何愉、衛(wèi)陳泉、陸鈺華

（國(guó)家統(tǒng)計(jì)局上海調(diào)查總隊(duì)，上海 200003）

基于深度神經(jīng)網(wǎng)絡(luò)與主題模型的文本情感分析
——以上海迪斯尼景區(qū)游客滿意度調(diào)查為例

何愉、衛(wèi)陳泉、陸鈺華

（國(guó)家統(tǒng)計(jì)局上海調(diào)查總隊(duì)，上海 200003）

本文嘗試以上海迪斯尼景區(qū)的網(wǎng)絡(luò)評(píng)價(jià)數(shù)據(jù)為例，通過(guò)深度神經(jīng)網(wǎng)絡(luò)和主題模型開展文本情感分析。在完成網(wǎng)絡(luò)數(shù)據(jù)爬取、基于隱馬爾可夫（HMM）模型的中文分詞、向量空間（VSM）模型將文本轉(zhuǎn)向量等一系列數(shù)據(jù)源和數(shù)據(jù)預(yù)處理工作后，通過(guò)機(jī)器學(xué)習(xí)中的多層感知器（MLP）神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，并構(gòu)建主題模型。本文將大數(shù)據(jù)的開發(fā)與當(dāng)前的統(tǒng)計(jì)調(diào)查有機(jī)結(jié)合，探索一條對(duì)社會(huì)各領(lǐng)域評(píng)價(jià)調(diào)查具有可復(fù)制可推廣的大數(shù)據(jù)調(diào)查模式。

文本挖掘；神經(jīng)網(wǎng)絡(luò)；主題模型；情感分析；VSM模型

隨著社會(huì)和科技的發(fā)展，尤其是在當(dāng)前大數(shù)據(jù)研究應(yīng)用的背景下，傳統(tǒng)調(diào)查受限于時(shí)間和空間，調(diào)查效率相對(duì)偏低，調(diào)查數(shù)據(jù)質(zhì)量控制難度和成本不斷增加，調(diào)查數(shù)據(jù)的時(shí)效性相對(duì)偏弱等不足進(jìn)一步顯現(xiàn)。大數(shù)據(jù)時(shí)代的來(lái)臨，為我們提供了全新的獲取數(shù)據(jù)的渠道，也為我們創(chuàng)新調(diào)查方式，更加快捷、高效、科學(xué)地評(píng)估用戶滿意度水平提供了一種可能。

本文嘗試以上海迪斯尼景區(qū)的網(wǎng)絡(luò)文本評(píng)價(jià)為例，通過(guò)深度神經(jīng)網(wǎng)絡(luò)和主題模型開展文本情感分析。當(dāng)前傳統(tǒng)的滿意度調(diào)查主要通過(guò)問(wèn)卷調(diào)查的方式開展，通過(guò)瀏覽網(wǎng)站不難發(fā)現(xiàn)，網(wǎng)絡(luò)評(píng)價(jià)分為定量評(píng)價(jià)（如打分、標(biāo)星）和定性評(píng)價(jià)（如文字描述）兩種。然而面對(duì)大數(shù)據(jù)，我們也會(huì)心生疑惑和忐忑，大數(shù)據(jù)的內(nèi)部結(jié)構(gòu)難以全面把握甚至不得而知，大數(shù)據(jù)的數(shù)據(jù)質(zhì)量參差不齊也無(wú)從考究，大數(shù)據(jù)的應(yīng)用結(jié)果缺乏驗(yàn)證和評(píng)估，因此如何應(yīng)用好大數(shù)據(jù)，挖掘出紛繁復(fù)雜，雜亂無(wú)章的大數(shù)據(jù)背后暗藏的規(guī)律，如何將大數(shù)據(jù)的開發(fā)與當(dāng)前的統(tǒng)計(jì)調(diào)查有機(jī)結(jié)合，成為有益的補(bǔ)充和替代；探索一條對(duì)社會(huì)各領(lǐng)域評(píng)價(jià)調(diào)查具有可復(fù)制可推廣的大數(shù)據(jù)調(diào)查模式，是我們研究的初衷和出發(fā)點(diǎn)。

