基于文本挖掘的苏州交通舆情分析

发布时间：2021-05-16 14:11

　　交通舆情是指在一定的社会空间内,作为主体的民众针对交通环境、出行或根据某交通事件的发生、发展和变化,发表自己的看法和态度,是关于各种交通现象、问题所表达的信念、态度、意见和情绪的总和,也是民意在交通领域的反映。随着多媒体技术的发展,越来越多的人参与交通舆情的发布。综合分析交通舆情中所蕴含的各种信息,对宏观掌控城市交通问题的发展变化、制定全面的城市交通解决方案具有重大意义。相较于交通出行产生的流量、速度等传统的结构化数据,交通舆情主要是以文本、图像或音视频等形式出现的非结构化数据,具有格式多样化等特点,需要借助智能分类、知识挖掘等技术手段才有可能充分理解其价值。目前,国内外针对交通舆情的分析较少,分析方法体系尚未确立。本文旨在探索如何构建交通舆情分析方法体系。基于网络论坛、热线电话及交通广播听众路况播报的舆情文本数据,尝试多种文本挖掘方法分析、研究交通舆情:文本数据经预处理后,利用SVM模型进行交通舆情主题自动分类;通过对应分析探究不同数据源的舆情特点及其差异;基于Apriori算法使用关联规则分析舆情各关键词中隐含的交通现象;共现网络分析则用来深入理解多个关键词所反映的交通问题及其随时... 

【文章来源】：苏州大学江苏省

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
中文摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 文本挖掘技术研究现状
        1.2.2 舆情研究现状
        1.2.3 交通舆情研究现状
        1.2.4 国内外研究现状总结
    1.3 研究目的及意义
    1.4 研究内容与技术路线
        1.4.1 研究内容
        1.4.2 技术路线
第二章 文本挖掘模型
    2.1 SVM分类模型
        2.1.1 SVM基本理论
        2.1.2 关键参数设置
    2.2 关联规则模型
        2.2.1 布尔关联规则的基本模型
        2.2.2 Apriori算法
    2.3 对应分析
        2.3.1 相关概念
        2.3.2 对应分析基本理论
    2.4 共现网络分析方法
    2.5 本章小结
第三章 舆情数据来源及初步分析
    3.1 交通舆情数据来源
    3.2 数据预处理
    3.3 词频分析
        3.3.1 姑苏区投诉词频
        3.3.2 高新区投诉词频
        3.3.3 微信路况舆情词频
    3.4 发布舆情的用户特性分析
        3.4.1 姑苏区用户投诉特性
        3.4.2 高新区用户投诉特性
        3.4.3 微信用户分享路况特性
    3.5 本章小结
第四章 基于SVM的交通舆情分析
    4.1 投诉舆情分类及对应分析
        4.1.1 SVM分类器构建
        4.1.2 分类预测
        4.1.3 不同性质投诉舆情对应分析
    4.2 路况舆情分类及早、晚高峰拥堵分析
        4.2.1 路况信息分类
        4.2.2 基于共现网络的早、晚高峰拥堵分析
    4.3 不同来源舆情差异分析
    4.4 本章小结
第五章 基于APRIORI算法的投诉舆情关联规则挖掘
    5.1 姑苏区投诉舆情分析
        5.1.1 人民路关联规则
        5.1.2 人民路不同施工阶段舆情共现网络分析
        5.1.3 其他热点道路、地物关联性分析
    5.2 高新区投诉舆情关联分析
        5.2.1 热点道路投诉关联性
        5.2.2 热点地物关联性分析
    5.3 本章小结
第六章 结论与展望
    6.1 结论
    6.2 创新点总结
    6.3 展望
参考文献
攻读硕士期间发表的论文
附录
致谢



本文编号：3189835