基于情感分类与主题挖掘的MOOC课程评论研究

在线精品课程作为MOOC中的高质量教育资源,有效促进了教育公平和均衡发展。但在保持快速增长的态势时,仍存在质量参差不齐的困境。为促进教师深度反思,支持教学问题的诊断与改进,提升课程质量,构建在线精品课程评论情感分类与主题挖掘研究模型。首先,采用网络爬虫技术采集MOOC平台中25门“教育技术学”专业在线精品课程评论数据,并进行数据预处理和情感分类;其次,对负性课程评论进行词云分析、社会网络分析和主题挖掘。结果表明:教师教学能力、学习资源质量、课程内容设计、互动和反馈机制、课程考核评价是导致学生差评、影响课程学习体验和学习质量的主要因素。据此,提出促进在线教育中教师教学能力专业化提升、开发优质在线精品课程学习资源、打造实用生动的在线精品课程内容、优化互动和反馈机制、优化在线精品课程考核评价等课程优化建议。

多维视角下新一代人工智能技术的公众感知研究

[研究目的]社交媒体评论是分析研判公众对新技术应用态度感知的重要对象,为突破传统文本主题挖掘技术的随机性弊端以及情感分析技术的单一性限制,提升文本数据量化分析的精准性以及实现更佳的可视化效果,亟需构建新的主题模型方法与情感分析手段。[研究方法]通过建立结构性融合的深度学习模型——BERT-LDA模型,以ChatGPT微博评论文本为研究对象,利用BERT和LDA分别提取文本的复杂语义信息和关键主题,实现了对深度隐藏主题特征的挖掘,并基于BERT情感分析,从整体、主题和态度多维度视角设计了情感演化的可视化分析。[研究结论]研究表明,BERT-LDA模型能够高效处理大规模、短文本、非结构的社交媒体评论数据,成功识别出公众对ChatGPT在就业教育、未来发展、产品开发、技术变革等不同领域带来影响的态度差异;与传统主题识别模型(LDA、TF-IDF、BERT)相比,BERT-LDA模型在主题识别效果和泛化能力上表现更优,尤其体现在对关键主题和重要词汇的精准挖掘能力上;公众对ChatGPT的认知态度并不统一,表现出赞誉与质疑并存的复杂情绪。

基于情感分类的《热辣滚烫》LDA主题挖掘

以豆瓣电影网关于电影《热辣滚烫》的用户评论为数据源,采用情感分类和LDA(Latent Dirichlet allocation)主题模型对影评进行深入分析。首先对影评数据进行预处理,包括去重、分词和构建去停用词表,匹配情感词表和修正情感倾向,将评论分为正面和负面两类。绘制正面和负面情感词云,揭示了观众对电影中女性力量的展现、励志元素的融入及幽默感表达等的正面评价,以及对剧情创新不足、营销宣传过度等负面反馈。LDA主题分析进一步识别“励志人生”和“重塑自我”作为正面主题,以及“过度营销”和“抄袭翻拍”作为负面主题。研究结果为电影制作提供了宝贵的观众洞察,建议制作团队在未来作品中注重剧情创新、真实营销、角色深度塑造和文化传播等,从而提升电影的艺术价值和市场竞争力。

基于BERT和LDA模型的酒店评论文本挖掘

通过主题模型对酒店评论文本进行文本挖掘,有利于引导酒店管理者和客户对评论信息做出合适的鉴别和判断。提出一种基于预训练的BERT语言模型与LDA主题聚类相结合的方法;利用中文维基百科语料库训练BERT模型并从中获取文本向量,基于深度学习算法对评论文本进行情感分类;通过LDA模型对分类后的文本进行主题聚类,分别获取不同情感极性文本的特征主题词,进而挖掘出酒店客户最为关注的问题,并对酒店管理者提出具有参考价值的建议。实验结果表明,通过BERT模型获取的文本向量在情感分类任务中表现较好,且BERT-LDA文本挖掘方法能使酒店评论文本的主题更具表达性。

