网络搜索指数与汽车销量关系研究——基于文本挖掘的关键词获取

网络搜索数据是消费者在信息搜集和购买决策过程中真实足迹的反映,对了解消费者购买需求具有重要价值。本文运用与现有研究不同的关键词获取方法,以我国汽车市场为背景,研究网络搜索数据与销量之间的关系。首先,确定网络搜索数据的关键词,主要运用了文本挖掘技术,具体而言:1对抓取的汽车论坛文本进行Jieba分词;2利用Word2vec模型把分词结果转化为向量空间模型形式;3结合TF-IDF算法和余弦相似度算法确定关键词。然后,基于108个月的长面板数据,建立网络搜索与汽车销量的固定效应模型。最后,采取滚动窗口的方式预测最近12个月的汽车销量。实证结果显示:网络搜索与汽车销量之间存在长期均衡关系,回归模型可以解释76%的方差;网络搜索数据有助于预测我国汽车销量。

一种基于语义距离的关键词获取方法

关键词作为文本的概要信息,是信息检索,特别是针对海量Web信息处理的基础。由于手工分配关键词是一项耗时性的工作,因此不需要训练集的非监督关键词获取方法研究受到了关注。本文以语义聚类为模型,以词在给定语境和词义本身两种语义距离的计算为基础,给出一种关键词获取算法。实验结果表明,该算法得到较好的查准率。