博物馆是公共文化服务体系的重要组成部分。国家文物局发布, 2021 年我国新增备案博物馆 395 家,备案博物馆总数达 6183 家,排 名全球前列;5605 家博物馆实现免费开放,占比达 90%以上;全国 博物馆举办展览 3.6 万个,教育活动 32.3 万场;虽受疫情影响,全国 博物馆仍接待观众 7.79 亿人次。 但在总体繁荣业态下,一些地方博物馆仍存在千馆一面、公共文 化服务供给同质化的尴尬局面,在发展定位、体系布局、功能发挥等 方面尚需完善提升。这给博物馆基于自身特色进一步迈向真正的公共 性提出了新课题,也即坚持守正创新,坚持直面公众和社会的公共文 化服务的创造性转化、创新性发展。 为了提升博物馆公共服务水平,课题组收集大众点评平台上用户 对南京市朝天宫、瞻园、甘熙宅第、江宁织造博物馆和六朝博物馆五 个博物馆的点评数据,数据字段主要包括:用户编号、评论内容、评 论时间等。 现需要根据用户对五个博物馆的评论内容,分析以下问题:
问题 1:针对每位用户的评论,建立情感判别模型,判断评论内 容的情感正反方向,输出评论内容的情感方向为正面、中立、负面, 并统计每个博物馆历史评论各个方向情感的比例分布情况。(完整代码与结果见文末附件!)
文本预处理是情感分析的关键步骤,直接关系到后续分析的准确性。因此,我们将采用以下多步骤策略进行深度预处理:
- 数据清洗:去除重复、缺失或格式错误的评论,确保每条数据的有效性。移除评论中的HTML标签、特殊字符等无关信息。
- 中文分词:使用jieba等中文分词工具,将连续的评论文本切分为有意义的词汇单元。根据博物馆领域的专业词汇库,优化分词结果,确保专业术语的准确性。
- 停用词处理:构建停用词列表,包括常见的无意义词汇、虚词等。去除评论中的停用词,减少噪声干扰,凸显关键信息。
- 词性标注与筛选:对分词后的结果进行词性标注,识别出名词、动词、形容词等关键词性。根据情感分析的需要,筛选保留对情感倾向判断有帮助的词性。
- 去除标点符号:移除评论中的标点符号,避免其对情感分析造成干扰。
- 文本标准化:处理缩写、俚语等,确保文本的一致性和可分析性。
利用业界领先的NLTK库中的VADER情感分析器,对每一条评论数据进行深度的情感挖掘。VADER情感分析器凭借其独特的算法和大量的训练数据,能够精准捕捉文本中微妙的情感变化。通过这一先进工具的运用,我们得以将每一条评论细分为正面、中立和负面三种情感倾向,确保情感分类的准确性和可靠性。
结果
问题 2:综合考虑评论内容中情感词、程度副词、否定词、标点 符合等等影响情感方向的指标,建立情感得分评价模型,得到每位用 户评论的情感得分,并基于得分对五个博物馆进行客观排名。(完整代码与结果见文末附件!)
1. 情感得分评价模型建立:
文本预处理: 对评论内容进行分词、去除停用词、标点符号等预处理操作。
情感词、程度副词、否定词处理: 使用情感词典、程度副词、否定词等词汇进行情感分析,给出每个词的情感权重。
情感得分计算: 根据情感词、程度副词、否定词等的权重,计算每个评论的情感得分。可以使用加权平均等方式计算得分。
2. 客观排名:
情感得分汇总: 统计每个博物馆的所有评论的情感得分,并计算平均得分。
博物馆客观排名: 根据博物馆的平均情感得分,对博物馆进行客观排名,得分高者排名靠前。
平均情感得分计算: 对于每个博物馆,计算其所有评论的平均情感得分。这可以用以下公式表示:
问题 3:针对每位用户评论的内容,可通过事件抽取或实体抽取 算法,从评论内容中抽取影响用户情感的关键事件或因素,如某用户 评论“非常不错!环境高大上!好多是最近房地产开发盖新房子时新 挖出来的,不错“,可得知该评论为正面情感,影响其正面评价的是” 房地产开发盖新房子时新挖的“、”环境高大上“两个因素。基于上 述抽取的关键事件或影响因素,综合分析得到影响用户对五个博物馆 情感的影响因素。(完整代码与结果见文末附件!)
事件抽取或实体抽取: 使用自然语言处理技术,如命名实体识别(NER)或事件抽取,从评论内容中提取出与博物馆相关的实体或事件。这些实体或事件可能涉及到展览、服务、环境等方面。
情感分析与关键事件关联: 将抽取出的实体或事件与情感分析结果关联起来,分析这些实体或事件对用户情感的影响。可以考虑使用规则匹配、关键词匹配等方法,将评论中提到的实体或事件与情感得分联系起来。
统计分析与主要因素确定: 综合分析抽取的关键事件或因素,统计不同因素出现的频率以及与情感倾向的关联程度。根据分析结果确定影响用户对五个博物馆情感的主要因素。