47、新冠疫情前后影响分析：基于推特数据的文本分析与分类方法

新冠疫情前后影响分析：基于推特数据的文本分析与分类方法

1. 文本分析方法概述

文本分析会根据文本数据的性质、研究目标、数据集大小和背景，采用多种不同的方法和工具。推特数据在文本和情感分析中应用广泛，以下是一些具体的应用案例：
- 能源公司客户反馈分析 ：有研究分析法国能源公司超 7 万条推特客户反馈，使用潜在狄利克雷分配算法，结合基于频率的过滤技术，挖掘与能源公司相关的有趣见解。
- 推特热度与话题关系探索 ：运用泊松和负二项式模型探索推文热度，还通过七种相异度度量评估话题间关系，发现库尔贝克 - 莱布勒和欧几里得距离在识别相关话题上表现更佳。
- 社交媒体信息挖掘 ：采用时间感知知识提取（TAKE）方法，从脸书和推特海量信息中挖掘有价值内容，通过基于主题的推特数据总结探索研究感兴趣的内容。
- 用户个性评估 ：利用 DISC（支配性、影响力、顺从性和稳定性）评估技术，研究推特数据对评估用户个性的作用，该评估在信息检索、内容选择、产品定位和用户心理评估等方面有应用价值。
- 多语言文本情感提取 ：结合心理和语言分析，从社交媒体多语言文本中提取情感。

2. 推特分析的应用

2.1 危机场景下的态势感知

推特数据在揭示危机场景下的态势感知方面有重要作用。例如，分析圣地亚哥县野火相关推特活动，对约 41,545 条野火相关推文建模发现：
- 9 场野火中有 6 场发生在 2014 年 5 月 14 日，当天野火