新环境下的员工需求维度构建——基于员工网络在线评论的大数据分析

基于员工网络评论大数据,分析新环境下员工对组织人力资源管理的关注点。通过python语言编程,采集就业信息共享网站上14 627条员工评论,运用R软件进行词频分析,挖掘出员工在工作中密切关注的25个因素,并基于此设计问卷,以288名员工为样本,进行探索性因子分析。研究发现,新环境下员工的个性化需求主要聚焦于四个方面:职业发展、组织氛围、工作强度和可雇佣性。

基于深度学习的城市公园游客情感倾向分析——以天津水上公园为例

游客情感倾向是反映城市公园受欢迎程度与优劣势的重要指标,可缓解公园游客与公园设计师、管理者之间由于信息不对等带来的矛盾,为研究城市公园问题提供了新视角。基于深度学习算法的文本情感倾向分析技术为公园评论数据分析提供了准确高效的新手段。以天津水上公园为例,从新浪微博等5个互联网平台采集2016—2019年的评论数据,基于EASYDL深度学习平台实现评论数据分类与情感极性判断,从整体情感倾向、时空分布特征和分类情感倾向三方面对评论数据进行分类解析。研究发现:水上公园游客整体情感倾向偏积极,评论数量与情感均值在时间和空间分布上均有较大差异;在分类情感倾向分析中,使用者对水体景观与植物景观的积极情感度较高,对服务设施与主题活动的消极情感度较高。基于深度学习的城市公园游客情感倾向分析方法弥补了传统定性分析方法的不足,可为城市公园环境评价和优化提升提供依据,并为相关研究提供新思路。