基于微博公众情感状态的新产品市场预测研究

使用社交网络数据获取公众情感,进而预测新产品市场趋势已成为社会化网络环境下市场信息预测研究的新方法。本文研究了基于中文微博情感分析的新产品市场预测的相关问题。首先,根据心理学的《心境状态量表》(POMS),从《同义词词林》中提取出七维度心境词汇种子词集;利用《同义词词林》及word2vec构建中文心境状态词汇语义网络,并通过马尔可夫随机游走算法计算词汇各心境状态维度值,自动化地构建了一个多维度、细粒度的情感状态词典,以便获取微博公众情感状态信息。进一步提出一个整合微博公众情感状态、微博提及数、评论情感及其数量的预测特征模型,采用多任务机器学习方法处理不同提前期的新产品市场预测问题。基于电影数据的实例分析表明,公众情感状态特征能在更长的时段内反映新产品市场趋势,且基于整合的预测特征模型和多任务机器学习方法具有较好的预测效力和预测提前期。

情绪预测偏差的来源模型研究

情绪预测是个体预测未来某件事发生之后的情绪状态。我们的生活离不开情绪预测,然而情绪预测不可避免的会存在系统误差,由此影响人们的生活,本文总结了前人对情绪预测偏差产生的影响因素,构建情绪预测偏差来源模型,并对模型进行了深入研究。