課題研究將通過(guò)完成以下三大目標(biāo)，實(shí)現(xiàn)建模初衷。1.綜合運(yùn)用HMM分詞模型、VSM模型、MLP神經(jīng)網(wǎng)絡(luò)以及LDA主題模型，創(chuàng)新滿意度調(diào)查方式；2.將定性文字轉(zhuǎn)為定量評(píng)價(jià)，提高文本數(shù)據(jù)的挖掘分析能力；3.加深對(duì)大數(shù)據(jù)內(nèi)部維度結(jié)構(gòu)的認(rèn)知，更加細(xì)化對(duì)文本數(shù)據(jù)的挖掘等方面，開展積極地嘗試和探索。

一、研究路徑

（一）數(shù)據(jù)獲取

運(yùn)用網(wǎng)絡(luò)爬蟲技術(shù)，從攜程網(wǎng)、大眾點(diǎn)評(píng)、貓途鷹等旅游網(wǎng)站上獲得游客對(duì)香港迪斯尼、上海迪斯尼等景點(diǎn)的網(wǎng)絡(luò)評(píng)價(jià)，包括評(píng)論時(shí)間、文本評(píng)論、滿意度評(píng)價(jià)及相關(guān)用戶信息。

（二）數(shù)據(jù)預(yù)處理

經(jīng)過(guò)文本預(yù)處理，建立只有評(píng)論內(nèi)容的文本數(shù)據(jù)庫(kù)；基于隱馬爾可夫模型（HMM），通過(guò)公共詞庫(kù)、停用詞詞庫(kù)和自定義詞庫(kù)進(jìn)行中文分詞，經(jīng)過(guò)多次迭代和詞庫(kù)更新，形成最終分詞結(jié)果。最后通過(guò)向量空間模型（VSM），將分詞完畢的文本，轉(zhuǎn)化為文本向量，存入文本向量庫(kù)。

（三）建模（模型訓(xùn)練和比較）

首先MLP建模。通過(guò)機(jī)器學(xué)習(xí)中的多層感知器神經(jīng)網(wǎng)絡(luò)（MLP）進(jìn)行建模并評(píng)估結(jié)果，不斷的調(diào)整預(yù)測(cè)模型，直到預(yù)測(cè)結(jié)果達(dá)到預(yù)期準(zhǔn)確率。基于向量空間模型中的三種轉(zhuǎn)換方法，運(yùn)用多層感知器神經(jīng)網(wǎng)絡(luò)中的邏輯回歸（LR）和支持向量機(jī)（SVM）兩種算法進(jìn)行比較分析。其次構(gòu)建主題模型。通過(guò)LDA主題模型，對(duì)文本進(jìn)行潛語(yǔ)義分析，對(duì)潛在主題分類的相關(guān)特征的分析和甄別，確定相關(guān)主題。

（四）知識(shí)獲取

以上海迪斯尼景區(qū)的網(wǎng)絡(luò)評(píng)論滿意度為主要研究對(duì)象，比對(duì)世界各地迪斯尼景區(qū)，從整體滿意度水平、二級(jí)評(píng)價(jià)主題差異和分項(xiàng)滿意度差異、滿意度隨時(shí)間趨勢(shì)變化等多角度進(jìn)行挖掘，加強(qiáng)對(duì)網(wǎng)絡(luò)評(píng)論文本的深度解讀，從而能夠更有針對(duì)性地對(duì)評(píng)論對(duì)象提出意見(jiàn)建議。

二、數(shù)據(jù)來(lái)源和預(yù)處理

（一）軟件說(shuō)明：python語(yǔ)言

本課題運(yùn)用python語(yǔ)言編寫預(yù)處理和建模程序。

（二）數(shù)據(jù)來(lái)源：爬蟲獲取網(wǎng)絡(luò)評(píng)價(jià)

