多种视觉符号进行评论“融媒”表达。在媒介融合趋势下,各主流媒体不断丰富评论的可视化表达方式,让评论更加直观可感,更有效发挥舆论引导作用。本文以主流媒体可视化评论为研究对象,重点考察评论可视化的“全媒体”表达方式、“全方位”可视化特点,以及可视化对评论生产过程和表达倾向性带来的影响、如何避免可视化带来的“陷阱”等。

英语中是否有主题句

汉语的句法结构分析提出了“主题——评论”的结构模式,这是符合汉语的语言特点的,英语中是否有主题句呢?根据符号学的有关原理,英语中主题句的提法不如主谓句提法合理。

基于时滞关联特征患者就诊反馈分析

抓取“微医网”医患评论数据,对其中时滞与患者满意度进行关联分析,并对评论内容进行主题挖掘,提取不同时滞区间内患者重点关注的内容。通过对患者评论文本不同时滞区间内容的分析,寻找满意度提升策略,以缓解医患关系。使用K-means将患者反馈数据根据就诊后时长反馈分为“短期”和“长期”,通过LDA主题提取模型,对满意度划分后的患者评论文本挖掘不同时滞区间内患者所关注的重点内容,将其差异进行对比分析发现,患者就诊满意度随着时滞呈现趋高现象,不同时滞文本显示患者评论维度大致相同,但随着时滞区间的转移,患者所关注的就诊体验内容也有所变化。

在线商品评论有用性主题分析及预测研究

随着电子商务的飞速发展,电商平台上的在线商品评论成为消费者在线购物时做出购买决策的重要参考,同时也是平台商家获取在线消费者真实关切的重要信息来源.然而,海量的良莠不齐的在线商品评论使得消费者和商家很难从中获取有价值的高质量信息.一方面,本文在经典的主题分析LDA模型的基础之上提出了一种基于评论有用性的主题分析模型,即Help-LDA模型.相比与假定每条评论具有同等重要程度的LDA模型,Help-LDA模型根据评论有用性对不用评论赋予不同的权重,进而从有用性较高的评论中抽取出对于消费者更有用的决策信息.另一方面,本文基于Help-LDA模型提出了新的评论文本表示方法,并结合SVM方法进行评论有用性预测.通过收集大众点评网站在线评论进行的实验表明,Help-LDA模型能够从电商评论中高质量抽取在线消费者对于商家商品和服务的真实关切.并且基于Help-LDA模型的评论文本表示结合SVM方法能够显著提升在线评论有用性预测性能.

基于MapReduce的并行LAD模型评论主题提取算法研究

针对传统的潜在狄利克雷分析(LDA)模型在提取评论主题时存在着计算时间长、计算效率低的问题,提出基于MapReduce架构的并行LAD模型建立方法.在文本预处理的基础上,得到文档-主题分布和主题-特征词分布,分别计算主题相似度和特征词权重,结合k-均值聚类算法,实现评论主题提取的并行化.通过Hadoop并行计算平台进行实验,结果表明,该方法在处理大规模文本时能获得接近线性的加速比,对主题模型的建立效果也有提高.

游客在线评价的情感倾向分析在改善营销策略中的应用——以“青岛啤酒博物馆”为例

网络旅游平台中用户评论对其他潜在消费者制定旅游规划具有参考作用,同时对旅游经营者改善营销策略同样具有参考价值。笔者将“青岛啤酒博物馆”的游客在线评论作为研究对象,把评论数据分为“纯观点数据”和“综合评论数据”,然后对“综合评论数据”中的“评论主题”进行归类汇总为统一的“评论主题”,并对其对应的“评论观点”进行情感分析。研究发现:通过提取和归类汇总“评论主题”,在缩小研究范围的同时可以进一步挖掘“好评”中存在的不足,使分析结果更加具有针对性,能够为旅游经营者改善营销策略提供更加准确的信息。