基于LDA主题模型的知乎平台婚恋话题情感分析

目的:探索青年在婚恋话题中的情感趋向以及相应的关注焦点。方法:通过潜在狄利克雷分布(Latent Dirichlet Allocaon,LDA)主题模型和情感分析相结合的方法对知乎平台的婚恋话题内容进行研究。结果:建立知乎平台婚恋话题语料库,共2974条语料,时间跨度为2018年4月至2022年6月。(1)婚恋话题的高频词汇有:孩子、父母、离婚、出轨、分手、约会、表白、工作、学习和情感等词;(2)婚恋话题的积极情感值显著大于消极情感值,但存在相当程度的消极情感倾向,例如焦虑、恐惧、悲伤等;(3)婚恋话题中积极的主题有:婚恋现实、婚恋心理、聊天约会、择偶标准、美好故事;消极的主题有:婚恋压力、负面经历、负面新闻、婆媳矛盾。结论:青年对婚恋有着一定期待与积极应对,但他们在一些话题下表现出的负面情绪也需要被关注和理解。

ChatGPT大语言模型的公众情感接纳演化研究——基于LDA主题模型的微博文本分析

研究通过采集网络文本的方式获取微博文本数据,并引入LDA主题模型对微博文本进行主题分析和语义情感倾向分析,探究2023年公众对于ChatGPT的讨论议题和情感倾向分布特征。在此基础上,研究进一步采用时间维度,分阶段地分析公众热议主题及公众情感倾向的演化过程,揭示公众接纳ChatGPT的程度变化趋势。研究结果表明,公众对ChatGPT的讨论主要集中在7个主题,即企业管理、前沿趋势、国内创新、教育财经、功能应用、社交互动和科技交流。其中,前沿趋势是最为普遍的主题类别,体现出公众对于以ChatGPT为例的人工智能技术发展趋势及可能对人类产生的影响的高度关注。语义情感倾向分析结果显示,公众对ChatGPT的正向情感倾向始终高于负面情感倾向。相较于对人工智能技术所存在的风险担忧,公众更趋向于表达对人工智能技术发展和良善影响的积极期待。

基于LDA主题模型及情感分析的电商直播热点主题分析

从电商直播领域的热点事件切入,使用八爪鱼抓取微博平台自9月10日至10月26日间的文本数据,综合运用情感分析与LDA聚类方法,对这段时间内微博的热门话题及其对应的舆论主题进行深入剖析,旨在为涉及的电商主播、品牌及平台三方提供具有学术依据的营销策略与发展建议。电商直播热点事件凸显行业定价、主播信任度、平台竞争公平性等问题,同时揭示消费者情感变化会为品牌营销带来新契机。

融合主题特征的文本情感分析模型

随着大型语言模型的快速发展,如何在保证模型性能的同时减少模型参数量,成为了自然语言处理领的一个重要挑战。然而,现有的参数压缩技术往往难以兼顾模型的稳定性和泛化能力。为此,提出了一种融合主题特征的情感分析新架构,旨在利用主题信息增强模型对文本情感极性的判断能力。具体而言,采用一种结合LDA和K-means的方法来提取文本的主题特征,并将其作为固定维度的向量与词嵌入进行拼接,得到新的词向量表示。随后使用平均池化技术构建句子级别的表征向量,并输入到一个全连接层进行情感分类。为了验证所提模型的有效性,在公开的情感分析数据集上与多个基准算法进行了对比实验。实验结果表明,所提模型在多个数据集上明显优于ALBERT,准确率提高了约3.5%,在参数量仅有微小增加的情况下维持了较高的稳定性和泛化能力。

基于LDA模型及情感分析的电影主题公园评论文本研究

以中国电影主题公园为例,收集多个旅游网站游客评论数据,采用LDA(latent dirichlet allocation)主题模型方法、共现网络分析方法及情感分析方法对游客评论文本进行研究。结果表明,国内电影主题公园游客评论可以分为旅游服务主题、旅游景观主题、整体感知主题以及活动体验主题4个主题。结合共现网络分析及情感分析结果识别当前景区现状及痛点,为文旅企业经营者提供较为准确的游客偏好信息,也为企业后续管理及决策提供相关理论及数据支撑。

基于文本挖掘的跑鞋用户评价及情感分析

为了挖掘消费者在线购买跑鞋时的关注信息,文章用大数据分析视角,以“京东商城”为例按照销量排序分析了前600款跑鞋品牌定位、价格分布、优惠信息、标签占比,使用LDA模型对10万条跑鞋在线评论进行文本挖掘,对商品评论数据进行词频共现分析、主题聚类与情感分析,从品牌、技术和售后服务的维度分析了问题的原因并提出相关建议。研究表明:国产品牌跑鞋在各价位段布局完整,销量高的跑鞋多使用满减和商品券,自营和优惠券标签对跑鞋购买具较为显著的促进作用;消费者购买跑鞋时主要关注外观细节、功能属性、性价比、穿着感受、服务优惠等方面。

