微博非结构化数据的情绪挖掘方法及在旅游预测中的应用

发布时间：2022-09-28 15:01

　　针对中文微博数据非结构化特点,文章从相关维、状态维、主题维、情绪维四个维度提出了一套标准的微博情绪挖掘方法,通过情绪词典生成、倾向性分析、发布者影响力测度、情绪指标构建等关键环节,能够有效地从海量微博数据中提炼用户的观点倾向性,形成量化的情绪指标。应用该方法体系对旅游市场进行实证分析,发现带有正向情绪的微博通过口碑效应对于下一期旅游客流量存在显著的积极影响,在传统时间序列模型中引入正向微博情绪指标能够显著提高预测精度;通过对负面微博数据进行分主题挖掘,能够分析不同主题下游客抱怨的原因,形成数据驱动的游园改进策略,提高旅游管理的精准性和效率。 

【文章页数】：9 页

【文章目录】：
1 引言
2 文献综述
3 微博数据与游览行为的关联分析
    3.1 互联网行为与旅游决策的关联模型
    3.2 数据来源
4 微博情绪挖掘方法
    4.1 微博数据编码
    4.2 旅游情感词典生成
    4.3 旅游微博文本倾向性分析
    4.4 旅游微博发布者的影响力测度算法
    4.5 旅游微博情绪指标构建
5 基于微博情绪指标的客流分析与预测
    5.1 微博情绪与客流量的因果关系检验
    5.2 正面微博情绪对客流量预测的改进作用
    5.3 分主题的微博情绪挖掘
    5.4 分主题下的游客抱怨原因分析
6 结论与展望


【参考文献】：
期刊论文
[1]基于SVM的中文微博情绪分析研究[J]. 丁晟春,王颖,李霄.  情报资料工作. 2016(03)
[2]服务消费中多次情绪感染对消费者负面情绪的动态影响机制[J]. 杜建刚,范秀成.  心理学报. 2009(04)
[3]口碑传播对消费者态度的影响:一个理论模型[J]. 郭国庆,杨学成,张杨.  管理评论. 2007(03)
[4]互联网搜索数据预处理方法及其在股市分析中的应用[J]. 刘颖,吕本富,彭赓.  情报学报. 2011 (10)



本文编号：3681877