资源描述：
《网络舆情视角下的“互联网+”行业发展趋势研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、专业硕士学位论文网络舆情视角下的“互联网+”行业发展趋势研究培养单位：统计学院学科专业：应用统计作者姓名：胡英指导教师：任韬副教授Researchon"InternetPlus"IndustryTrendsbasedonPerspectiveofInternetPublicOpinionADissertationSubmittedforProfessionalDegreeofAppliedStatisticsCandidate：HuYingSupervisor：A.Prof.RenTaoSchoolofStatisticsCapitalUniversity
2、ofEconomicsandBusiness,Beijing,China摘要十九大报告提出，要推动互联网发展、大数据、人工智能和实体经济相融合，显然“互联网+”行业已成为国家重点关注的行业类别，但由于行业发展时间短，研究呈现经验少、认知浅的特点。在这样的情况下，如何获取行业发展的特征、把握发展趋势是亟待解决的问题。由于“互联网+”行业鲜明的时代特征，网络舆情已成为反映其行业发展的重要手段。本文研究就是基于舆情角度，聚焦网约车、外卖O2O、共享单车这三大“互联网+”典型行业，通过网络爬虫、自然语言处理、文本挖掘等网络舆情关键性技术深入分析，探究得出“互联网+
3、”行业的发展趋势，挖掘其在不同阶段所表现出的典型特征。具体内容为：第一，利用网络爬虫技术实现网络新闻舆情的获取，经过文本分词、去停用词、量化等一系列自然语言处理操作实现数据预处理。第二，运用LDA主题模型将每个行业的舆情归为10个主题，引入时间因素进行主题演化分析，根据主题强度的大小分为热点主题和次热点主题，绘制演化趋势曲线，提取关键词，最终实现行业阶段划分以及阶段性特征分析。第三，根据行业舆情相似的主题内涵，归纳总结出“互联网+”行业主要有运营乱象、用户体验、行业发展以及政府监管四类主要舆情，通过主题演化趋势和情感演化趋势将“互联网+”行业分为三个阶段，
4、根据各阶段的情感倾向变化、舆情变化以及关键词变化横纵向分析，探索的出目前“互联网+”行业的阶段性发展特征。通过本研究可以让相关管理人员、投资者站在宏观的高度对“互联网+”行业有清晰的认识并获得对“互联网+”行业发展的可行性建议。关键词：自然语言处理技术；LDA模型；主题演化；情感分析；关键词提取IAbstractThereportoftheNineteenthCongressproposedtopromotetheintegrationofInternetdevelopment,bigdata,artificialintelligenceandtherea
5、leconomy,itisclearthatthe“InternetPlus”industryhasbecomeanimportantindustrycategory,butduetotheshortdevelopmenttimeoftheindustry,theresearchshowslessexperienceandrecognition.Inthiscase,howtoobtainthecharacteristicsofthedevelopmentoftheindustryandgraspthedevelopmenttrendisanurgentp
6、roblemtobesolved.Duetothedistinctivecharacteristicsoftheera,onlinepublicopinionhasbecomeanimportantmeanstoreflectthedevelopmentofthe“InternetPlus”industry.Thisresearchfocusonthethreemajor“InternetPlus”industry:tournetwork,take-awayO2O,andsharedbicycles.Throughin-depthanalysisofkey
7、technologiessuchaswebcrawlers,naturallanguageprocessing,andtextmining,weexploretrendoftheInternetPlusindustryandexcavatethetypicalcharacteristicsithasshownatdifferentstages.Thespecificcontentsareasfollows:first,theuseofwebcrawlertechnologytoachievethenetworknewspublicopinionacquis
8、ition,throughtextsegmentation,sto
