NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据

全文链接:http://tecdat.cn/?p=2155

最近我们被客户要求撰写关于NLP自然语言处理的研究报告,包括一些图形和统计输出。

随着网民规模的不断扩大,互联网不仅是传统媒体和生活方式的补充,也是民意凸显的地带。领导干部参与网络问政的制度化正在成为一种发展趋势,这种趋势与互联网发展的时代需求是分不开的

人民网《地方领导留言板》是备受百姓瞩目的民生栏目,也是人民网品牌栏目,被称为“社情民意的集散地、亲民爱民的回音壁”。

基于以上背景,tecdat研究人员对北京留言板里面的留言数据进行分析,探索网民们在呼吁什么。

数量与情感

朝阳区群众最活跃

图表

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第1张图片

从上图可以看出不同地区留言板的情感倾向分布,总的来说,负面情感留言数目和积极情感相差不多,负面情感留言较多,占比46%,积极情感留言占比42%,中立情感的留言占比11%。

从地区来看,活跃在各大媒体的“朝阳区群众”留言数目也是最多的,其次是海淀区,昌平区。因此,从情感分布来看大部分留言还是在反应存在的问题,而不是一味赞美或者灌水。


点击标题查阅往期内容

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第2张图片

python主题建模可视化LDA和T-SNE交互式可视化

图片

左右滑动查看更多

图片

01

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第3张图片

02

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第4张图片

03

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第5张图片

04

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第6张图片

主题分析

外地户口问题呼声最高

接下来,我们对于语料进行LDA建模,就是从语料库中挖掘出不同主题并进行分析,换言之,LDA提供了一种较为方便地量化研究主题的机器学习方法。

我们使用最大似然估计进行最优化主题个数的选取。当主题个数定为20的时候,似然估计数最大,即留言板数据分为20个主题的可能性比较大。将模型生成的20个主题中的前五个高频词取出,如下表所示。

图表

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第7张图片

然后我们将占比最高的前六个主题与它们的情感倾向进行分析。

图表

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第8张图片

从上图可以看出大家关于6大主题的讨论:

主题1反应孩子,外地户口办理的问题是最多的,反应了外地落户北京相关的难题(e.g.父母在京工作20多年,儿女上学却因户口问题不能进入好的高校就读)。

主题2是反应环境改造及棚户改造(e.g.棚户房屋破旧、墙面潮湿、上下水管道老化腐烂现象严重经常造成跑冒滴漏,遇到雨雪天气,道路积水、泥泞不堪,大院居民尤其是老人小孩出行非常不便)。

主题3是反应高考和医保(e.g.外地人衷心的希望政府能关注一下孩子在北京的高考问题)。

主题4是汽车摇号政策(e.g.现行的摇号方案是不可行,治标不治本.有的摇号是一个人摇不上,全家人都出动;有的是想买车根本摇不号;有的是不想买车就摇上了)。

主题5是反应工资和租房问题(e.g.我是外地退休教师。因为孩子在北京工作,故到北京帮助孩子料理家务,以支持孩子工作。因为北京房价昂贵,我们买不起大房,三代人只能挤着住。我想问问市长,我们是否也能住公租房)。

主题6是违法建筑(e.g.XX雅苑许多一层业主私搭乱建成风,且物业无能,造成极大的安全隐患)。

地区、主题与情感得分

**\
**

接下来我们分析了不同主题和地区的情感倾向分布。从下图可以看出,主题3高考和医保、主题6 违法建筑、主题13教育拆迁的留言内容中积极情感占较大比例。

图表

NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第9张图片

我们发现在不同主题中情感得分最高的地区中海淀区最多,其次是朝阳区和大兴区。同时也可以发现,情感得分最高的是在主题11居民生活下的朝阳区留言内容。总的来说,根据积极情感的内容分布来看,主题3高考和医保、主题6 违法建筑、主题13教育拆迁的留言内容中表现出较好的反馈。


NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据_第10张图片

本文摘选 数据聆听人民网留言板的那些网事 ,点击“阅读原文”获取全文完整资料。


点击标题查阅往期内容

Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集\
自然语言处理NLP:主题LDA、情感分析疫情下的新闻文本数据\
R语言对NASA元数据进行文本挖掘的主题建模分析\
R语言文本挖掘、情感分析和可视化哈利波特小说文本数据\
Python、R对小说进行文本挖掘和层次聚类可视化分析案例\
用于NLP的Python:使用Keras进行深度学习文本生成\
长短期记忆网络LSTM在时间序列预测和文本分类中的应用\
用Rapidminer做文本挖掘的应用:情感分析\
R语言文本挖掘tf-idf,主题建模,情感分析,n-gram建模研究\
R语言对推特twitter数据进行文本情感分析\
Python使用神经网络进行简单文本分类\
用于NLP的Python:使用Keras的多标签文本LSTM神经网络分类\
R语言文本挖掘使用tf-idf分析NASA元数据的关键字\
R语言NLP案例:LDA主题文本挖掘优惠券推荐网站数据\
Python使用神经网络进行简单文本分类\
R语言自然语言处理(NLP):情感分析新闻文本数据\
Python、R对小说进行文本挖掘和层次聚类可视化分析案例\
R语言对推特twitter数据进行文本情感分析\
R语言中的LDA模型:对文本数据进行主题模型topic modeling分析\
R语言文本主题模型之潜在语义分析(LDA:Latent Dirichlet Allocation)

你可能感兴趣的:(数据挖掘深度学习人工智能算法)