基于LDA主题模型的社交媒体隐私政策合规性评价研究

[目的/意义]在个人信息保护日渐重要的今天,开展我国社交媒体隐私政策合规性评价研究,可为完善社交媒体隐私政策和加强个人信息保护提供参考。[方法/过程]文章选取28个常用社交媒体,基于LDA主题模型、完整性评价和阅读感分析对其隐私政策文本进行比较分析。[结果/结论]研究发现,随着相关信息保护法的出台,社交媒体在隐私保护、信息安全等方面已取得了积极进步,但在政策完整性、特殊群体的保护和可读性方面仍有进一步完善的空间。未来,可从法制建设和用户权利保障、特殊群体保护以及文本可读性3个方面进行完善。

基于LDA主题模型的湖泊公园生态系统文化服务公众感知研究

湖泊公园是城市蓝绿空间的重要类型之一,开展湖泊公园生态系统文化服务感知量化研究,对保护生态环境和提升游憩空间质量具有重要意义。以武汉市8个典型湖泊公园为研究对象,爬取公园网络评论数据,利用LDA主题模型挖掘潜在主题,结合社会网络分析法和情感分析模型,并对比问卷调查结果,探讨湖泊公园生态系统文化服务感知差异。结果表明:湖泊公园生态系统文化服务公众感知维度有休闲娱乐、审美体验、运动健康、社交互动、历史文化和科普教育;主导服务类型是休闲娱乐和审美体验,而科普教育是最不易被感知的;公园可达性、周边文化建设、园内基础设施及自身特色是影响感知频率和满意度的主要因素;不同年龄段人群的使用需求和活动类型差异对感知满意度有一定影响。因此,未来湖泊公园的建设可在科普主题活动举办、特色湖泊文化景观、公园配套服务设施、生态环境治理等方面进一步完善,并关注多年龄段人群需求,从而提升公园服务品质。

基于LDA和XGBoost模型的环境公共服务微博情感分析

利用Python软件编程获取2012年1月1日至2016年12月31日间相关微博舆情数据24922条,采用LDA模型提取噪声污染、城市环境公共卫生、化工危险品、饮用水安全、水体污染、企业环境整治、环保监督与执法、空气污染8个主题,利用XGBoost集成模型对8个主题的微博舆情数据进行情感分析。分析结果表明:环保监督与执法、空气污染和噪声污染主题强度较高,均超过0.3;XGBoost模型对情感极性倾向的预测准确率达到89.6%,其中环境公共卫生、环保监督与执法、企业环境整治和空气污染呈现较显著的负向极性情感。研究结果可为江苏环境公共服务供给侧改革提供决策参考。

基于文本情感分析的地理标志农产品在线评论数据挖掘

地理标志农产品凝聚了人文和自然环境因素的双重影响,具有较高的品牌价值,并对农民的收入做出了重要贡献。随着电商渠道的普及,推广地理标志农产品可以带动经济发展。但是在推广地理标志认证过程中还面临多种挑战,其中买卖双方信息不对称是导致交易低迷和消费者满意度不足的重要问题。因此,本研究通过文本分析和LDA主题模型等方法,基于电商平台在线评论文本数据,构建逻辑回归模型,识别影响地理标志农产品消费者满意度的关键因素变量。同时,提出有针对性的建议,以促进地理标志农产品的良性发展。

基于主题挖掘与情感分析的生鲜物流服务质量研究——以京东生鲜为例

电商物流服务质量是提升消费者幸福感,促进经济增长的必要途径。本文将电商物流服务质量的研究拓展到京东生鲜领域,对2021年2月至2022年2月期间的京东生鲜物流在线评论数据进行整理与分析。研究发现:物流包裹完整性、服务便利性主题情感倾向均为消极,物流时效性、物流售后响应性主题情感倾向均为积极。其次,消费者对生鲜电商物流服务质量的情感态度也随时间变化而变化,物流服务便利性主题随着时间的推进,情感倾向由消极转为积极,其他主题均与前文一致。通过分析发现,京东生鲜物流目前还存在包裹破损、生鲜腐败、服务不够便利等问题。基于物流服务质量理论,从物流时效性、包裹完整性、服务便利性方面提出改进建议。

基于主题模型和情感分析的进口跨境电商顾客满意度评价研究

进口跨境电商已成为驱动国内消费增量的新业态,而顾客满意度的高低则是进口跨境电商提高留存率和转换率的关键。与此同时,海量的在线评论为商家提供了极具价值的信息,对其进行情感挖掘将有助于商家优化产品供给。为此,选择京东全球购个人护理产品作为研究对象,通过构建进口跨境电商顾客满意度综合评价模型,运用TF-IDF算法和文本聚类LDA主题模型等对评论文本内容进行分析和主题特征提取,并建立情感词典依次对顾客满意度各影响因素匹配赋值打分,以此来确定各项用户需求的重要度和产品及服务改进的优先级顺序。最终研究表明影响顾客满意度的各个因素综合得分排序从高到低为产品质量、物流服务质量、品牌信誉、感知价值、商家服务质量。

