文本挖掘分析多元应用：新能源汽车股市、英国封锁、疫情旅游与舆情分析

拓端研究室TRL

于 2024-04-19 17:40:07 发布

阅读量650

点赞数 15

文章标签：汽车旅游

本文链接：https://blog.csdn.net/tecdat/article/details/137988340

版权

本文运用文本分析技术探讨新能源汽车股市涨跌、英国封锁对零售配送产业的影响、疫情下的旅游微博数据、游客满意度及新疆棉花事件舆情，揭示社会经济现象和趋势。通过情感分析、主题建模等方法，分析股评情绪与股市、消费者评论与零售配送业的关系，以及舆情动态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

全文链接：https://tecdat.cn/?p=35975

分析师：Yaning Wu，Zexi Jin，Chang Zhang，Wei Zuo

在当今信息爆炸的时代，文本分析作为一种重要的数据处理方法，已经广泛应用于各个领域的研究中（点击文末“阅读原文”了解更多）。

相关视频

本文旨在通过运用文本分析技术，帮助客户深入探究新能源汽车股市涨跌影响、英国全国性封锁对零售配送产业的影响、疫情下的旅游微博数据、游客满意度分析以及新疆棉花事件微博评论舆情等多个议题。通过对这些议题的综合性分析，我们可以更好地理解社会经济变迁、消费者行为以及舆情动态等方面的现象和趋势。

媒体感知的新能源汽车股市涨跌影响

自股票市场诞生以来，投资者以及研究人员一直探索市场情绪和涨跌的联系，国外一些学者利用Twitter来分析股市涨跌，但是中文股评情绪分析又与英文有所不同，利用中文社区股评分析股市走向，确定新能源汽车股市涨跌与股评情绪间的关系。

解决方案

任务/目标

根据东方财富网新能源股市，利用情感词分析情感，建立情感指数指标，关联股市涨跌与中文股评情绪关系。

数据源准备

为了获得东方财富网股吧中11个相关新能源汽车股吧中评论，利用Python中beautifulsoup库解析东方财富网股吧，分析网页网址规律，翻页通过网址最后一位数改变控制，得知相关评论以及时间存储在某个class当中，利用findall函数爬取所有结果

此外利用网上获取的BosonNLP关于标注了积极情感词以及消极情感词的数据，各4607行。

数据处理

把不能处理的数据做一些处理，处理成我们所需要的中文词汇，举例如下：

在excel将空的集合进行删除，之后利用结巴分词，去除英文以及数字，按照空格进行分词。

以上例举的只是部分。

构造

以上说明了如何处理数据，我们需要进一步获取情感极性，利用Python函数库TfidfVectorizer将文本TF-IDF进行向量特征表示，之后建构不同的分类器进行训练，最终比较模型。输入标注好积极以及消极文本，随机划分为训练集以及测试集，利用相应模型进行训练，将股评向量化表示，带入模型，结合标注好的情感，输出情感分类。之后利用同一天内积极和消极词个数，以天为单位，建立看涨指数：