第一作者簡介：

孫銳，男，云南昆明(1986~)農(nóng)藝師，云南煙草公司麗江市公司古城分公司，研究方向：?市場營銷、用戶畫像分析

1、云南煙草公司麗江市公司古城分公司

2、云南煙草公司麗江市公司

摘要：伴隨中國經(jīng)濟(jì)高速發(fā)展人民生活水平也快速提升， 煙草作為重要支柱產(chǎn)業(yè)，產(chǎn)品結(jié)構(gòu)與消費(fèi)方式也在快速升級迭代。雪茄是消費(fèi)方式升級中重要 的一種產(chǎn)品形態(tài)。本文以 “雪茄”為關(guān)鍵詞對 2017 年-2020 年微博數(shù)據(jù)進(jìn)行抓取，?通過 Jieba 分詞以及 TF-IDF 關(guān)鍵詞提取方式，借助 word2vec 將關(guān)鍵詞進(jìn)行向量表示， 融入時間維度分析微博用戶對雪茄產(chǎn)品關(guān)注熱點(diǎn)的時空演化，分析出社交網(wǎng)絡(luò)中對雪茄產(chǎn)品、體驗以及關(guān)注領(lǐng)域的變化。借助 SnowNLP以及 Sentiment Analysis?工具進(jìn)行情感分析，反映出 2017-2020 年主要社交媒體中關(guān)于消費(fèi)者對雪茄的情感走向、產(chǎn)品關(guān)注變化特征。

關(guān)鍵詞：雪茄、關(guān)注熱點(diǎn)、社會化網(wǎng)絡(luò)、時空演化

0引言

在消費(fèi)升級的演化階段，消費(fèi)者更傾向于選擇有文化內(nèi)涵、 高品質(zhì)、可融入自我標(biāo)簽的商品。具備全葉型煙草的產(chǎn)品特征、品鑒儀式感強(qiáng)的雪茄， 為消費(fèi)者帶來品味和身份的象征。從社交媒體中了解雪茄的消費(fèi)關(guān)注熱點(diǎn)， 可了解我國目前市場的消費(fèi)現(xiàn)狀和發(fā)展趨勢。楊春曉等人[1]通過構(gòu)建卷煙在線評論情感辭典，進(jìn)行卷煙在線評論的文本情感分析， 研究表明， 基于文本情感分析的情感傾向判斷和情感指數(shù)建立能夠起到動態(tài)監(jiān)測消費(fèi)者情感變化的作用。 金吉瓊等人[2]采用文本挖掘技術(shù)對我國電子煙產(chǎn)品的消費(fèi)者關(guān)注熱點(diǎn)進(jìn)行研究， 為煙草企業(yè)設(shè)計和優(yōu)化電子煙產(chǎn)品提供支持。目前基于大數(shù)據(jù)對雪茄這一商品的情緒調(diào)查和分享偏好分析鮮見。

1958 年，Luhn[3]第一次開啟了以詞頻為特征的統(tǒng)計標(biāo)引方法， 隨后關(guān)于情感分析的應(yīng)用研究蓬勃發(fā)展。卓佳怡等人[4]在研究公文用戶畫像時， 進(jìn)行了 TF-IDF算法提取關(guān)鍵詞， 根據(jù)用戶已處理的公文內(nèi)容， 對處理文本進(jìn)行相關(guān)性分析。曾小芹等人[5]首先運(yùn)用 Selenium 爬蟲抓取評論文本，通過 Jieba 分詞工具對文本進(jìn)行分詞、詞性標(biāo)注及關(guān)鍵詞詞云的生成 ，再選用適用于中文文本處理的snowNLP 庫對評論文本進(jìn)行情感計算和結(jié)果可視化。陳興蜀等人[6]基于分布式爬蟲技術(shù)、 SnowNLP 情感分析模型以及 KMeans 文本聚類算法，對與“新冠肺炎疫情”相關(guān)話題展開輿情分析， 可視化地展現(xiàn)疫情事件中網(wǎng)絡(luò)輿情的時空演化過程。

