摘要：游客情感倾向可以反映游客对公园的喜好,将公园游客的喜好直接反映给公园设计师、管理者,为深入研究城市公园提供了新方法。以南昌市10个公园为例,基于Python从大众点评上爬取南昌热门公园的评论数据,利用集搜客平台,对评论数据进行分类与情感极性评估,通过Arc GIS获取10个公园的客观特征值。从整体情感倾向、各公园重要景观元素情感倾向、特征值与情感倾向3个方面对评论数据进行分析。结果表明,南昌市10个热门城市公园游客整体情感倾向偏积极,积极情绪评价主要在绿化率高、景色优美、交通便利等方面,而消极情绪文本评价则聚焦于配套服务设施陈旧短缺、管理不当等方面;公园的占地面积、情感倾向与绿地率呈正相关、与水体面积呈负相关,与建造年代没有相关性。

摘要：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。

摘要：为应对日益缩短的产品设计周期要求,帮助某智能手表品牌厂家快速准确地收集用户反馈从而助力产品品质改进,对智能手表的网购评论进行数据挖掘。首先,从电商平台爬取该品牌智能手表用户评论,执行数据预处理后将评论文本转化为向量空间模型便于后续的情感倾向分析。为选用合适的情感倾向分析方案,研究选择了三种文本的向量化表示方案,结合四种机器学习分类算法对比分析了其在情感倾向分析方面的性能表现。实验结果证明了基于TF-IDF的文本向量化表示结合支持向量机做情感二分类方案的有效性,识别准确率在92%左右。

摘要：随着电子商务的飞速发展,用户评论信息对潜在顾客、商家和商品生产商的影响越来越大。由于在线的评论信息十分海量,所以很难通过人工浏览方式进行全面获取。评论句子往往具有很强的主观性,本文提出了整体方案帮助解决评论信息的获取、处理和可视化显示。通过利用词语的相似性计算方法和字的情感倾向分布概率计算方法,实现了极性词典的倾向值量化计算和极性词典的自动扩展。通过利用语义角色标注实现对评论句子的浅层语义分析,并利用统计结果设计出计算句子细粒度情感倾向值的方法。实验结果证明,基于语义角色标注方法比基于词性标注方法在句子细粒度情感倾向值计算中更有效。

摘要：随着移动互联网的飞速发展,短视频应用在人们生活中得到有效推广,一种在短视频中植入广告的新型营销方式逐渐兴起。本文基于媒介可供性分析框架,采用文本挖掘技术挖掘短视频平台头部主播植入广告视频文案及评论高频词和情感倾向,研究新型媒介环境对植入式广告的形塑作用。研究表明在内容可供性上更强调作品的独立观赏性,在移动可供性上强调通过标签的添加借助智能推荐算法增加作品曝光度,在社交可供性上弹幕的出现提供了更丰富的互动场景。本文将计算机专业的文本挖掘技术应用于社会科学研究中,整合定性分析与定量阐述,是媒介可供性分析在新媒体领域应用的有益探索。

摘要：游客感知对于了解人民需求、提升城市建设质量有着重要意义。以公园网络文本为数据训练NLP定制模型,更适用于风景园林领域的需求,使公园治理与设计更加智能与高效。基于深度学习平台,训练三个多标签文本分类、情感倾向分析、评论观点提取三个模型处理公园网络文本,从“时间—评价对象—评价对象下的感知要素”多层次分析公园游客情感倾向特征,挖掘重点感知要素。研究表明:(1)鹅岭公园游客感知整体积极性较高,6类评价对象中园外景观受关注度最高,自然景观与游客积极情绪成正比,设施配套消极情绪最高,停车位是亟需解决的问题。(2)在60个高频感知要素中,7个要素与游客积极情绪概率成显著正比,其中5个正相关,2个负相关。(3)采取“文本分类—高频词提取—情感分析”的分析顺序,可以挖掘词频低但有重要影响的感知要素。(4)NLP定制模型提供的属性级情感分析可以减少情感分析误差,使研究更准确。研究鹅岭公园游客情感与公园重点感知要素,为鹅岭公园的建设提升提出优化建议,为自然语言处理在风景园林中的应用提供了参考。

摘要：文章从意见领袖引导作用视角设计研究方案,建立模型分析意见领袖的意见交互机制,从该角度提出了一种舆情事件的演化分析方法,并通过仿真实验验证了此方法的合理性和有效性,验证结果说明本文提出的方法能够有效地预测舆情事件发展趋势。最后对本文的内容进行总结,指出研究的不足之处和今后的研究重点。

摘要：产品设计综合评价对于制造企业来说非常重要,是企业进行产品优化更新的重要依据,然而评价信息的获取和科学的评价模型是企业进行产品优化更新的最大障碍。随着大数据应用研究的兴起,从冗杂的网络数据中挖掘有用的信息,进而转化为知识并提供知识服务成为知识管理领域研究的热点。针对企业进行产品设计综合评价中的信息获取及评价模型问题,以文本挖掘技术为基础,运用情感倾向分析技术和LDA主题模型算法进行主题发现的研究。并将主题发现的结果应用于产品评价的知识服务当中,构建了基于网络评论数据的产品设计综合评价模型,并通过实例进行了应用验证。该研究可以有效分析消费者对产品的情感倾向以及对产品的综合评价,丰富企业原有的产品评价手段和评价方法,并为企业提供决策支持。

摘要：为了提升对微博数据分析的准确度,首先对微博的发展现状及文本特点进行分析;其次提出全新的情感倾向词典构建方案,在改进现有词典的同时加入三个全新类型的词典,并以此作为词法分析的基础;随后建立可解析词与词、子句与子句之间的逻辑关系的语法库,从而实现对微博文本的语法分析;最后,应用本文提出的改进算法,设计、实现算法验证程序并进行测试。结果表明,改进算法在处理微博文本数据时正确率为80.74%,较原算法提高了22.72%。

摘要：近年来随着Web3. 0的到来,移动互联网技术得到不断普及,世界已经进入了以数据为中心的时代——大数据智能时代。从大数据量、结构复杂且增长迅速的数据中寻找到有价值的信息和知识并加工成情报,对于决策和风险预警等有重大意义。传统的情报分析方法主要是以人工分析为主,存在着许多不足,分析结果比较片面,难以形象地反映其中的规律性。本系统针对传统情报不能全面把握情报内容的问题,结合自然语言处理的文本相似度分析、情感倾向分析,使用分布式数据库技术作为数据存储的支撑,利用相似度分析、情感倾向分析的技术对情报素材的内容进行全面分析。