基于在线评论的商业竞争情报自动获取

[目的/意义]探索从在线评论内容中提炼商业竞争情报的有效方法。[方法/过程]以大众点评网餐饮业的在线评论为研究数据,使用词向量Word2Vec结合依存句法分析进行领域特征词典构建和用户观点抽取,实现在线评论的特征主题凝聚及用户观点的情感计算。[结果/结论]实现了细粒度的竞争情报信息提取,竞争情报汇总及可视化,并将分析结果应用于商家自身优势分析和竞争对手分析。抽取算法能够从评论内容中自动提取用户观点的竞争情报,服务于商务领域的决策与管理。

微博文本挖掘研究综述

[目的/意义]梳理国内外微博文本挖掘的研究现状,展望未来的研究方向。[方法/过程]介绍微博文本挖掘的背景和意义,从微博的数据获取、文本语义挖掘方法及应用研究3个方面,对比微博数据获取的不同方式,分析文本预处理过程和文本处理的若干方法,总结当前微博数据的应用现状。[结果/结论]微博数据获取技术主要有基于API、基于网络爬虫和基于网络数据流3种方式;微博文本挖掘涉及文本分类和聚类、话题检测、情感分析等方法;微博数据在舆情分析、商业营销及社会服务等方面已经得到广泛应用。

互联网藏文信息舆情分析系统设计

信息传播技术的快速发展推动了藏文信息的迅速传播,舆情分析越来越受到人们的关注。介绍了研究互联网藏文信息舆情分析的必要性、重点及难点,详细介绍了藏文舆情分析的关键技术,最后,说明了藏文舆情分析系统的设计和实现框架。

基于STR的情感挖掘方法研究——以航空公司质量评价为例

情感挖掘现在常用来分析文本,以确定语料是正面的或是负面的。最近,情感挖掘已经扩展到用于解决更深入性的问题,诸如辨别主观命题中的客观成分,确定发表在微博、论坛和新闻中的文本数据集的来源和主题等。企业可以利用观点的极性和情感主题的识别,以获得对情感的驱动者和影响范围更深入的理解。这些信息可以帮助企业提高竞争智能,改进客户服务,获得更好的品牌形象,并且增强竞争力。本文提出了一种新的情感挖掘方法,它可用于检测文本的情感极性和情感主题。该方法包括一个情感主题的识别模型(STR),这个模型是在带有VEM算法的相关主题模型(CTM)的基础上构建的。然后基于微博上航空公司的数据,验证了本文方法的适用性和高效性。最后,基于本文方法输出的结果,计算了三大航空公司的航空质量等级,从而检测了它们的声誉。

基于主题角色的文本情感分类方法

传统文本情感分类方法通常以词或短语等词汇信息作为文本向量模型特征,造成情感指向不明和隐藏观点遗漏的问题。针对此问题提出一种基于主题角色的文本情感分类方法。该方法首先提取出文本中的潜在评价对象形成评价对象集,评价对象作为情感句描述的主体能够很好地保存文本情感信息;然后使用LDA模型对评价对象集进行主题抽取,将抽取出的主题分裂成"正""负"两种特征项,将这两种特征项记为正负主题角色用于保存文本情感信息;最后,计算主题角色在文本中的情感影响值并建立主题角色模型。实验结果表明,所提方法与传统方法相比可有效提高主观性文本情感分类的准确率。

基于在线评论的企业竞争情报需求挖掘研究

[目的/意义]提出一种基于在线产品评论的竞争情报挖掘框架,为企业改进产品设计和制定竞争策略提供参考。[方法/过程]利用Word2vec技术构建产品特征词集合,识别用户评论主题特征。然后使用情感分析方法对评论文本进行分类,得到特征维度的评论情感。最后从产品主题特征和情感态度特征两方面进行数据分析,并以可视化结果呈现。[结果/结论]以汽车行业的评论数据为例进行实验,结果表明该方法能够有效提取产品情报信息,帮助企业有效识别自身品牌及竞争对手的优势和劣势,为大数据环境下的竞争情报挖掘提供方法指导。