近年來關(guān)于社會網(wǎng)絡(luò)分析的相關(guān)研究正逐步進(jìn)入成熟階段，社會網(wǎng)絡(luò)分析方法被廣泛應(yīng)用到社交網(wǎng)絡(luò)、文獻(xiàn)計量、在線教育、輿情分析、社會資本、城市網(wǎng)絡(luò)等領(lǐng)域。黎耀奇，謝禮珊[7]指出社會網(wǎng)絡(luò)理論不是對管理學(xué)理論的批判與取代，而是一種建設(shè)性的深化與補(bǔ)充。?Word2Vec 是被廣泛使用的詞向量模型，李明超等人[8]基于自然語言處理技術(shù)，引入 Attention 機(jī)制對 Word2vec?技術(shù)加以改進(jìn)，提出了一種智能高效的水利水電工程專業(yè)詞識別提取與分析方法。

本文從互聯(lián)網(wǎng)媒體平臺當(dāng)中的信息挖掘開始，結(jié)合圖片和文本情感分析平臺， 發(fā)掘出檢索文本當(dāng)中的情感因素， 喜好因素以及品牌因素， 將情感分析與時間變化結(jié)合，獲得了在一定時間刻度變化內(nèi)人們對于雪茄情感變化的線上反映，最后綜合人們在社交媒體上展現(xiàn)的基于雪茄關(guān)鍵詞反映出來的特征， 為當(dāng)下的雪茄消費(fèi)環(huán)境以及消費(fèi)趨勢評估提供了新視角以及分析方法。

1研究方法與手段

1.1方法流程

圍繞2017 年-2020 年的“雪茄”關(guān)鍵詞原創(chuàng)微博數(shù)據(jù)進(jìn)行抓取，將數(shù)據(jù)進(jìn)行文本清洗后存入數(shù)據(jù)庫，通過 Jieba?分詞以及 TF-IDF?關(guān)鍵詞提取，借助word2vec?將關(guān)鍵詞進(jìn)行向量表示， 創(chuàng)建雪茄關(guān)鍵詞網(wǎng)絡(luò)矩陣，融入時間維度分析微博用戶對于雪茄產(chǎn)品的關(guān)注度變化情況， 得出對于雪茄產(chǎn)品、體驗以及關(guān)注領(lǐng)域變化。借助 SnowNLP 以及 Sentiment Analysis 工具對微博數(shù)據(jù)進(jìn)行情感分析， 將微博用戶對于雪茄的情感變化與產(chǎn)品、體驗和關(guān)注領(lǐng)域進(jìn)行關(guān)聯(lián)， 得出微

博用戶 2017-2020 年關(guān)于雪茄的情感走向、產(chǎn)品關(guān)注變化特征， 尋求中式雪茄精準(zhǔn)的切入點(diǎn)。

1.2數(shù)據(jù)采集

通過算法來優(yōu)化數(shù)據(jù)爬取的方式， 使用廣度優(yōu)先搜索策略， 以最短路徑分析深層次的資源數(shù)據(jù)，減少數(shù)據(jù)搜集成本。具體過程是首先確定少部分 URL 作為 子結(jié)點(diǎn)， 存儲在待抓取的 URL 隊列中， 然后到對應(yīng)的 URL 站點(diǎn)下載相應(yīng)的頁面數(shù)據(jù)信息， 當(dāng)這些 URL 被抓取成功后， 把它們放入已經(jīng)抓取的 URL 隊列中， 然后再抽出新的鏈接地址，進(jìn)行頁面數(shù)據(jù)挖掘。

1.3研究方法

文本聚類，TF-IDF?(termfrequency–inversedocumentfrequency) 是一種用于

資訊檢索與文本挖掘的常用加權(quán)技術(shù)。以評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正

比增加， 但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。 TF-IDF 加權(quán)的各種形式 常被搜索引擎應(yīng)用，作為文件與用戶查詢之間相關(guān)程度的度量或評級。

2研究結(jié)果

2.1社交媒體平臺上關(guān)于“雪茄”語句的情緒部分

使用 SnowNLP?將抓取得來的數(shù)據(jù)進(jìn)行標(biāo)記以及數(shù)值標(biāo)定， 在情感詞語標(biāo)定的結(jié)果為-1 時，情感較為負(fù)面，在情感詞語標(biāo)定結(jié)果為 0 時，情感偏向于無感，情感詞語標(biāo)定的結(jié)果為 1 時，情感較為正面。將研究時間段(2017 年 1 月 1 日-2020 年 6 月 16 日) 按照季度進(jìn)行分隔，得到正向、中立、負(fù)面的情緒所占比例，將所得到的的情感變化趨勢進(jìn)行圖形化表現(xiàn)，結(jié)果如圖 2 所示。

