情感倾向驱动的旅游酒店大数据网络舆情

发布时间：2021-09-23 12:06

　　从网络舆情中获取评价以支持决策是旅游管理部门和企业关注的重要问题.为此,本文提出情感倾向计算的新方法以便于网络舆情的理解与分析.首先构建反映酒店评论语义特征的情感词库,然后从句法特征的角度对情感词进行扩充,最后采用深度学习得到情感倾向的分类结果.通过湘潭市旅游酒店评论的舆情分析实验,发现该方法能够得到更为真实的消费者对旅游酒店的情感倾向.从3个竞争酒店评论的舆情分析应用实例上可以得出:情感倾向能够挖掘出酒店的各自特色与管理上的短板,从而进行决策支持. 

【文章来源】：湖南科技大学学报(自然科学版). 2020,35(04)北大核心

【文章页数】：7 页

【部分图文】：

酒店评论深度学习网络结构

竞争酒店2018年1月～8月酒店评论情感好感度变化趋势如图3所示．从图3可以看出:湖南华宇国际大酒店从2018年1月开始消费者的好感度就逐步下降，而湘潭华天大酒店在1月～4月波动后就逐步稳定下来，湘潭盘龙山庄大酒店则呈逐步上升趋势．图3 竞争酒店2018年1月～8月酒店评论情感好感度变化趋势

竞争酒店2018年1月～8月酒店评论情感好感度变化趋势

【参考文献】：
期刊论文
[1]基于依存句法的跨语言细粒度情感分析[J]. 唐晓波,刘一平.  情报理论与实践. 2018(06)
[2]融合社交情感分析的股市预测探究[J]. 刘斌.  计算机系统应用. 2018(02)
[3]基于情感分析的社会网络用户影响力模型研究[J]. 郭宇,王晰巍,李师萌,王楠阿雪.  情报学报. 2017(11)
[4]基于多维扩展特征与深度学习的微博短文本情感分析[J]. 孙晓,彭晓琪,胡敏,任福继.  电子与信息学报. 2017(09)
[5]一种基于LDA主题模型的评论文本情感分类方法[J]. 王伟,周咏梅,阳爱民,周剑峰,林江豪.  数据采集与处理. 2017(03)
[6]面向微博话题的增强型舆情分析方法[J]. 王振飞,刘凯莉,郑志蕴,宋玉.  小型微型计算机系统. 2017(04)
[7]机器学习与语义规则融合的微博情感分类方法[J]. 姜杰,夏睿.  北京大学学报(自然科学版). 2017(02)
[8]社交网络用户线上线下情感传播差异及影响因素分析——以“成都女司机被打”事件为例[J]. 李勇,蔡梦思,邹凯,李黎.  情报杂志. 2016(06)
[9]基于模糊情感计算的商品在线评论用户品牌转换意向研究[J]. 张艳丰,李贺,彭丽徽.  现代图书情报技术. 2016(05)
[10]用于涉军网络舆情情感分析的情感词典构建[J]. 刘鑫磊,张备,沈建京,刘静.  信息系统工程. 2016(03)



本文编号：3405675