房价微博情感分类研究-土地资源管理专业论文.docxVIP

Classified Index: C931.6 U.D.C: 065 Dissertation for the Master Degree in Management RESEARCH ON SENTIMENT RECOGNITION OF HOUSING PRICE TWITTER Candidate： Liu Jianwei Supervisor： Prof. Wang Hong Academic Degree Applied for： Master of Management Speciality： Land Resource Management Affiliation： School of Management Date of Defence： June, 2014 Degree-Conferring-Institution： Harbin Institute of Technology 摘 要 房价满意度作为衡量社会发展的一个重要指标，正在引起社会的广泛关注。 但是由于难以量化、数据收集繁琐、时效性弱等困难，相关研究无法深入。伴 随着互联网技术的不断进步，在线讨论平台的快速发展、壮大，如新浪微博、 主题论坛等，民众利用这些新兴渠道畅所欲言，在其中就包括与房价高度相关 的大量言论信息。这些信息背后就是民众对于房价的情感态度，是民众对于房 价满意度的一种碎片式表达，这些碎片化的信息中就包含着民众对于房价的满 意程度。房价微博情感分类，是指利用数据挖掘的方法，对大数量级的房价微 博进行情感倾向信息识别，借此为房价满意度研究提供支持。 本文以北京房价微博作为直接研究对象。首先，采集了以“北京房价”为 关键字的，2011 年 1 月到 2014 年 1 月这个时间段内的所有微博数据，其中有 效数据共计 59957 条。然后，基于 N-Gram 语言模型构建情感倾向分类器。通 过不断优化训练集使分类准确率达到 95%以上。最后，在准确率达到要求的前 提下，挖掘出蕴含在房价微博中民众对于房价的情感倾向。 依据本文前两章所取得的成果，对民众满意度与房价之间的关系进行实证 分析。首先，利用基于 N-Gram 语言模型的情感分类器对每月的北京房价微博 数据进行情感倾向识别，计算情绪得分，借此量化民众对于房价的满意程度。 然后，联系北京市每月的新建住宅销售价格指数这一相对值、住宅平均销售价 格这一绝对值，以及推算出的每月住宅销售价格增长率这三个变量进行统计分 析。最终，统计分析结果表明民众对于房价的满意程度受到房价绝对值和相对 值的显著影响，且房价相对值对其影响程度更强，相比于房价绝对值。进而， 联系所查阅文献与相关理论进行模型结果的解释。最后，本研究利用所取得的 成果，联系房地产实践领域，给予提高房地产领域民众满意度的建议。本研究 为中文文本情感倾向自动识别在房地产领域进行了新的探索，为政府制定公共 政策提供数据支持和理论基础，也为学者继续研究文本情感倾向提供很好的思 路。 关键词：房价微博；房价满意度；情感倾向；N-Gram 语言模型 I Abstract Housing price satisfaction is caused extensive concern of society as a measure of an important indicator of social development. But because it’s hard to quantify and collect the data,so relevant researches are unable to be further. Along with the advance of Internet technology, online discussion platforms develop quickly such as sina twitter, theme BBS, etc. People speak up sufficiently by these new channels. Some information of these speech associate with housing price high. These information is a kind of public housing price satisfaction fragment expression. Housing price twitter emotion classification, refers to information identification of the big orders of magnitude of house prices