運(yùn)用網(wǎng)絡(luò)爬蟲技術(shù)，從攜程網(wǎng)、大眾點(diǎn)評(píng)、貓途鷹等旅游網(wǎng)站上成功獲得逾六萬(wàn)條游客對(duì)香港迪斯尼、上海迪斯尼等景點(diǎn)的網(wǎng)絡(luò)評(píng)價(jià)，包括評(píng)論時(shí)間、文本評(píng)論、滿意度評(píng)價(jià)以及用戶信息。其中部分文本評(píng)論用于神經(jīng)網(wǎng)絡(luò)建模的訓(xùn)練和測(cè)試；另外一部分文本評(píng)論用于模型機(jī)器打分（見(jiàn)表1）。進(jìn)行文本預(yù)處理，純化文本內(nèi)容，去除HTML標(biāo)記，形成只有評(píng)論內(nèi)容的純文本，并存入評(píng)論文本數(shù)據(jù)庫(kù)。

表1 課題數(shù)據(jù)源信息表

（三）訓(xùn)練語(yǔ)料評(píng)估:德?tīng)柗品ù_定語(yǔ)料噪音比例

隨機(jī)抽樣選取一定比例的訓(xùn)練語(yǔ)料,進(jìn)行人工背靠背打分,將打分結(jié)果和原始滿意度分值進(jìn)行比較,確定“噪點(diǎn)”（主客觀偏差較大的數(shù)據(jù)）比例。若比例過(guò)高，則前期需增加對(duì)“噪點(diǎn)”語(yǔ)料的篩選和剔除；若比例較低，“噪點(diǎn)”語(yǔ)料不會(huì)影響后期機(jī)器學(xué)習(xí)效果，可直接運(yùn)用于下階段分析使用。通過(guò)背靠背打分，發(fā)現(xiàn)原始語(yǔ)料噪點(diǎn)比例為0.5%，可直接使用。

（四）文本分詞：運(yùn)用“隱馬爾可夫模型”對(duì)文本評(píng)價(jià)分詞

第一階段：初步分詞，運(yùn)用公用詞庫(kù)和自定義詞庫(kù)對(duì)評(píng)論文檔進(jìn)行分詞；

第二階段：去停用詞，停用詞主要為副詞和標(biāo)點(diǎn)等，去除一些在文本中常用的詞語(yǔ)，比如“的”“嗎”等；合并數(shù)字和人名等詞匯；數(shù)字或者人名等詞匯在具體的分析過(guò)程中一般不會(huì)起到非常大的作用，人工將其去除；

第三階段：自定義詞庫(kù)更新，將每次分詞發(fā)現(xiàn)的新詞不斷加入自定義詞庫(kù)。經(jīng)過(guò)多次的迭代和詞庫(kù)的更新，形成最終的分詞結(jié)果（限于篇幅，此處省略）。

（五）向量空間（VSM）:文本轉(zhuǎn)換為向量

情感分析利用神經(jīng)網(wǎng)絡(luò),將一條條分詞完畢的文本評(píng)價(jià)轉(zhuǎn)換為向量，這樣計(jì)算機(jī)才能夠讀取和學(xué)習(xí)。在轉(zhuǎn)換的過(guò)程中，列指標(biāo)即特征向量。特征提取指選取能夠表征目標(biāo)結(jié)構(gòu)的一種表示方法，進(jìn)而擁有分類和判決。本課題運(yùn)用VSM模型將一條分詞完畢的評(píng)論轉(zhuǎn)換為向量，具體分PVDM（Distributed Memory Model of Paragraph Vectors）和PV-DBOW（Distributed Bag of Words version of Paragraph Vector）兩種算法（見(jiàn)圖1）。相較于CBOW（從上下文推本詞）和skip-gram（從本文推上下文），VSM的方法在前者基礎(chǔ)上加入了段落標(biāo)志，從而能夠達(dá)到更好的分詞效果。DBOW、DM等向量空間模型，分詞中只需解決未登錄詞，無(wú)需刪除大量停用詞以及預(yù)先導(dǎo)入同義詞庫(kù)，大大簡(jiǎn)化了分詞的難度。

