基于主题挖掘的音乐评论分析

发布时间：2021-10-22 12:51

　　随着互联网的普及和发展,越来越多的网络应用也在快速发展,与此同时人们的生活水平不断提高,单纯的物质产品已经很难让消费者满意,因此情感营销应运而生。音乐作为一种最具表现力的情感载体,在当下环境中更是快速发展了网络音乐的商业模式,各类新曲也层出不穷,而大众对歌曲的评价直接影响到个人以及平台对歌曲的选择。为了对一首歌曲进行合理的社会评价,本文针对音乐评论的文本数据展开一系列研究。主题挖掘是利用语料库中文本特征之间的关联发现研究主题的过程,可以从文本中发现隐藏在词汇下的潜在语义信息。因此本文在对网易云音乐评论数据进行爬取和预处理后,基于LDA模型进行评论文本的主题挖掘和分析。与传统的主题分析不同,本文在主题挖掘的基础上建立主题社交网络,以此分析各主题间的衍生关系;另一方面又通过主题文本聚类,作出各类的主题词云图,进一步优化主题模型的结果,使得结论更具有说服性。通过主题挖掘分析得出大众对音乐的评价,使得评价内容更接近社会整体风向,从而避免了个人评价对音乐风评的影响。另一方面,文本主题挖掘的结果也可用于音乐的推荐语或推荐标签,使得音乐推广更加高效。将此研究过程应用到以《Town of Windmi... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 研究内容及组织结构
2 文本挖掘技术概述
    2.1 文本预处理
        2.1.1 数据清洗
        2.1.2 文本分词
        2.1.3 去停用词
    2.2 文本表示模型
        2.2.1 向量空间模型
        2.2.2 特征工程
        2.2.3 分布式表示
    2.3 主题挖掘理论方法
        2.3.1 模型假设
        2.3.2 模型参数估计
3 关于纯音乐的评论文本实证研究与分析
    3.1 数据获取与预处理
        3.1.1 数据获取
        3.1.2 数据预处理
    3.2 主题挖掘
        3.2.1 主题数估计
        3.2.2 LDA主题模型
    3.3 主题社交网络
    3.4 主题聚类
        3.4.1 聚类数估计
        3.4.2 文本相似性度量
        3.4.3 文本聚类算法
        3.4.4 主题聚类结果
4 关于流行歌曲的评论文本实证研究与分析
    4.1 数据获取与预处理
        4.1.1 数据获取
        4.1.2 数据预处理
    4.2 主题挖掘
        4.2.1 主题数估计
        4.2.2 LDA主题模型
    4.3 主题社交网络
    4.4 主题聚类
5 结论与展望
参考文献
附录
致谢


【参考文献】：
期刊论文
[1]网易云音乐的情感营销策略研究[J]. 牟梦莎,乔丽娟.  农村经济与科技. 2019(22)
[2]音乐在幼儿情感培养中的应用研究[J]. 肖年燕,辛均庚.  新课程研究. 2019(29)
[3]“一带一路”倡议下的Twitter文本主题挖掘和情感分析[J]. 赵常煜,吴亚平,王继民.  图书情报工作. 2019 (19)
[4]中文文本挖掘的流程与工具分析[J]. 李果.  科技创新导报. 2019(19)
[5]中国产业互联网发展现状分析[J].   软件和集成电路. 2019(06)
[6]基于SNM算法的大数据量中文商品清洗方法[J]. 张苗苗,苏勇.  计算机与数字工程. 2019(03)
[7]中文文本聚类常用停用词表对比研究[J]. 官琴,邓三鸿,王昊.  数据分析与知识发现. 2017(03)
[8]中文数据清洗研究综述[J]. 叶鸥,张璟,李军怀.  计算机工程与应用. 2012(14)
[9]一种基于Token匹配的中文数据清洗方法[J]. 刘嘉,张璟,李军怀.  计算机应用与软件. 2009(11)
[10]数据清洗研究综述[J]. 王曰芬,章成志,张蓓蓓,吴婷婷.  现代图书情报技术. 2007(12)

硕士论文
[1]基于Word Embedding的短文本聚类算法研究及应用[D]. 崔壮壮.哈尔滨工业大学 2019



本文编号：3451133