三孩政策出台的舆情效应及启示—基于NLP的网络大数据分析

2021-10-22 15:31| 发布者: Fuller| 查看: 3462| 评论: 0

摘要: 微信公众号“中国青年研究”上的这篇文章《三孩政策出台的舆情效应及启示—基于NLP的网络大数据分析》,以微博评论内容作为研究对象,运用了情感分析工具,分析了舆情对于三孩政策的反应和情感倾向,并进而总结了民众 ...

微信公众号“中国青年研究”上的这篇文章《三孩政策出台的舆情效应及启示—基于NLP的网络大数据分析》,以微博评论内容作为研究对象,运用了情感分析工具,分析了舆情对于三孩政策的反应和情感倾向,并进而总结了民众的态度,意见和看法。

1,范例简介

标题: 三孩政策出台的舆情效应及启示—基于NLP的网络大数据分析

作者: 李丹 李丽萍 李丹

关键词:人口老龄化;三孩政策;配套支持措施;网络舆情;NLP情感分析

来源:微信公众号中国青年研究

摘要

人口老龄化是21世纪贯穿我国的基本国情,实施三孩生育政策及配套支持措施,长期来看有利于改善人口年龄结构,减轻老年人口抚养比,增加社会整体活力,降低老龄化峰值水平。本文以八大官微博文的评论内容为研究对象,以Python数据挖掘和NLP情感分析为研究工具和方法,分析三孩政策及其配套支持措施的舆情动向,总结民众对该政策的态度、意见及看法,以期管窥民众对生育三孩的动机、意愿及其可能的原因,为完善相关政策提供一定参考价值。结果显示,网民对于三孩政策及配套支持措施的评价总体呈消极和中性情绪,其背后存在政策兼容性和系统性不够、配套支持措施未能落地、经济压力太大、无法平衡女性工作与家庭、无人照料小孩等多方面因素和诉求,需要从落实住房、教育、就业、医疗、养老等配套政策、家庭支持政策与女性就业权益保障措施等方面做出回应。 

2,本研究范例主要研究方法、相关知识点和工具

2.1 研究思路

本文基于其大规模互联网语料和自然语言处理机器学习算法中的LSTM(LongShort-Term Memory)、BERT等深度神经网络分类模型,并依托其千亿级中文语料累积和16项智能文本处理能力,最终输出文本情感分析的计算结果,对三孩政策有关微博评论文本进行情感分析,进而尝试归因和推演挖掘网民情绪背后的动机与成因。整个研究过程可分为数据挖掘和机器学习情感分析两部分,具体研究模型和思路如下图所示。

2.3 搞研究使用哪种通用的自然语言处理和情感分析工具?

搞研究的小伙伴们,如果需要对文本进行分词和情感分析,推荐使用GooSeeker提供的在线文本分词和情感分析工具,提供的功能有:中英文分词,同义词合并,分类管理,情感分析,社会网络图生成,抽取关键词等。操作简单,文科生可以轻松上手和使用。

采用手工选词的方式执行特征词提取,可以充分利用人的经验,提升分析结果的准确度。也可以基于机器学习等算法执行自动的特征词提取,GooSeeker把这些算法都写成了Jupyter Notebook的格式,可以直接下载使用,下载网址:用集搜客分词软件和Jupyter Notebook做文本分析和数据探索的案例汇总

3,本范例作者总结

本研究中没有对评论文本进行更深入的人工编码分析,仅从文本情感分析视角对微博评论做出梳理和解读,关于网民生育意愿和生育行为的关系探讨,还有待今后做更深入的量化研究,以做更多的深入分析。


鲜花

握手

雷人

路过

鸡蛋

最新评论

GMT+8, 2024-10-6 15:58