基于LDA主题分析模型的电商平台用户评论数据情感分析——以生鲜农产品苹果为例

以生鲜农产品苹果为研究对象,通过Python网络爬虫采集电商平台上的文本评论数据,对数据进行去重、清洗等基本的预处理操作后,进行用户情绪分类,并通过分词处理、词频统计、词云数据展示等方法对用户评论文本数据进行分析。通过LDA主题分析模型对评论数据进行主题分析,从而通过多方面的分析获取文本评论数据中有价值的内容,对产品的改进提出建议。

基于情感分析与LDA模型的在线用户满意度影响因素研究

电子商务的迅速发展使得用户满意度分析的重要性日益凸显,传统的用户满意度分析大部分基于认知理论,且难以适应复杂的语言环境.针对此问题,提出一种基于情感分析及LDA模型的在线用户购买满意度影响因素挖掘方法.首先对在线用户的评论文本进行情感极性分析确定用户情绪极性,通过语义网分析提取评论数据中影响用户满意度的因素指标,利用词频分析以及LDA主题模型,确定及验证用户满意度最重要的影响因素,最后,通过京东网苹果手机商品的评论数据验证方法的有效性.

基于在线健康平台评价数据的主题挖掘与情感分析

患者对医生的评价是获取医患关系信息的重要途径,分析在线健康平台上患者对医生的评价内容,可以了解患者对医疗质量和医生服务水平的认知。文章以丁香医生在线健康平台上患者对医生的评价数据作为研究对象,利用LDA主题模型进行主题聚类,并采用SnowNLP技术进行情感分析。结果显示,评价数据涉及表达感谢、服务态度、线上咨询和术后反馈四个主题。同时,共现分析和词云图显示了高频词汇之间的联系。最终,针对医生、患者和平台三者提出相关建议,旨在促进医疗质量的提升和医患关系的改善。

基于深度学习的教育政策用户评论细粒度情感分析研究

智媒时代微博、抖音等网络社交媒体平台成为政府与公众之间传递信息的重要渠道之一,公众在平台上对教育政策的评论影响着教育政策的实施进程、效果及后续政策的出台。融合主题模型LDA和深度学习模型LSTM,以“双减”政策为例,挖掘面向教育政策的网络社交媒体用户评论,并对其进行细粒度情感分析,剖析用户对教育政策的多维主观情感,为提升教育政策实施效果提供参考。研究发现,网络社交媒体用户对“双减”政策的舆论焦点主要集中在四个主题下的16个评论对象上,其中在素质教育、艺术活动、学历3个方面用户情感偏向于正向;在校外培训、课后服务、教育公平、贫富差距、就业等其余13个方面用户情感偏向于负向。

基于文本挖掘和情感分析方法的“智慧旅游”服务质量感知研究

智慧旅游是推动智慧城市发展的重要手段。随着网络评论在旅游生态中的地位显著提升,如何通过网评文本反映游客的消费体验、服务质量反馈与情感诉求,吸引游客消费、取得竞争优势,成为景区管理人员与主管部门的一项重要工作。基于文本挖掘和情感分析方法,选取景区和酒店网评文本,识别旅游景点现状的问题和痛点,设计科学、客观的综合评价体系,为景区与酒店等相关经营者、文旅部门做出更优决策提供理论支撑和数据支持。

探索公众“远方苦难”的认知与情感

本文抓取2012年至2023年期间公众发布的有关“远方苦难”的29,977条微博文本进行LDA主题和情感分析。研究发现,公众“远方苦难”关心议题与情感表达呈现出一条从灾难到自我、从同情到反讽的演变线。变化背后隐藏着公众对“远方苦难”认知以自我为中心化的趋势,但也带来“我们”与“远方”共同身为人类的思考,具有实现人类命运共同体的可能性。

基于主题情感的ChatGPT用户在线评论分析--以bilibili平台为例

[目的/意义]在AIGC迅速崛起的背景下,ChatGPT空前火热,引发公众的广泛讨论,用户评论可以反映出当前ChatGPT的应用现状,以便为科学合理地使用该技术提供参考。[方法/过程]通过爬取bilibili平台相关视频3568条评论内容,利用Python构建LDA模型提取文本主题,分析各主题的情感倾向,并在此基础上分别构建积极、消极倾向的语义网络,从中发现ChatGPT应用过程中的优缺点。[结果/结论]评论数据可以概括为应用领域、技术能力、科技影响、内容输出四个主题,发现ChatGPT的应用对就业竞争产生冲击,且其语义技术层面存在缺陷,输出结果的准确性和真实性有待商榷,以及用户对ChatGPT存在依赖心理的问题,并提出相应的发展建议。

基于LDA主题模型的电商评论数据分析

以京东电商评论数据为研究对象,探讨评论数据的情感指数及关键词提取。首先,基于Scarpy框架爬取商品评论数据,分析顾客评论数据,直观地了解顾客的需求,从词云中掌握食品数据特点;其次运用LDA主题建模方法对上述数据进行情感分析,得出具体评论数据的情感系数(越接近1越积极),了解各分数段的评论分布情况;最终,分别对正、负评论数据进行LDA主题分析,分析文本中有价值的内容。