2.1.1整體情緒

在情感分析數(shù)值圖中可以看出，整體接受情況較為樂觀， 所有帶有“雪茄” 關(guān)鍵詞的微博條目當(dāng)中，表示負(fù)面情緒的微博條目比較穩(wěn)定，從 2017 年 1 月 1日-2010 年 6 月 16 日，大眾的情緒表示中性的部分占 57.24%，情緒表示正面的部分占 33.01%，情緒表示負(fù)面的部分占 9.75%。從微博情緒反應(yīng)來看， 目前的雪茄輿論環(huán)境較為穩(wěn)定，整體偏向正面。

2.1.2情緒波動

數(shù)據(jù)呈現(xiàn) 2019 年第三季度有過負(fù)面情緒增長， 從 2019 年 Q2 的 11.21%增長到2019 年 Q3 的 13.31%。配合當(dāng)時中立情緒以及正面情緒的下跌，說明在 2019年第三季度， 在雪茄關(guān)鍵詞的微博輿論當(dāng)中有過一次行業(yè)事件發(fā)生， 配合文本聚類方法，發(fā)現(xiàn)有部分負(fù)面事件引發(fā)熱議，多家媒體進(jìn)行跟進(jìn)報道，配合 2019 年的控?zé)熣咭约皩τ诰W(wǎng)絡(luò)媒體當(dāng)中煙草內(nèi)容的控制，引發(fā)了當(dāng)時情緒的短暫波動。?熱度平息后， 雪茄微博輿論在下一季度歸于正常。 2019 年 Q4 雪茄的負(fù)面情緒回歸到?9.79%，回歸均值。 從社交媒體整體輿論波動來看， 當(dāng)前雪茄消費(fèi)體量較小、討論度較弱， 缺乏對雪茄消費(fèi)方式的正確分享， 同時， 雪茄作為煙草制品受到輿論監(jiān)督，雪茄消費(fèi)更需要有正確、合理的培育。

2.2社交媒體平臺上關(guān)于雪茄“味道”的關(guān)注變化

使用文本聚類方法， 將雪茄詞語設(shè)置為關(guān)鍵詞語， 從關(guān)聯(lián)詞語當(dāng)中挑選出與味道、味道形容詞相關(guān)的 67 個味道關(guān)聯(lián)詞， 形成味道詞庫。之后從味道詞庫當(dāng)中按照時間順序進(jìn)行匹配，得到 2017 年 1 月 1 日-2020 年 6 月 16 日的味道變化。

2.2.1整體味道表示

含有雪茄關(guān)鍵詞的社交媒體詞句當(dāng)中， 出現(xiàn)最多的詞語順序如圖 3 所示。其中咖啡、威士忌、巧克力是前三位關(guān)鍵詞。咖啡的關(guān)注熱度為 7.28%，在味道的配伍性上， 咖啡與雪茄有高“味道配伍性”，在場景上有 “場景配合度”。威士忌的關(guān)注熱度為 4.52%。數(shù)據(jù)顯示兩個關(guān)鍵詞在關(guān)注話題中交替式出現(xiàn)，出現(xiàn)“威士忌”的場景通常不出現(xiàn)“咖啡”。香味的關(guān)注熱度是 4.30%， ?“香味”與其他具體香型描述引出對雪茄味道的認(rèn)知。雪茄作為嗜好品， 味道是雪茄客在分享雪茄相關(guān)語句時最主要的屬性詞語， 也是消費(fèi)者的關(guān)注熱點(diǎn)維度。鑒于“咖啡”以及“威士忌”出現(xiàn)的頻率占比和詞語的特殊性， 選擇用文本聚類的方式針對這兩個詞語進(jìn)行進(jìn)一步的關(guān)聯(lián)性分析。具體關(guān)聯(lián)性分析可反映雪茄客的消費(fèi)場景以及 味道喜好度。

2.2.2“咖啡”的二級關(guān)鍵詞分析

咖啡通常與味道的搭配詞語一同出現(xiàn)， 帶有咖啡的語句當(dāng)中， 關(guān)鍵詞呈現(xiàn)主要分為兩個部分： 雪茄產(chǎn)品描述關(guān)鍵詞以及味道描述關(guān)鍵詞。雪茄產(chǎn)品描述關(guān)鍵詞偏向于味道、尺寸、產(chǎn)地、口感、濃度等，味道描述詞語偏向于奶油、濃郁、胡椒、巧克力、可可、混合等。這兩種詞語的高頻出現(xiàn)，展現(xiàn)出咖啡的配伍性，無論是雪茄客在社交媒體上談?wù)撗┣旬a(chǎn)品的本身，或者是談?wù)撗┣训奈兜琅湮?#xff0c;可與雪茄產(chǎn)生高頻次的關(guān)聯(lián)。數(shù)據(jù)顯示也說明咖啡與雪茄有消費(fèi)場景與消費(fèi)熱點(diǎn)的關(guān)聯(lián)。