具體操作：

步驟一：將每條分詞完畢的評(píng)論運(yùn)用PV-DM方法轉(zhuǎn)換為[1*200]的向量；

步驟二：將每條分詞完畢的評(píng)論運(yùn)用PV-DBOW方法轉(zhuǎn)換為[1*200]的向量；

步驟三：將上述兩種轉(zhuǎn)換方法得到的向量合并，構(gòu)造得出[1*400]的向量。

圖1 DM和DBOW的說(shuō)明

三、機(jī)器學(xué)習(xí)建模與模型比較分析

（一）思路框架

在建立模型的時(shí)候，本課題選用監(jiān)督式機(jī)器學(xué)習(xí)的算法。將模型預(yù)測(cè)結(jié)果與“訓(xùn)練數(shù)據(jù)”的實(shí)際結(jié)果進(jìn)行比較，不斷的調(diào)整模型，直到模型的預(yù)測(cè)結(jié)果達(dá)到一個(gè)預(yù)期的準(zhǔn)確率。本課題嘗試探索應(yīng)用多層感知器神經(jīng)網(wǎng)絡(luò)，并使用多種目標(biāo)函數(shù)（邏輯回歸和支持向量機(jī)等）開展比較研究。

（二）主要步驟

1.數(shù)據(jù)建模

在前期文本轉(zhuǎn)換為向量的基礎(chǔ)上（dov2vec），運(yùn)用機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（MLP）算法，構(gòu)建模型。在評(píng)分標(biāo)準(zhǔn)方面，二分法雖較簡(jiǎn)化，機(jī)器學(xué)習(xí)的判別也更簡(jiǎn)單，但也損失了部分信息?；诖?，課題組通過(guò)五分法，使機(jī)器學(xué)習(xí)能夠獲取更多信息，文本情緒層次進(jìn)一步得到細(xì)化，輸出結(jié)果可解讀性更強(qiáng)。

2.模型驗(yàn)證

采用隨機(jī)交叉驗(yàn)證。在所有用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的評(píng)論中，80%用于建模（含訓(xùn)練和評(píng)估），20%用來(lái)測(cè)試模型效果。在80%用于建模的評(píng)論中，采用隨機(jī)交叉驗(yàn)證法，其中80%用于訓(xùn)練模型，20%用于評(píng)估模型每一次迭代訓(xùn)練的收斂效果。

3.運(yùn)用兩種目標(biāo)函數(shù)（邏輯回歸和支持向量機(jī)）

神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)，選擇邏輯回歸（categorical crossentropy）和支持向量機(jī)(hinge loss)進(jìn)行比較分析。

（三）神經(jīng)網(wǎng)絡(luò)建模的結(jié)果

在建模中分別使用邏輯回歸和支持向量機(jī)輸出的總體滿意度得分和預(yù)測(cè)準(zhǔn)確率見(jiàn)表2。兩種目標(biāo)函數(shù)分別對(duì)應(yīng)分布詞袋模型（DBOW）、分布記憶模型（DM）以及兩種方式的結(jié)合（DBOW+DM）等三種向量空間模型，進(jìn)行建模。從整體滿意度看，兩種方法得到的評(píng)分水平比較相近；在預(yù)測(cè)準(zhǔn)確率方面，邏輯回歸略高于支持向量機(jī)，其中基于分布詞袋模型（DBOW）的邏輯回歸的準(zhǔn)確率最高，達(dá)0.489。

表2 兩種目標(biāo)函數(shù)建模結(jié)果比較

四、LDA主題模型

（一）LDA原理

由于神經(jīng)網(wǎng)絡(luò)模型輸出結(jié)果僅能反映整體評(píng)價(jià)情況，不能提供細(xì)致的深入發(fā)現(xiàn)和認(rèn)知，因此進(jìn)一步引入LDA主題模型，挖掘文檔集合中的重要主題。

LDA是一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，可以用來(lái)識(shí)別大規(guī)模文檔集（document collection）或語(yǔ)料庫(kù)（corpus）中潛藏的主題信息。LDA可以找到產(chǎn)生文本的最佳主題和詞匯，最大程度地表示文本中所蘊(yùn)含的含義，信息丟失較少，能夠較好地解決詞匯、主題和文本之間的語(yǔ)義關(guān)聯(lián)問(wèn)題。

