以“无人超市”为微博热点的网络舆情分析研究
发布时间：2022-01-11 13:06
人工智能的快速发展,使“无人超市”的推广得以实现。单纯的电商或者实体服务已不能满足消费者的购物体验,“无人超市”融合线上下线形成新零售购物模式:一方面使消费者省略排队结账时间,享有更便捷的购物体验,同时也减少了运营者的人工成本;另一方面,商家结合相关销售数据,制定个性化的销售方案,为消费者提供更智能的服务体验。本文利用爬虫技术采集新浪微博中有关“无人超市”的文本数据,通过网络舆情分析监管舆情发展。其中,通过情感分析有效把握主观性文本的情感倾向性,在此基础上结合聚类分析帮助企业进一步挖掘网民的观点与态度,从而为“无人超市”的运营乃至新零售模式的运营提供决策支持。情感分析一般可以分为基于情感词典与基于机器学习的两种方式,这两种方式各有利弊:基于情感词典方法虽然操作简单,但对于情感词典要求高、无法识别未登录词;基于机器学习方法虽然解决了新兴词汇的问题,但存在孤立分析特征项、忽略上下文之间联系的问题。为了解决以上问题,本文进行以下研究:（1）依据boosting算法思想,在基于词典匹配算法与基于机器学习算法的基础上进行加权求和,提出新的综合分类方法,使得其评价指标准确率（0.801）、召回率（...
【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】：63 页
【学位级别】：硕士
【部分图文】：
网络舆情相关外文文献年份数量关系图
嘉学者对于我国网络舆情文献研究指明最早于２００３年发表“网络舆情”相关文献，??但是只进行了相关论述并未没有明确提出“网络舆情”一词。“网络舆情”于２００５??年才首次正式提出［３叱具体出版数如图２所示。??年份数量关系??１４０?１２５?１２〇??１２０?／＼．１０９??８０??６〇??４０?厂??２〇?ｙ??１?２??０?——???２０）６?２００７?２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??图２－２网络舆情相关中文文献年份数量关系图??根据图２－１、图２－２所示，可以了解有关网络舆情研宄的文献年份数量关系。??虽然我国对于网络舆情研究的时间并不长，但其整体上呈现出发展迅速的趋势。而??且自２００９年开始，其发文量进入了一个迅猛的增长期，表明在世界范围内的学者??对于“网络舆情”的关注和重视。虽然近年来发展变缓，但基数能保持较大，说明??该领域研宄的关注点已基本稳定，因此需对己有的分析研宄进行总结，从而以挖??掘新的研究热点，为后续研宄做准备。??２．２网络舆情演变机制??网络舆情的演变包括四个阶段，分别是形成、扩散、爆发和终结阶段，每一个??阶段过程中都有一个起主导作用的机制。即在网络舆情形成阶段主要是启动机制起??作用
形成阶段?—？?扩散阶段?＿＞?爆发阶段?＿？?终结阶段??图２－３网络舆情演变机制的内容??因此，根据图２－３中各个机制的联系，可知舆情演变的复杂性，只有更好的分??析网络舆情的演进规律，才能帮助我们监控舆情。接下来本文将舆情演进过程划分??为发生期、扩散期、平稳期三个部分，其中扩散期又可以细分为扩散前期和扩散后??期，具体如图２－＃２］。通过分析网络舆情演进阶段特征，我们可以更清晰的了解如??何监控舆情动态发展。??Ｉ?：?ｎ?ｉ?ｉｎ?ｉ?ｉｖ??矢卩………一１??情?：?丨??人?丨丨Ｚ??ｊ???１?１?ｊ?？??〇?ｔｉ?＼?ｔ〇?！?ｔ２?ｔ??发生期?扩散期?平稳期??图２－４舆情发展的四个时段??（１）网络舆情发生期，是争取舆情的主动权的最佳时期。在发生性质恶劣的??１０??
【参考文献】：
期刊论文
[1]新零售时代实体商超运营模式研究[J]. 刘茹,王安妮,申旭慧,刘翠翠,念延辉. 中国商论. 2018(05)
[2]“新零售”背景下我国传统零售企业转型升级研究[J]. 杨坚争,齐鹏程,王婷婷. 当代经济管理. 2018(09)
[3]基于Python的Web信息获取方法研究[J]. 魏冬梅,何忠秀,唐建梅. 软件导刊. 2018(01)
[4]“互联网+”背景下开源软件在科技情报研究中的应用——信息采集、存储和预处理[J]. 方延风. 科技和产业. 2017(08)
[5]新零售先驱:进击的亚马逊[J]. 刘柳. 互联网经济. 2017(07)
[6]新零售时代运营商实体营业厅智慧运营模式探索[J]. 黄瑛,王建坤. 通信企业管理. 2017(06)
[7]网络舆情分析及治理的研究进展[J]. 高俊峰,宋绍成. 情报理论与实践. 2017(06)
[8]大数据环境下基于python的网络爬虫技术[J]. 谢克武. 电子制作. 2017(09)
[9]情感倾向性分析及应用研究综述[J]. 李建华,刘功申,林祥. 信息安全学报. 2017(02)
[10]“拿上就走”技术的原理分析和应用前景展望[J]. 张宝玉. 计算机时代. 2017(04)
博士论文
[1]基于复杂网络的网络舆情动态演进影响机制研究[D]. 董靖巍.哈尔滨工业大学 2016
[2]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
硕士论文
[1]面向网上商城购物评论的情感倾向分析研究[D]. 吴潇.南京邮电大学 2017
[2]基于文本倾向性的网络舆情分析[D]. 钟仕威.暨南大学 2017
[3]基于社交网络的舆情关键技术研究[D]. 柳淑婷.吉林大学 2017
[4]基于神经网络的词法分析研究[D]. 郁振庭.南京大学 2017
