針對中文微博數(shù)據(jù)非結(jié)構(gòu)化特點(diǎn),文章從相關(guān)維、狀態(tài)維、主題維、情緒維四個(gè)維度提出了一套標(biāo)準(zhǔn)的微博情緒挖掘方法,通過情緒詞典生成、傾向性分析、發(fā)布者影響力測度、情緒指標(biāo)構(gòu)建等關(guān)鍵環(huán)節(jié),能夠有效地從海量微博數(shù)據(jù)中提煉用戶的觀點(diǎn)傾向性,形成量化的情緒指標(biāo)。應(yīng)用該方法體系對旅游市場進(jìn)行實(shí)證分析,發(fā)現(xiàn)帶有正向情緒的微博通過口碑效應(yīng)對于下一期旅游客流量存在顯著的積極影響,在傳統(tǒng)時(shí)間序列模型中引入正向微博情緒指標(biāo)能夠顯著提高預(yù)測精度;通過對負(fù)面微博數(shù)據(jù)進(jìn)行分主題挖掘,能夠分析不同主題下游客抱怨的原因,形成數(shù)據(jù)驅(qū)動的游園改進(jìn)策略,提高旅游管理的精準(zhǔn)性和效率。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 文獻(xiàn)綜述
3 微博數(shù)據(jù)與游覽行為的關(guān)聯(lián)分析
    3.1 互聯(lián)網(wǎng)行為與旅游決策的關(guān)聯(lián)模型
    3.2 數(shù)據(jù)來源
4 微博情緒挖掘方法
    4.1 微博數(shù)據(jù)編碼
    4.2 旅游情感詞典生成
    4.3 旅游微博文本傾向性分析
    4.4 旅游微博發(fā)布者的影響力測度算法
    4.5 旅游微博情緒指標(biāo)構(gòu)建
5 基于微博情緒指標(biāo)的客流分析與預(yù)測
    5.1 微博情緒與客流量的因果關(guān)系檢驗(yàn)
    5.2 正面微博情緒對客流量預(yù)測的改進(jìn)作用
    5.3 分主題的微博情緒挖掘
    5.4 分主題下的游客抱怨原因分析
6 結(jié)論與展望


【參考文獻(xiàn)】：
期刊論文
[1]基于SVM的中文微博情緒分析研究[J]. 丁晟春,王穎,李霄.  情報(bào)資料工作. 2016(03)
[2]服務(wù)消費(fèi)中多次情緒感染對消費(fèi)者負(fù)面情緒的動態(tài)影響機(jī)制[J]. 杜建剛,范秀成.  心理學(xué)報(bào). 2009(04)
[3]口碑傳播對消費(fèi)者態(tài)度的影響:一個(gè)理論模型[J]. 郭國慶,楊學(xué)成,張楊.  管理評論. 2007(03)
[4]互聯(lián)網(wǎng)搜索數(shù)據(jù)預(yù)處理方法及其在股市分析中的應(yīng)用[J]. 劉穎,呂本富,彭賡.  情報(bào)學(xué)報(bào). 2011 (10)



本文編號：3681877