数据视域下图书馆话题情感分析数据D江湖关注共 1448字,需浏览 3分钟 ·2020-10-17 18:26 当前是大数据盛行的时代,各种用户信息行为数据分析的结果影响着人们的生活和学习,同时对图书馆的发展也有着影响。▼本文在图书馆话题下知乎用户问答行为数据的基础上,分析了图书馆信息资源建设的新要求,并提出了相关建议。图书馆热门话题通过主题挖掘分析知乎热门图书馆话题下的问答,了解到目前大多数用户去图书馆不再单纯的以获取资源为目的,除了借还书和查阅文献资料外,更多的读者是选择来图书馆进行自习、复习、备考,他们认为图书馆更有学习的氛围,同时有很多用户关注图书馆交友的话题。图表1我们从评论数量、被关注度和赞同数量来评估用户的参与程度,可以看到图书馆交友话题(主题1)关注人数和赞同人数最多(如图书馆怎么认识女生?),其次是考研、复习(主题3)的相关话题(如图书馆应该为考研学生提供特权吗?),该话题下讨论的人数最多。接下来是学校图书馆对外开放(主题2)的话题(如公办大学的图书馆/自习室该不该对外开放?)和学习环境话题(主题4)(如本部图书馆内部环境设置怎么样,在同类高校中是属于很陈旧的还是很现代化的?)。图书馆话题内容表达的情感接下来,通过主题挖掘和情感分析(也称为意见挖掘)知乎热门话题下的问答,我们详细看下热门话题中用户表达了哪些情感。图表2从图书馆资源设施和学习环境话题来看,环境优美、设施齐全的图书馆的上座率更高,在期末备考或者迎接大型考试的前期图书馆的上座率又普遍上升,大多用户对占座表达出负面情绪,这说明在用户看来图书馆是整个学校最能提供足够学习氛围的场所,融休闲与学习为一体的咖啡厅式图书馆更受广大用户的喜爱。图书馆交友话题最为热门,很多用户有“书中自有颜如玉”的想法,预设图书馆是浪漫邂逅的地方。同时,从聊天、吵闹等负面关键词来看大多数用户表达出他们更愿意在安静愜意的图书馆环境里来读书。疫情前后的图书馆话题新型冠状病毒导致的肺炎疫情给大学图书馆信息资源建设工作带来了极大影响和冲击,通过时间线的对比,我们发现疫情前后的图书馆话题数量和情感表现发生明显变化。图表3由于疫情原因,图书馆闭馆后,很多用户表达出了开馆少、无法自习、借书逾期等负面情感。从正面情感来看,一些用户回答表示图书馆加强了网络在线服务,确保数据库资源正常使用和相关文献资源使用权,还策划了一些列活动以期更加全面地帮助全校师生在疫情防控期间充分利用网络进行专业资源,助力师生更好地开展学习、生活和科研等工作。同时,图书馆免除读者在疫情防控期间所产生的图书逾期费用。面对新冠病毒导致的肺炎疫情带来的深远冲击,抓住机遇,引入新技术、新模式,更好地保障用户的科研、学习需求,是当前图书馆的必然选择。本文章中的所有信息(包括但不限于分析、预测、建议、数据、图表等内容)仅供参考,拓端数据(tecdat)不因文章的全部或部分内容产生的或因本文章而引致的任何损失承担任何责任。 点击标题查阅往期内容游记数据感知旅游目的地形象数据类岗位需求的数据面数据度量消费贷款—消费者的考虑因素已迁离北京外来人口的数据画像数据探析期刊文章研究热点疫情下的新闻数据观察疫情下的在线教学数据观机票折扣数据解密数据把握电影市场需求把握出租车行驶的数据脉搏共享汽车数据印象解读出租房市场的数据密码 浏览 25点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 情感倾向分析自动对包含主观信息的文本进行情感倾向性判断,为口碑分析、话题监控、舆情分析等 应用提供基础技术支持SemanticAnalysis中文情感分析快速分析语句的正负面(情感分析)用于舆情分析、评论分析、语义分析使用 mmseg4j 进行分词,情感SemanticAnalysis中文情感分析快速分析语句的正负面(情感分析)用于舆情分析、评论分析、语义分析使用mmseg4j进行分词,情感词库丰富中,期待广大用户测试使用方式:1.自行编译src或者直接下载dist中的zg-sa.jar2.需sentimentNode 情感分析模块sentiment是使用AFINN-111词汇表对任意输入文本块进行情感分析的Node模块。特性包括:高性能能够从AFINN单词表追加和覆盖单词/值对轻松添加对新语言的支持的能力可以轻松定义针对每种语sentimentNode 情感分析模块sentiment是使用AFINN-111词汇表对任意输入文本块进行情感分析的Node模块。特性包括微博可视化网站定制:多话题情感分析 3D 对比可视化月小水长0微博话题在线分析工具月小水长0【数据分析】Python数据分析指南(全)机器学习初学者0【数据分析】数据分析(EDA)学习总结!机器学习初学者0数据分析,经营分析,战略分析产品与体验0点赞 评论 收藏 分享 手机扫一扫分享分享 举报