职场辱虐管理如何影响第三方情绪和行为?——基于文本挖掘以及LDA主题模型的大数据分析

以网络上关于职场辱虐管理第三方评论文本为数据,基于情感分类、词云图和LDA主题模型探讨了职场辱虐管理对于第三方的情感及行为的影响。实证研究发现:职场辱虐管理会导致第三方产生共情、幸灾乐祸、恐惧、沉默、愤慨、其他等六类情感;拥有共情情感的,会产生同情安慰或干预制止等行为;拥有幸灾乐祸情感的,会产生大笑或偷笑或侮辱等行为;拥有愤慨情感的,会产生打抱不平或提出辞职等行为;拥有恐惧情感的,会产生难受想哭或想要辞职等行为;拥有沉默情感的,会产生无助失控或者消极退缩等行为。职场发生辱虐管理现象时,在LDA主题模型生成的12个主题中,第三方依次对于主题1(友情关爱)、主题2(工作加班)、主题5(收集证据)较为关注。

企业竞争情报主题挖掘与主题演化研究

研究了我国企业竞争情报的热点主题和主题演化态势,利用主题挖掘与主题演化方法系统梳理了我国企业竞争情报领域的研究成果。通过Python自动提取及预处理文献数据,再利用共词分析、LDA模型和知识图谱挖掘该领域的核心科研群体和热点主题,最后结合主题演化方法梳理企业竞争情报的发展脉络。该研究可为企业竞争情报领域今后的相关探索提供借鉴,具有一定的应用价值。

基于主题增强的递归自编码情感分类研究

中文文本情感分析旨在发现用户对事物、事件的情感倾向,然而现有研究往往忽视了文本之间的相互联系。提出一种基于主题增强的递归自编码情感分类模型,通过将文本的主题信息融入到递归自编码模型中,使得该模型可以更深层次地考虑文本的内容信息,提高其对文本情感的理解和泛化能力。在COAE2014数据集上的实验结果表明,将所提分类模型用于情感分类任务时可获得更优的分类效果,证实了其在实际问题中的适用性与可行性。

基于大数据技术的高校舆情分析模型研究

舆情分析系统的研发是辅助高校舆情治理的重要方式。针对现有系统在技术架构、数据采集和分析方面的不足,设计了基于流数据的舆情采集和存储技术框架,实现了基于LDA(Latent Dirichlet Allocation)的热点主题挖掘方法,提出了基于BERT(Bidirectional Encoder Representations from Transformers)预训练模型的情感分类方法,搭建了面向高校舆情分析的Web系统。为高校舆情分析系统的设计和实现提供有益的参考和解决方案。

基于情感分类的竞争企业新闻文本主题挖掘

【目的】在竞争情报分析中,改进新闻报道信息主题识别效率,降低情报搜集成本,提升分析的即时性。【应用背景】适用于企业竞争情报人员通过新闻媒体对企业自身和竞争对手的报道抓取和主题识别,及时感知重要动态。【方法】使用情感分析API对爬取的新闻报道数据做出分类,利用LDA识别主题,并进行可视化分析。采用Python完成数据采集、清洗、分析与可视化等流程。【结果】从共享单车新闻中,识别出正负面情绪的不同主题,并且找出对应的主要特征词汇。【结论】基于情感分类的主题挖掘方法有助于企业聚焦自身与竞争对手的主要优势与问题,可以改进环境扫描与竞争情报的时效性和准确性。

面向用户评论的企业竞争情报挖掘研究

设计与实现一种面向用户评论的企业竞争情报挖掘算法,首先利用模板抽取评论句中的产品属性词和情感词,获得其搭配短语模式,然后使用面向语义的潜在语义分析(SO-LSA)和面向语义的互信息和信息检索方法 (SO-PM-IR)计算短语的情感值,获得评论的情感特征,找出产品的优缺点。研究表明,该算法能够显著地提高情报分析的准确率和召回率,实现深层次的评论挖掘和情报知识发现。