[5]基于微博平台的中文情感分析技术的研究[D]. 葛达明.沈阳工业大学 2017
[6]基于深度特征提取的文本情感极性分类研究[D]. 田竹.山东大学 2017
[7]微博评论信息的聚类分析[D]. 范佳健.安徽大学 2017
[8]基于深度神经网络的微博短文本情感分析研究[D]. 张英.中原工学院 2017
[9]基于社会网络分析的网络舆情潜在主题发现研究[D]. 龚思兰.南京理工大学 2017
[10]酒店评论的情感分析[D]. 刘丹.云南财经大学 2017
本文编号：3582833
【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】：63 页
【学位级别】：硕士
【部分图文】：
网络舆情相关外文文献年份数量关系图
嘉学者对于我国网络舆情文献研究指明最早于２００３年发表“网络舆情”相关文献，??但是只进行了相关论述并未没有明确提出“网络舆情”一词。“网络舆情”于２００５??年才首次正式提出［３叱具体出版数如图２所示。??年份数量关系??１４０?１２５?１２〇??１２０?／＼．１０９??８０??６〇??４０?厂??２〇?ｙ??１?２??０?——???２０）６?２００７?２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??图２－２网络舆情相关中文文献年份数量关系图??根据图２－１、图２－２所示，可以了解有关网络舆情研宄的文献年份数量关系。??虽然我国对于网络舆情研究的时间并不长，但其整体上呈现出发展迅速的趋势。而??且自２００９年开始，其发文量进入了一个迅猛的增长期，表明在世界范围内的学者??对于“网络舆情”的关注和重视。虽然近年来发展变缓，但基数能保持较大，说明??该领域研宄的关注点已基本稳定，因此需对己有的分析研宄进行总结，从而以挖??掘新的研究热点，为后续研宄做准备。??２．２网络舆情演变机制??网络舆情的演变包括四个阶段，分别是形成、扩散、爆发和终结阶段，每一个??阶段过程中都有一个起主导作用的机制。即在网络舆情形成阶段主要是启动机制起??作用
形成阶段?—？?扩散阶段?＿＞?爆发阶段?＿？?终结阶段??图２－３网络舆情演变机制的内容??因此，根据图２－３中各个机制的联系，可知舆情演变的复杂性，只有更好的分??析网络舆情的演进规律，才能帮助我们监控舆情。接下来本文将舆情演进过程划分??为发生期、扩散期、平稳期三个部分，其中扩散期又可以细分为扩散前期和扩散后??期，具体如图２－＃２］。通过分析网络舆情演进阶段特征，我们可以更清晰的了解如??何监控舆情动态发展。??Ｉ?：?ｎ?ｉ?ｉｎ?ｉ?ｉｖ??矢卩………一１??情?：?丨??人?丨丨Ｚ??ｊ???１?１?ｊ?？??〇?ｔｉ?＼?ｔ〇?！?ｔ２?ｔ??发生期?扩散期?平稳期??图２－４舆情发展的四个时段??（１）网络舆情发生期，是争取舆情的主动权的最佳时期。在发生性质恶劣的??１０??
【参考文献】：
期刊论文
[1]新零售时代实体商超运营模式研究[J]. 刘茹,王安妮,申旭慧,刘翠翠,念延辉. 中国商论. 2018(05)
[2]“新零售”背景下我国传统零售企业转型升级研究[J]. 杨坚争,齐鹏程,王婷婷. 当代经济管理. 2018(09)
[3]基于Python的Web信息获取方法研究[J]. 魏冬梅,何忠秀,唐建梅. 软件导刊. 2018(01)
[4]“互联网+”背景下开源软件在科技情报研究中的应用——信息采集、存储和预处理[J]. 方延风. 科技和产业. 2017(08)
[5]新零售先驱:进击的亚马逊[J]. 刘柳. 互联网经济. 2017(07)
[6]新零售时代运营商实体营业厅智慧运营模式探索[J]. 黄瑛,王建坤. 通信企业管理. 2017(06)
[7]网络舆情分析及治理的研究进展[J]. 高俊峰,宋绍成. 情报理论与实践. 2017(06)
[8]大数据环境下基于python的网络爬虫技术[J]. 谢克武. 电子制作. 2017(09)
[9]情感倾向性分析及应用研究综述[J]. 李建华,刘功申,林祥. 信息安全学报. 2017(02)
[10]“拿上就走”技术的原理分析和应用前景展望[J]. 张宝玉. 计算机时代. 2017(04)
博士论文
[1]基于复杂网络的网络舆情动态演进影响机制研究[D]. 董靖巍.哈尔滨工业大学 2016
[2]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
硕士论文
[1]面向网上商城购物评论的情感倾向分析研究[D]. 吴潇.南京邮电大学 2017
[2]基于文本倾向性的网络舆情分析[D]. 钟仕威.暨南大学 2017
[3]基于社交网络的舆情关键技术研究[D]. 柳淑婷.吉林大学 2017
[4]基于神经网络的词法分析研究[D]. 郁振庭.南京大学 2017
[5]基于微博平台的中文情感分析技术的研究[D]. 葛达明.沈阳工业大学 2017
[6]基于深度特征提取的文本情感极性分类研究[D]. 田竹.山东大学 2017
[7]微博评论信息的聚类分析[D]. 范佳健.安徽大学 2017
[8]基于深度神经网络的微博短文本情感分析研究[D]. 张英.中原工学院 2017
[9]基于社会网络分析的网络舆情潜在主题发现研究[D]. 龚思兰.南京理工大学 2017
[10]酒店评论的情感分析[D]. 刘丹.云南财经大学 2017
本文编号：3582833
本文链接：https://www.wllwen.com/xinwenchuanbolunwen/3582833.html