該模型假設(shè)：每個(gè)文本包含一定數(shù)量的隱含主題，每個(gè)主題包含特定的詞；文本和詞匯間的關(guān)系通過(guò)隱含主題體現(xiàn)；文本到主題服從狄利克雷（Dirichlet）分布，主題到詞服從多項(xiàng)式分布。

（二）建模過(guò)程

對(duì)上海迪斯尼的評(píng)價(jià)文本按照標(biāo)點(diǎn)符號(hào)進(jìn)行分句，再進(jìn)行分詞處理，將得到的文檔輸入LDA模型。模型共設(shè)置20個(gè)分類，并在各分類中選取20個(gè)出現(xiàn)概率最高的關(guān)鍵詞，自迭代500次（限于篇幅，此處省略LDA主題分類和關(guān)鍵詞提取的輸出結(jié)果表）。

（三）建模結(jié)果

通過(guò)關(guān)鍵詞的解讀，分析該項(xiàng)分類的具體特征，確定相對(duì)應(yīng)的主題分類。在20個(gè)分類中，最終確定了15個(gè)分類，歸入餐飲、排隊(duì)時(shí)間、游玩設(shè)施、服務(wù)管理、游玩項(xiàng)目、交通、趣味性、園內(nèi)演出和購(gòu)物等9個(gè)主題；另外5個(gè)分類沒(méi)有明顯的含義，故未歸入任何主題。并通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)上述9個(gè)主題進(jìn)行文本情緒分析，即獲得相應(yīng)的滿意度水平（見(jiàn)圖2）。

圖2 邏輯回歸（DBOW）分項(xiàng)主題評(píng)分結(jié)果

五、實(shí)證結(jié)論

（一）模型選擇

比較分別采用支持向量機(jī)和邏輯回歸作為目標(biāo)函數(shù)的神經(jīng)網(wǎng)絡(luò)模型輸出結(jié)果，分析其總體滿意度和分項(xiàng)主題滿意度打分的匹配度，我們可以發(fā)現(xiàn)，采用邏輯回歸(DBOW)的方法得到的總體滿意度為3.83分，而分項(xiàng)主題的加權(quán)平均滿意度為3.96分，兩者差異（0.13分）最小。其他5種方法的各分項(xiàng)滿意度加權(quán)值均高于總體滿意度，差異介于0.19-0.47分之間，相對(duì)較大（見(jiàn)表3）。由此可見(jiàn)，在神經(jīng)網(wǎng)絡(luò)建模過(guò)程中采用DBOW向量空間模型和邏輯回歸目標(biāo)函數(shù)，輸出結(jié)果中總體和分項(xiàng)的匹配度更高，輸出結(jié)果更為合理。

表3 兩種目標(biāo)函數(shù)建模結(jié)果比較

（二）主題模型實(shí)證結(jié)論

通過(guò)主題模型和神經(jīng)網(wǎng)絡(luò)模型，分別對(duì)上海、香港、東京等迪士尼樂(lè)園的相關(guān)主題分項(xiàng)進(jìn)行滿意度打分（見(jiàn)表4）。

表4 分項(xiàng)主題滿意度評(píng)分結(jié)果

三大迪斯尼景區(qū)的游客對(duì)“趣味性”的滿意度水平較高，均列前三位；而游客對(duì)“餐飲”的滿意度水平普遍較低，上海和東京墊底，香港倒數(shù)第二。與香港和東京迪斯尼橫向比較，上海迪斯尼盡管在“交通”、“趣味性”和“游樂(lè)項(xiàng)目”等方面的滿意度水平較高，但仍存在以下薄弱環(huán)節(jié)：一是“餐飲”，游客對(duì)園區(qū)餐飲的價(jià)格、菜品以及用餐環(huán)境等方面的滿意度較低；二是“排隊(duì)時(shí)間”，入園排隊(duì)以及項(xiàng)目排隊(duì)時(shí)間較長(zhǎng)對(duì)游客滿意度影響較大；三是“游玩設(shè)施”，尤其是在園區(qū)試運(yùn)行和開園次月中，游客對(duì)游玩設(shè)施的頻繁故障維修、設(shè)備檢修未及時(shí)告知等問(wèn)題產(chǎn)生一定的不滿情緒。因此，園區(qū)可集中針對(duì)上述當(dāng)前較為突出的三方面問(wèn)題，進(jìn)一步加以重視和改善，從而更有針對(duì)性、更快速地提升游客滿意度。

