近年來受到政策調(diào)控影響以及購房群體年輕化,房地產(chǎn)市場輿情特征在不斷發(fā)生變化。社交媒體作為互聯(lián)網(wǎng)飛速發(fā)展的產(chǎn)物,為公眾提供了信息交流的便捷平臺,已經(jīng)發(fā)展為當今時代輿情傳播的重要途徑之一。社交媒體為輿情分析提供了新的數(shù)據(jù)源,然而由于社交媒體數(shù)據(jù)體量龐大,傳統(tǒng)分析方法無法滿足社交媒體環(huán)境下輿情分析和監(jiān)測的需求。文本挖掘技術(shù)發(fā)展迅速,能夠?qū)崿F(xiàn)大規(guī)模文本信息的自動處理與分析,彌補了傳統(tǒng)分析方法的不足,在輿情分析上發(fā)揮了重要作用。社交媒體環(huán)境下輿情研究主要集中在熱點主題識別、傳播特征分析以及輿情情感傾向研究等方面。本文將視角聚焦在房地產(chǎn)市場,將社交媒體環(huán)境下輿情分析方法與房地產(chǎn)市場相結(jié)合,構(gòu)建房地產(chǎn)市場輿情分析框架并進行實證分析,對政府、房地產(chǎn)企業(yè)、購房者等不同社會主體都具有一定的實踐意義。首先,利用概率主題模型挖掘房地產(chǎn)行業(yè)焦點主題,刻畫公眾對房地產(chǎn)話題的關(guān)注特征;然后,利用社會網(wǎng)絡(luò)分析(SNA)方法研究房地產(chǎn)市場輿情傳播網(wǎng)絡(luò)的空間分布特征,厘清輿情傳播路徑;最后,利用基于深度學習的情感分析技術(shù)探究房地產(chǎn)市場輿情的情感傾向,并構(gòu)建房地產(chǎn)市場輿情指數(shù)對房地產(chǎn)市場進行監(jiān)測和預警。結(jié)果表明:(1)雙詞對...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

圖１．１技術(shù)路線圖??

?１緒論???情感分析技術(shù)識別房地產(chǎn)市場輿情的情感傾向，進而構(gòu)建房地產(chǎn)市場輿情指數(shù)，??將房地產(chǎn)市場輿情指數(shù)納入房價波動模型中，分析房地產(chǎn)市場輿情對房價波動??的影響。??第六章為結(jié)論與展望，根據(jù)上述分析結(jié)果得出相應(yīng)結(jié)論，提出相應(yīng)的政策建??議，并根據(jù)論文的局限性提出展望。??１....

圖２．１?ＬＤＡ主體模型的貝葉斯網(wǎng)絡(luò)Ｍ??

義信息，近年來在輿情主題挖掘領(lǐng)??域得到了廣泛的應(yīng)用。概率主題模型不僅是輿情主題分析的一種有效方法，也是??學者們傾向采用的熱點技術(shù)。概率主題模型可以理解為文檔的一種生成模型，其??基本原理認為文檔是若干主題的混合概率分布，而每個主題又是一個關(guān)于單詞??的混合概率分布。常見的概率....

圖２．２?ＢＴＭ主題模型的貝葉斯網(wǎng)絡(luò)［８６］??．、

詞、去停用詞等預處理后，任意共現(xiàn)在同一文本中的??２個單詞。使用詞對進行建模要比一個詞建模更能有效的挖掘文章的隱藏主題。??因此，ＢＴＭ模型在ＬＤＡ模型的基礎(chǔ)上，去除了文本層，然后在主題層和單詞??層之間添加了詞對層。當文本過短的時候，例如一句話只有１０個詞語，那么ＬＤＡ??ｍｏ....

圖３．１?２０２０年微博數(shù)量統(tǒng)計圖（月度）??

?３基于ＢＴＭ的房地產(chǎn)市場輿情主題識別模型構(gòu)建及應(yīng)用???終確定房地產(chǎn)市場輿情語料庫的主題概率分布０和主題－詞分布卩，再根據(jù)文檔??的主題概率分布獲得文檔－主題分布矩陣、主題－詞分布矩陣以及主題的??概率分布，完成對房地產(chǎn)市場輿情的主題建模，識別出房地產(chǎn)市場輿情的熱點話??題。?....

本文編號：4006480