2.2.3“威士忌”的二級關(guān)鍵詞分析

威士忌通常與生活當(dāng)中的情感詞語搭配出現(xiàn)， 帶有威士忌的語句當(dāng)中， 出現(xiàn)最多的是麥芽， 強(qiáng)調(diào)威士忌的香味屬性， 其次出現(xiàn)的關(guān)鍵詞僅為與生活屬性關(guān)聯(lián)的情感相關(guān)。帶有威士忌的語句當(dāng)中，出現(xiàn)更多的詞語為：麥芽、人生、分享、旅行、酒吧、感覺、音樂、點(diǎn)燃、葡萄酒、搭配、口感。 當(dāng)出現(xiàn)威士忌時， 雪茄客們更樂于談?wù)撽P(guān)于雪茄產(chǎn)品之外的事物， 更加在意場景， 更加在意自身的愉悅。這也顯現(xiàn)出威士忌與咖啡決然不同的表達(dá)方式， 具體表現(xiàn)為在詞語的描述當(dāng)中咖啡與威士忌互相補(bǔ)充。

2.3社交媒體平臺上關(guān)于雪茄“地域”的關(guān)注變化

使用文本聚類方法， 將雪茄詞語設(shè)置為關(guān)鍵詞語， 從關(guān)聯(lián)詞語當(dāng)中挑選出與地域形容詞相關(guān)的 30 個味道關(guān)聯(lián)詞，形成地域詞庫。之后從味道詞庫當(dāng)中按照時間順序進(jìn)行匹配，得到 2017 年 1 月 1 日-2020 年 6 月 16 日的地域變化。 ?在所有帶有雪茄關(guān)鍵詞地獄特征的語句當(dāng)中， 主要出現(xiàn)的地域名詞以古巴、美國以及中國為主。其中的特征為：

(1) “古巴” 31.99%熱度比： ?“古巴”是雪茄討論當(dāng)中最常見詞語。在關(guān)聯(lián)詞當(dāng)中， 古巴處于關(guān)聯(lián)詞的中心地帶。 與古巴優(yōu)質(zhì)雪茄煙葉的消費(fèi)認(rèn)知有一致性，說明雪茄原料與消費(fèi)文化傳承仍是消費(fèi)的關(guān)鍵關(guān)注熱點(diǎn)。

(2) “美國” 6.19%熱度比： ?“美國”是第二提及的詞語， 與中國、上海、尼加拉瓜、北京、俄羅斯、法國組成第二梯隊。在關(guān)聯(lián)性當(dāng)中處于外圍地帶， 有部分雪茄描繪詞語與之關(guān)聯(lián)。

(3) 中國相關(guān)地域關(guān)鍵詞 4.83%熱度比：“上海”作為一個地域關(guān)鍵詞，頻率超過“尼加拉瓜”，成為緊跟中國出現(xiàn)的地域關(guān)鍵詞。 推測判斷上海作為國際金融中心， 消費(fèi)者對于雪茄的認(rèn)知水平及消費(fèi)能力較國內(nèi)其他城市較好， 也顯示當(dāng)下雪茄消費(fèi)文化受外來文化影響較大。而 “中國”這一整體地域在提及中國的語句當(dāng)中， 沒有出現(xiàn)雪茄產(chǎn)品品類以及香味品類的關(guān)聯(lián)詞語， 中國雪茄在社交媒體上的討論還沒有形成規(guī)模，處于等待開發(fā)的狀態(tài)。

2.4社交媒體平臺上關(guān)于雪茄語句的“生活追求”部分

使用文本聚類方法， 將雪茄詞語設(shè)置為關(guān)鍵詞語， 從關(guān)聯(lián)詞語當(dāng)中挑選出與生活追求相關(guān)的 30 個味道關(guān)聯(lián)詞，形成生活追求詞庫。之后從生活追求詞庫當(dāng)中按照時間順序進(jìn)行匹配， 得到 2017 年 1 月 1 日-2020 年 6 月 16 日的生活追求討論變化。 在涉及到生活品質(zhì)的討論當(dāng)中， 主要呈現(xiàn)出的是雪茄客在社交媒體當(dāng)中對于生活品質(zhì)以及生活追求方向的展示，僅以特征出現(xiàn)作為討論。

