期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于旅游者网络文本哈尔滨旅游形象挖掘与品牌提升研究
1
作者 张艺骞 张春萍 《经济师》 2023年第7期140-141,143,共3页
基于哈尔滨市旅游目的地品牌建设滞后于市场发展与旅游者感知升级,目的地产品创新性不足等,文章以哈尔滨旅游目的地为研究对象,从携程网入手,利用Python数据挖掘技术,共抓取20182条网络文本。运用ROSTCM6对用户数据进行高频词特征、语... 基于哈尔滨市旅游目的地品牌建设滞后于市场发展与旅游者感知升级,目的地产品创新性不足等,文章以哈尔滨旅游目的地为研究对象,从携程网入手,利用Python数据挖掘技术,共抓取20182条网络文本。运用ROSTCM6对用户数据进行高频词特征、语义网络及旅游者情感三个方面的分析研判,挖掘获取当下哈尔滨市旅游目的地发展过程中旅游者新感知与评价以及目的地存在的问题与挑战。提出与之相应的契合其发展痛点的旅游目的地品牌管理提升建议,以期优化哈尔滨市旅游形象,提升旅游目的地品牌管理水平。 展开更多
关键词 旅游者网络文本 哈尔滨旅游目的地 形象挖掘 品牌提升 文本分析
下载PDF
基于图式理论的国家形象测量 被引量:5
2
作者 葛岩 《上海交通大学学报(哲学社会科学版)》 CSSCI 北大核心 2022年第3期22-40,共19页
围绕什么是形象、怎样用调查和数据挖掘方法测量国家形象问题,本文提出了基于图式的形象理论,分析了形象的结构、功能和测量方法。依据该理论,形象图式内容的稳定性、内容间的结构联系和结构性激活的可能性,是形象测量的基本着眼点。在... 围绕什么是形象、怎样用调查和数据挖掘方法测量国家形象问题,本文提出了基于图式的形象理论,分析了形象的结构、功能和测量方法。依据该理论,形象图式内容的稳定性、内容间的结构联系和结构性激活的可能性,是形象测量的基本着眼点。在该理论框架下,本文还通过样例分析了调查和数据挖掘方法在形象测量中的应用,讨论了二者的优缺点。 展开更多
关键词 形象 国家形象 国家形象调查 形象挖掘 对外宣传
下载PDF
审美教育:浅谈审美教育在初中语文教学中的实施 被引量:1
3
作者 李长军 《教育教学论坛》 2009年第12Z期132-133,共2页
语文是一门集工具性与人文性于一体的优美学科,而语文教学更是一门美的艺术。在语文教学中通过创设美的情境,挖掘典型的艺术形象等方法对学生进行审美教育,从而引导学生辨别美与丑,文明与腐巧,高尚与邪恶,促进学生性格优化,培养学生正... 语文是一门集工具性与人文性于一体的优美学科,而语文教学更是一门美的艺术。在语文教学中通过创设美的情境,挖掘典型的艺术形象等方法对学生进行审美教育,从而引导学生辨别美与丑,文明与腐巧,高尚与邪恶,促进学生性格优化,培养学生正确人生观。 展开更多
关键词 语文教学 审美教育 创设情境 挖掘艺术形象
下载PDF
在素描训练中发掘美的因素
4
作者 徐殿武 《中国科教创新导刊》 2009年第2期214-214,共1页
在素描教学中,引导学生在画面中表现其独有的情感美,引导学生将美的情感可以升华为美德,给人以深沉的美感,培育他们的思想品质,加强道德修养,提高审美能力,以形成健康、高尚的情感美.
关键词 引导学生体会形象 挖掘形象 表现情感美 运用形式美
下载PDF
The Chinese Image on Twitter: An Empirical Study Based on Text Mining
5
作者 Ming Xiao Hongfa Yi 《Journalism and Mass Communication》 2016年第8期469-479,共11页
The study use crawler to get 842,917 hot tweets written in English with keyword Chinese or China. Topic modeling and sentiment analysis are used to explore the tweets. Thirty topics are extracted. Overall, 33% of the ... The study use crawler to get 842,917 hot tweets written in English with keyword Chinese or China. Topic modeling and sentiment analysis are used to explore the tweets. Thirty topics are extracted. Overall, 33% of the tweets relate to politics, and 20% relate to economy, 21% relate to culture, and 26% relate to society. Regarding the polarity, 55% of the tweets are positive, 31% are negative and the other 14% are neutral. There are only 25.3% of the tweets with obvious sentiment, most of them are joy. 展开更多
关键词 Chinese image topic modeling sentiment analysis text mining TWITTER
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部