基于文本挖掘的图书馆舆情情感分析

doi:10.15966/j.cnki.dnydx.2024.03.020

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要随着移动互联网在高校图书馆年轻读者的影响越来越大，新生代读者使用QQ即时通信软件的比例越来越大，对于图书馆QQ群文本信息进行文本挖掘从而了解图书馆的舆情，可以用于图书馆舆情预警，为图书馆决策层提供更强的舆情应对能力。采用网络爬虫技术爬取2022年9月至2022年12月份时间段内的QQ群中聊天记录作为图书馆舆情数据，接着对原始的舆情数据进行数据去重、清洗等数据预处理操作，然后运用清华大学Thulac分词技术提取舆情数据的关键字、计算其权重，并使用WordCloud库进行可视化展示，接下来采用spaCy库给舆情数据计算出具体的情感倾向及分值，最后通过实验来分析图书馆舆情的情感倾向。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词 ：文本挖掘, 图书馆, 舆情, 情感分析, Thulac, WordCloud, spaCy

Abstract：With the increasing influence of mobile Internet on young readers in university libraries, the proportion of new generation readers using QQ instant messaging software is increasing, text mining of library QQ group text information can be used to under‐ stand the public sentiment of the library, which can be used for library public sentiment warning and provide strong public sentiment response capabilities for library decision-makers. Web crawler technology is used to crawl chat records in QQ groups from Septem‐ ber 2022 to December 2022 as library public sentiment data, then performing data preprocessing operations such as deduplication and cleaning on the original public sentiment data. Then, Tsinghua University's Thulac segmentation technology is used to extract keywords and calculate their weights from the public sentiment data, and them the WordCloud library is used for visualization. Next, the spaCy library is used to to calculate specific emotional tendencies and scores for public opinion data, and finally the emotional tendencies of library public opinion are analyzed through experiments.

Key words： text mining library public sentiment sentiment analysis Thulac WordCloud spaCy

年卷期日期: 2024-05-28 出版日期: 2024-07-02

引用本文:

王龙军　王晶　李光华　陈亮. 基于文本挖掘的图书馆舆情情感分析[J]. 电脑与电信, 2024, 1(3): 13-.
WANG Long-jun　WANG Jing　LI Guang-hua　CHEN Liang. Analysis of Public Sentiment in Libraries Based on Text Mining. Computer & Telecommunication, 2024, 1(3): 13-.

链接本文:

https://www.computertelecom.com.cn/CN/10.15966/j.cnki.dnydx.2024.03.020 或 https://www.computertelecom.com.cn/CN/Y2024/V1/I3/13

[1]	游丹丹　骆绍烨. 我国网络舆情情感研究综述[J]. 电脑与电信, 2024, 1(3): 64-.
[2]	黄燕虹. “一案到底”教学法在UML实践教学中的研究与应用[J]. 电脑与电信, 2023, 1(5): 85-.
[3]	陈俊涛刘力铭车月琴. 基于图卷积网络的中文短文本细粒度情感分析[J]. 电脑与电信, 2023, 1(3): 79-84.
[4]	周倩倩. 基于EI-BA模型的文本情感分析 [J]. 电脑与电信, 2023, 1(3): 85-90.
[5]	钱怡吉洪磊张语瑞. 基于SEIR模型的舆情传播和舆情控制模型 [J]. 电脑与电信, 2022, 1(6): 53-.
[6]	徐红. 网络舆情演化模型研究 [J]. 电脑与电信, 2022, 1(12): 73-.
[7]	栾迪董玉娜. 基于双向LSTM的影评情感分析算法设计[J]. 电脑与电信, 2021, 1(8): 38-41.
[8]	李丽王忠群王勇. 面向工程教育专业认证的高校图书馆建设探索[J]. 电脑与电信, 2021, 1(4): 6-8.
[9]	夏宇红夏文忠. WSN智慧图书馆环境感知系统设计与实现[J]. 电脑与电信, 2021, 1(4): 33-35.
[10]	张玲张馨月李金费晶任晓锋. 产学研协同创新背景下学科信息服务策略研究 ——以榆林学院图书馆为例 [J]. 电脑与电信, 2021, 0(10): 48-51.
[11]	彭艳芳. 数据库垄断的成因及对策分析[J]. 电脑与电信, 2019, 1(3): 48-50.
[12]	胡晓莉, 徐伟. 基于社群合作的图书馆服务新模式：FOLIO[J]. 电脑与电信, 2018, 1(1-2): 73-76.
[13]	龚永罡汪昕宇李玉莹王蕴琪. 中文文本敏感信息自动校对方法研究[J]. 电脑与电信, 2018, 1(12): 66-69.
[14]	吴心怡. 浅析网络新媒体与警察公共关系构建[J]. 电脑与电信, 2017, 1(5): 81-83.
[15]	高涛涛, 匡芳君. 基于大数据的高校网络舆情分析研究[J]. 电脑与电信, 2017, 1(10): 55-57.