隨著互聯(lián)網(wǎng)的普及和發(fā)展,越來越多的網(wǎng)絡(luò)應(yīng)用也在快速發(fā)展,與此同時(shí)人們的生活水平不斷提高,單純的物質(zhì)產(chǎn)品已經(jīng)很難讓消費(fèi)者滿意,因此情感營(yíng)銷應(yīng)運(yùn)而生。音樂作為一種最具表現(xiàn)力的情感載體,在當(dāng)下環(huán)境中更是快速發(fā)展了網(wǎng)絡(luò)音樂的商業(yè)模式,各類新曲也層出不窮,而大眾對(duì)歌曲的評(píng)價(jià)直接影響到個(gè)人以及平臺(tái)對(duì)歌曲的選擇。為了對(duì)一首歌曲進(jìn)行合理的社會(huì)評(píng)價(jià),本文針對(duì)音樂評(píng)論的文本數(shù)據(jù)展開一系列研究。主題挖掘是利用語料庫中文本特征之間的關(guān)聯(lián)發(fā)現(xiàn)研究主題的過程,可以從文本中發(fā)現(xiàn)隱藏在詞匯下的潛在語義信息。因此本文在對(duì)網(wǎng)易云音樂評(píng)論數(shù)據(jù)進(jìn)行爬取和預(yù)處理后,基于LDA模型進(jìn)行評(píng)論文本的主題挖掘和分析。與傳統(tǒng)的主題分析不同,本文在主題挖掘的基礎(chǔ)上建立主題社交網(wǎng)絡(luò),以此分析各主題間的衍生關(guān)系;另一方面又通過主題文本聚類,作出各類的主題詞云圖,進(jìn)一步優(yōu)化主題模型的結(jié)果,使得結(jié)論更具有說服性。通過主題挖掘分析得出大眾對(duì)音樂的評(píng)價(jià),使得評(píng)價(jià)內(nèi)容更接近社會(huì)整體風(fēng)向,從而避免了個(gè)人評(píng)價(jià)對(duì)音樂風(fēng)評(píng)的影響。另一方面,文本主題挖掘的結(jié)果也可用于音樂的推薦語或推薦標(biāo)簽,使得音樂推廣更加高效。將此研究過程應(yīng)用到以《Town of Windmi... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及組織結(jié)構(gòu)
2 文本挖掘技術(shù)概述
    2.1 文本預(yù)處理
        2.1.1 數(shù)據(jù)清洗
        2.1.2 文本分詞
        2.1.3 去停用詞
    2.2 文本表示模型
        2.2.1 向量空間模型
        2.2.2 特征工程
        2.2.3 分布式表示
    2.3 主題挖掘理論方法
        2.3.1 模型假設(shè)
        2.3.2 模型參數(shù)估計(jì)
3 關(guān)于純音樂的評(píng)論文本實(shí)證研究與分析
    3.1 數(shù)據(jù)獲取與預(yù)處理
        3.1.1 數(shù)據(jù)獲取
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 主題挖掘
        3.2.1 主題數(shù)估計(jì)
        3.2.2 LDA主題模型
    3.3 主題社交網(wǎng)絡(luò)
    3.4 主題聚類
        3.4.1 聚類數(shù)估計(jì)
        3.4.2 文本相似性度量
        3.4.3 文本聚類算法
        3.4.4 主題聚類結(jié)果
4 關(guān)于流行歌曲的評(píng)論文本實(shí)證研究與分析
    4.1 數(shù)據(jù)獲取與預(yù)處理
        4.1.1 數(shù)據(jù)獲取
        4.1.2 數(shù)據(jù)預(yù)處理
    4.2 主題挖掘
        4.2.1 主題數(shù)估計(jì)
        4.2.2 LDA主題模型
    4.3 主題社交網(wǎng)絡(luò)
    4.4 主題聚類
5 結(jié)論與展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)易云音樂的情感營(yíng)銷策略研究[J]. 牟夢(mèng)莎,喬麗娟.  農(nóng)村經(jīng)濟(jì)與科技. 2019(22)
[2]音樂在幼兒情感培養(yǎng)中的應(yīng)用研究[J]. 肖年燕,辛均庚.  新課程研究. 2019(29)
[3]“一帶一路”倡議下的Twitter文本主題挖掘和情感分析[J]. 趙常煜,吳亞平,王繼民.  圖書情報(bào)工作. 2019 (19)
[4]中文文本挖掘的流程與工具分析[J]. 李果.  科技創(chuàng)新導(dǎo)報(bào). 2019(19)
[5]中國(guó)產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展現(xiàn)狀分析[J].   軟件和集成電路. 2019(06)
[6]基于SNM算法的大數(shù)據(jù)量中文商品清洗方法[J]. 張苗苗,蘇勇.  計(jì)算機(jī)與數(shù)字工程. 2019(03)
[7]中文文本聚類常用停用詞表對(duì)比研究[J]. 官琴,鄧三鴻,王昊.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(03)
[8]中文數(shù)據(jù)清洗研究綜述[J]. 葉鷗,張璟,李軍懷.  計(jì)算機(jī)工程與應(yīng)用. 2012(14)
[9]一種基于Token匹配的中文數(shù)據(jù)清洗方法[J]. 劉嘉,張璟,李軍懷.  計(jì)算機(jī)應(yīng)用與軟件. 2009(11)
[10]數(shù)據(jù)清洗研究綜述[J]. 王曰芬,章成志,張蓓蓓,吳婷婷.  現(xiàn)代圖書情報(bào)技術(shù). 2007(12)

碩士論文
[1]基于Word Embedding的短文本聚類算法研究及應(yīng)用[D]. 崔壯壯.哈爾濱工業(yè)大學(xué) 2019



本文編號(hào)：3451133