六、課題研究創(chuàng)新之處

（一）可量化：將定性文字轉(zhuǎn)為滿意度定量評(píng)價(jià)

多層神經(jīng)網(wǎng)絡(luò)建模能夠?qū)包c(diǎn)的文本評(píng)論進(jìn)行情緒分析，從而客觀打分。通過(guò)不斷地加入新增的文字評(píng)論（即語(yǔ)料），機(jī)器學(xué)習(xí)的能力將不斷增強(qiáng)，建模效果將不斷提升。機(jī)器學(xué)習(xí)將定性文字評(píng)價(jià)轉(zhuǎn)變?yōu)槎吭u(píng)估，從而更易于縱向和橫向比較，不斷深化數(shù)據(jù)挖掘和分析。以迪斯尼為例，基于大眾點(diǎn)評(píng)、攜程網(wǎng)等旅游網(wǎng)站關(guān)于香港迪斯尼樂(lè)園和上海迪斯尼樂(lè)園的文本評(píng)價(jià)，得到上海迪斯尼的滿意度得分為3.83分，香港迪斯尼的滿意度得分為4.23分。

（二）可洞察：運(yùn)用主題模型認(rèn)知對(duì)象維度結(jié)構(gòu)

為了挖掘文檔集合中的重要主題，LDA主題模型被引入進(jìn)來(lái)。將5000多條有關(guān)上海迪斯尼的文本評(píng)價(jià)構(gòu)建出9大主題，并獲得相對(duì)應(yīng)的滿意度水平。課題研究分析表明，市民對(duì)游玩項(xiàng)目的關(guān)注度最高；對(duì)園區(qū)交通、趣味性的整體滿意度較高；對(duì)餐飲、排隊(duì)時(shí)間和游玩設(shè)施的滿意度相對(duì)偏低，有待改善。

（三）可時(shí)點(diǎn)化：突破調(diào)查時(shí)間和空間上的局限

課題研究除了能同時(shí)掌握上海、香港和東京等不同地區(qū)迪斯尼同一時(shí)間段內(nèi)的滿意度水平，還能掌握景區(qū)在不同時(shí)間段內(nèi)的滿意度水平變化。以上海迪斯尼為例，保留了評(píng)論時(shí)間這一數(shù)據(jù)標(biāo)簽，課題組以“周”作為時(shí)間劃分段，計(jì)算上海迪斯尼一段時(shí)間內(nèi)的時(shí)點(diǎn)數(shù)據(jù)。通過(guò)數(shù)據(jù)發(fā)現(xiàn)，上海迪斯尼在試運(yùn)行期間的滿意度呈現(xiàn)下降態(tài)勢(shì)；隨著園區(qū)正式開園，滿意度呈波動(dòng)上行態(tài)勢(shì)；但開園次月后，滿意度呈現(xiàn)下降走勢(shì)。

進(jìn)一步分析分項(xiàng)主題滿意度的走勢(shì)（見(jiàn)圖3），可以發(fā)現(xiàn)游客對(duì)“交通”、“趣味性”等的滿意度評(píng)價(jià)較好且呈不斷上升趨勢(shì)，對(duì)“餐飲”等的滿意度較低且基本呈下降趨勢(shì)。對(duì)于“排隊(duì)時(shí)間”、“購(gòu)物”的滿意度雖然較低，但是開園次月的滿意度比試運(yùn)行期和開園首月已有明顯改善；對(duì)“游玩項(xiàng)目”的滿意度雖較高，但開園次月的滿意度卻有一定下降。通過(guò)分項(xiàng)主題滿意度走勢(shì)分析，園區(qū)能夠更為精準(zhǔn)地發(fā)現(xiàn)影響整體滿意度水平變化的主要因素、對(duì)某方面的改進(jìn)措施是否起效、仍有待改進(jìn)的方面在何處等問(wèn)題。