雪茄產(chǎn)品類： 強(qiáng)調(diào)雪茄的手工卷制屬性， 在意雪茄的型號區(qū)別， 注重雪茄的頂級品質(zhì)， 強(qiáng)調(diào)雪茄的收藏屬性， 同時也對定制版雪茄產(chǎn)生了濃厚的興趣。生活追求類： 在意生活品質(zhì)， 在意產(chǎn)品的文化， 樂于分享， 追求完美， 喜歡高雅的事務(wù)，?喜歡文玩， 經(jīng)常在高檔酒店出沒， 喜歡頂級以及高端的東西， 追求精致， 喜歡收藏， 喜歡自己的俱樂部。職業(yè)方面： 以律師和攝影師為主， 暫沒有出現(xiàn)其他的職業(yè)類別。

2.5社交媒體平臺上關(guān)于“雪茄”語句的國產(chǎn)雪茄部分

使用文本聚類方法， 將雪茄詞語設(shè)置為關(guān)鍵詞語， 從關(guān)聯(lián)詞語當(dāng)中挑選出與國產(chǎn)雪茄相關(guān)的 30 個味道關(guān)聯(lián)詞，形成國產(chǎn)雪茄詞庫。之后從國產(chǎn)雪茄詞庫當(dāng)中按照時間順序進(jìn)行匹配， 得到 2017 年 1 月 1 日-2020 年 6 月 16 日的國產(chǎn)雪茄討論變化。

2.5.1國產(chǎn)雪茄在社交媒體上的關(guān)注熱度

在當(dāng)前的社交媒體討論當(dāng)中， 國產(chǎn)雪茄出現(xiàn)的次數(shù)相較于雪茄的數(shù)據(jù)體量而言較弱。當(dāng)前活躍在社交媒體上的雪茄客對國產(chǎn)雪茄的討論較少。在國產(chǎn)雪茄的討論當(dāng)中，“長城”雪茄的關(guān)注度較高，其他國產(chǎn)雪茄品牌的關(guān)注熱點(diǎn)脫離出0.2%的基準(zhǔn)線。整體來看， 國產(chǎn)雪茄的討論數(shù)量依然偏少， 國產(chǎn)雪茄社交媒體討論還有很大的發(fā)展空間。

2.3.2.1國產(chǎn)雪茄討論熱度的增長趨勢

從 2017 年-2020 年，國產(chǎn)雪茄的討論發(fā)展當(dāng)中 “長城” 品牌有較大的增長，其他的國產(chǎn)品牌討論熱度變化較小，均小于 1% 。“長城”之外的國產(chǎn)雪茄并未形成討論， 輿論基礎(chǔ)尚未形成。 “長城”品牌已經(jīng)開始逐漸發(fā)力， 與其余國產(chǎn)雪茄品牌拉開較大差距，且增長趨勢較好，未來發(fā)展空間較大。

3研究結(jié)論

本文采用了分布式爬蟲對于在社交媒體當(dāng)中帶有“雪茄”關(guān)鍵詞的原創(chuàng)語句進(jìn)行爬取，利用關(guān)鍵詞段去重的方式進(jìn)行了初步的清洗，利用jieba 分詞器進(jìn)行 分詞，使用 IF-TDF算法進(jìn)行聚類，并且使用 word2vec 對聚類后的文本進(jìn)行向量表示，后優(yōu)化 SnowNLP對文本進(jìn)行情感分析，最后將得到的詞語分類為五個部 分， 配合上時間段的變化， 分析出雪茄客在社交媒體當(dāng)中， 對于以“雪茄”為關(guān)鍵詞里， 對于不同呈現(xiàn)板塊的情緒變化以及關(guān)注點(diǎn)轉(zhuǎn)移情況。研究發(fā)現(xiàn)的意義主要有以下幾個方面：

(1) 雪茄客在社交媒體當(dāng)中發(fā)布的語句類型，可以歸類于以下五種：地域類、生活追求類、香型類、雪茄產(chǎn)品類以及國產(chǎn)雪茄部分。這五個部分結(jié)合分析呈現(xiàn)出消費(fèi)者對雪茄認(rèn)知的整體情緒。數(shù)據(jù)顯示目前人們對于雪茄行業(yè)的情緒整體較為正面且相對比較穩(wěn)定，目前的情緒利于雪茄消費(fèi)市場增長及雪茄品牌的培育。

