基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
[目的/意义]旨在探索从非结构化用户生成内容中提取及可视化用户情绪的方法,从感知层面深入分析用户生成的内容,对其应用前景进行探讨与展望。[方法/过程]以豆瓣网站书籍评论为分析对象,借助中文领域的情绪词典与LDA隐主题建模方法实现细粒度情感要素提炼,并采用可视化技术对评论内容中反映的情绪要素进行分析。[结果/结论 ]研究发现,主题分析法和词典法均能有效提炼评论内容中的用户情感要素,但存有差异,情感主题建模能够提供更细腻的用户情绪以及感知信息。通过应用场景的微调,本研究所涉及方法可应用于体验型产品推荐等多种形式的评论感知效用挖掘任务。
推荐文章
用于网络评论分析的主题-对立情感挖掘模型
主题模型
LDA
情感
评论挖掘
主题-对立情感挖掘模型(TOSM)
基于文本挖掘的求职软件顾客评论情感分析
求职软件
文本挖掘
网络语义分析
情感分析
基于在线评论的网络视频情感分类平台设计与实现
在线评论
网络视频
情感分类
平台设计
情感极性
情感相似性
挖掘中文网络客户评论的产品特征及情感倾向
用户评论
产品特征
数据挖掘
情感分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于情感模型的评论情绪挖掘与分析——以豆瓣书评为例
来源期刊 知识管理论坛 学科 工学
关键词 用户生成内容 情绪感知 评论挖掘 信息可视化
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 313-324
页数 12页 分类号 TP391.1
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 聂卉 中山大学资讯管理学院 30 273 8.0 16.0
2 刘梦圆 中山大学资讯管理学院 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
用户生成内容
情绪感知
评论挖掘
信息可视化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
知识管理论坛
双月刊
2095-5472
11-6036/C
16开
北京中关村北四环西路33号中科院文献情报
2010
chi
出版文献量(篇)
761
总下载数(次)
3
总被引数(次)
1901
论文1v1指导