34、新冠前后加密货币的情绪分析与学术表现影响因素研究

xray4

于 2025-09-30 12:08:23 发布

阅读量28

点赞数

CC 4.0 BY-SA版权

分类专栏：分布式智能前沿探析文章标签：加密货币情绪分析 LDA主题模型

本文链接：https://blog.youkuaiyun.com/xray4/article/details/152539929

39 篇文章 ¥499.90

订阅专栏¥69.90

主题建模原理
- 单词的概率分布可以解释每个主题，有助于更清晰了解主题之间的联系。它会考虑数据中所有文档的语料库，对语料库预处理后，每个词袋包含常见词汇。
- 使用潜在狄利克雷分配（LDA）模型可以得出与每个文档相关的主题，并将所有语料库分组以便进一步使用。具体流程如下：

graph LR
    A[收集语料库] --> B[语料库预处理]
    B --> C[构建词袋]
    C --> D[使用LDA模型]
    D --> E[得出主题并分组]

新冠前主题分析
- 主题分类 ：推文最初被分为四个主题。主题0显示多数人可能选择加密货币，“购买、关注、列出”等流行主题表明人们对加密货币有偏好。从主题2可知，元宇宙和区块链设施可能是人们对加密货币感兴趣的影响因素，“元宇宙、区块、准备好、编程”是该主题的高概率词汇。主题2和3中，“每周、收盘、项目”是与加密货币相关的最常用词汇。
- 主题可视化 ：通过二维散点图展示主题，气泡越大表示该主题越频繁。主题1最受欢迎，主题4最不重要。气泡间的距离表示主题间的近似相似度。柱状图显示前30个最流行的主题，柱子代表