基于社交媒体的房地产市场舆情研究

发布时间：2024-10-02 23:23

　　近年来受到政策调控影响以及购房群体年轻化,房地产市场舆情特征在不断发生变化。社交媒体作为互联网飞速发展的产物,为公众提供了信息交流的便捷平台,已经发展为当今时代舆情传播的重要途径之一。社交媒体为舆情分析提供了新的数据源,然而由于社交媒体数据体量庞大,传统分析方法无法满足社交媒体环境下舆情分析和监测的需求。文本挖掘技术发展迅速,能够实现大规模文本信息的自动处理与分析,弥补了传统分析方法的不足,在舆情分析上发挥了重要作用。社交媒体环境下舆情研究主要集中在热点主题识别、传播特征分析以及舆情情感倾向研究等方面。本文将视角聚焦在房地产市场,将社交媒体环境下舆情分析方法与房地产市场相结合,构建房地产市场舆情分析框架并进行实证分析,对政府、房地产企业、购房者等不同社会主体都具有一定的实践意义。首先,利用概率主题模型挖掘房地产行业焦点主题,刻画公众对房地产话题的关注特征;然后,利用社会网络分析(SNA)方法研究房地产市场舆情传播网络的空间分布特征,厘清舆情传播路径;最后,利用基于深度学习的情感分析技术探究房地产市场舆情的情感倾向,并构建房地产市场舆情指数对房地产市场进行监测和预警。结果表明:(1)双词对...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图１．１技术路线图??

?１绪论???情感分析技术识别房地产市场舆情的情感倾向，进而构建房地产市场舆情指数，??将房地产市场舆情指数纳入房价波动模型中，分析房地产市场舆情对房价波动??的影响。??第六章为结论与展望，根据上述分析结果得出相应结论，提出相应的政策建??议，并根据论文的局限性提出展望。??１....

图２．１?ＬＤＡ主体模型的贝叶斯网络Ｍ??

义信息，近年来在舆情主题挖掘领??域得到了广泛的应用。概率主题模型不仅是舆情主题分析的一种有效方法，也是??学者们倾向采用的热点技术。概率主题模型可以理解为文档的一种生成模型，其??基本原理认为文档是若干主题的混合概率分布，而每个主题又是一个关于单词??的混合概率分布。常见的概率....

图２．２?ＢＴＭ主题模型的贝叶斯网络［８６］??．、

词、去停用词等预处理后，任意共现在同一文本中的??２个单词。使用词对进行建模要比一个词建模更能有效的挖掘文章的隐藏主题。??因此，ＢＴＭ模型在ＬＤＡ模型的基础上，去除了文本层，然后在主题层和单词??层之间添加了词对层。当文本过短的时候，例如一句话只有１０个词语，那么ＬＤＡ??ｍｏ....

图３．１?２０２０年微博数量统计图（月度）??

?３基于ＢＴＭ的房地产市场舆情主题识别模型构建及应用???终确定房地产市场舆情语料库的主题概率分布０和主题－词分布卩，再根据文档??的主题概率分布获得文档－主题分布矩阵、主题－词分布矩阵以及主题的??概率分布，完成对房地产市场舆情的主题建模，识别出房地产市场舆情的热点话??题。?....

本文编号：4006480