(2) 通過聚類算法的分析， 分析出目前雪茄客們對于雪茄香味的搭配上的喜好 程度， 按照高低排名分別是“咖啡”、“威士忌”以及“巧克力”。咖啡以及威士忌與雪茄具有高度的味道配伍性， 是場景搭配當(dāng)中出現(xiàn)最多的單品； 在地域上，仍以古巴為主， 大部分的雪茄討論都會帶上古巴的地域標(biāo)簽， 關(guān)于中國的地域討的國產(chǎn)雪茄還未形成討論習(xí)慣，只有長城品牌被少數(shù)提及并出現(xiàn)一定討論熱度； 在生活品質(zhì)類， 雪茄客們呈現(xiàn)出在意生活品質(zhì)， 在意產(chǎn)品的文化， 樂于分享， 顯現(xiàn)出生活品質(zhì)消費(fèi)場景的升級趨勢； 在雪茄產(chǎn)品的討論上， 更趨于關(guān)注手工雪茄，并專注于雪茄的產(chǎn)品細(xì)節(jié)與生活場景的匹配度特征。

(3) 通過增加時間維度進(jìn)行的變化特征來看， 在香味的變化上， 咖啡的熱度持續(xù)高昂表現(xiàn)出其與雪茄味道的強(qiáng)匹配度，而威士忌味道的持續(xù)增加表明對于雪茄的追捧正在逐漸往高品質(zhì)化以及場景化變遷； 在地域的變化上， 古巴雖然占據(jù)很大的討論熱度比， 卻已經(jīng)呈現(xiàn)出持續(xù)下降的趨勢， 消費(fèi)者對于雪茄產(chǎn)地的興趣已經(jīng)持續(xù)減弱； 在國產(chǎn)雪茄討論熱度的變化上， 長城品牌的線上討論熱度正在持續(xù)發(fā)力， 其他三家品牌尚待培育； 在生活品質(zhì)的討論中，雪茄消費(fèi)人群的高品質(zhì)追求特征并沒有隨著時間而變化，一直維持在追求生活品質(zhì)的特征維度。

(4) 麗江作為國際旅游城市，開放包容的消費(fèi)文化與旅游文化為雪茄消費(fèi)提供發(fā)展空間。隨著國產(chǎn)雪茄當(dāng)下亟待發(fā)展的產(chǎn)業(yè)環(huán)境，麗江為例的獨(dú)有特征旅游城市具備國產(chǎn)雪茄品牌培育的基礎(chǔ)條件。

[1]楊春曉,張鶴馨,黃家雯,萬江平.卷煙在線評論的文本情感分析[J].中國煙草 學(xué)報,2020,26(02):92-100.? ?

[2]金吉瓊,劉鴻,鄭賽晶.基于在線評論文本挖掘技術(shù)的電子煙市場消費(fèi)熱點(diǎn)分?析[J].煙草科技,2019,52(12):106-114.

[3]LuhnHP.Theautomaticcreationofliteratureabstracts[J]. IBM Journalofresearchanddevelopment,1958,2(2):159-165. ??????????????

[4]卓佳怡,于勁松,張力文,王浩然,吳聰,張舒,宋悅.基于 TF-IDF 算法的公文用?戶畫像[J].辦公自動化,2020,25(17):61-64.

[5] 曾小芹,余宏.基于 Python?的商品評論文本情感分析[J]. 電腦知識與技?術(shù),2020,16(08):181-183.? ? ? ?

[6]陳興蜀,常天祐,王海舟,趙志龍,張杰.基于微博數(shù)據(jù)的“新冠肺炎疫情”輿?情演化時空分析[J].四川大學(xué)學(xué)報(自然科學(xué)版),2020,57(02):409-416.? ? ??

[7]黎耀奇,謝禮珊.社會網(wǎng)絡(luò)分析在組織管理研究中的應(yīng)用與展望[J].管理學(xué)?報,2013,10(01):146-154.

[8]李明超,田丹,沈揚(yáng),JonathanShi,韓帥.融入 Attention 機(jī)制改進(jìn) Word2vec技 術(shù)?的 水 利 水 電 工 程 專 業(yè) 詞 智 能 提 取 與 分 析 方 法 [J]. 水 利 學(xué)報,2020,51(07):816-826.