圖3 上海迪斯尼分項(xiàng)主題游客滿意度水平走勢(shì)圖

七、課題研究?jī)r(jià)值與改進(jìn)方向

（一）課題研究?jī)r(jià)值

1.在調(diào)查時(shí)間和空間上突破傳統(tǒng)調(diào)查局限性

傳統(tǒng)調(diào)查時(shí)，需要在一段時(shí)期中開展不間斷調(diào)查，往往耗費(fèi)大量的人財(cái)物，所以往往在有限的經(jīng)費(fèi)預(yù)算情況下，采取抽樣調(diào)查的方法，了解在這個(gè)時(shí)點(diǎn)上的調(diào)查結(jié)果。本課題突破了這種局限性，能在連續(xù)的時(shí)間并且在不同的空間中完成調(diào)查任務(wù)，達(dá)成傳統(tǒng)調(diào)查難以完成的效果。

2.成為傳統(tǒng)統(tǒng)計(jì)調(diào)查的有益補(bǔ)充甚至替代

通過(guò)機(jī)器學(xué)習(xí)加強(qiáng)對(duì)大數(shù)據(jù)的挖掘，尤其是對(duì)文本數(shù)據(jù)的挖掘和開發(fā)，是對(duì)傳統(tǒng)的入戶調(diào)查、攔截調(diào)查、電話調(diào)查等調(diào)查方式的一種有效補(bǔ)充，能夠相互驗(yàn)證和評(píng)估。簡(jiǎn)而言之，大數(shù)據(jù)的數(shù)據(jù)導(dǎo)向方式與問(wèn)卷調(diào)研的立論導(dǎo)向方式能夠更好地配合，從而協(xié)助我們對(duì)研究問(wèn)題更客觀的理解和對(duì)研究結(jié)果更科學(xué)的評(píng)估。不斷加深對(duì)機(jī)器學(xué)習(xí)技術(shù)的掌握，不但是提高統(tǒng)計(jì)效能的“利器”，甚至可成為傳統(tǒng)統(tǒng)計(jì)調(diào)查的有益補(bǔ)充和替代。

3.對(duì)社會(huì)各領(lǐng)域的評(píng)價(jià)調(diào)查具有可復(fù)制、可推廣性

本課題對(duì)文本數(shù)據(jù)的挖掘與開發(fā)模式，可進(jìn)一步在其他旅游景點(diǎn)評(píng)價(jià)調(diào)查中加以復(fù)制推廣，并可以延伸至公共服務(wù)評(píng)價(jià)、輿情監(jiān)測(cè)、政策反饋等社會(huì)各領(lǐng)域中，尤其是同時(shí)涉及用戶文字評(píng)價(jià)和打分的相關(guān)調(diào)查和研究。課題組在后續(xù)的研究中已將課題成果應(yīng)用于上海市A級(jí)旅游景點(diǎn)調(diào)查和創(chuàng)建國(guó)家食品安全城市滿意度評(píng)價(jià)調(diào)查，并將網(wǎng)絡(luò)文本挖掘結(jié)果與傳統(tǒng)調(diào)查結(jié)果進(jìn)行比較分析。

（二）課題改進(jìn)方向

一是數(shù)據(jù)源有待進(jìn)一步拓展豐富，除了專門的評(píng)分類網(wǎng)站數(shù)據(jù)之外，可考慮納入微信、微博等各類個(gè)人社交網(wǎng)絡(luò)的評(píng)論、新聞評(píng)論、論壇帖子等相關(guān)文本。二是建模的效果受VSM、MLP等機(jī)器學(xué)習(xí)算法的參數(shù)值影響，如向量大小、神經(jīng)網(wǎng)絡(luò)各層的節(jié)點(diǎn)數(shù)、訓(xùn)練速率、迭代次數(shù)等。三是對(duì)文本情緒進(jìn)行判別時(shí)，本文采用了神經(jīng)網(wǎng)絡(luò)+邏輯函數(shù)和神經(jīng)網(wǎng)絡(luò)+支持向量機(jī)兩種方法，可考慮采用隨機(jī)森林等其他模型進(jìn)一步進(jìn)行驗(yàn)證和優(yōu)化。

（責(zé)任編輯：曹家樂(lè)）