R語言與網絡輿情處理 ( 簡體 字) |
| 作者：于衛紅 | 類別：1. -> 程式設計 -> R語言 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 48331
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：1/1/2018 |
| 頁數： |
| 光碟數：0 |
|
站長推薦：   |
| 印刷： | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 |
| ISBN：9787302482574 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：2013年8月19日和20日，習近平總書記出席全國宣傳思想工作會議并發表重要講話； 2014年10月15日，習近平總書記主持召開文藝工作座談會并發表重要講話； 2015年12月25日，習近平總書記視察解放軍報社并發表重要講話； 2016年2月19日，習近平總書記到人民日報社、新華社、中央電視臺三家中央新聞單位進行了實地調研后，主持召開黨的新聞輿論工作座談會并發表重要講話。從這些講話中，我們可以深刻地領會到： 黨中央高度重視輿論宣傳工作，根據形勢發展的需要，更是把網絡輿情監督和引導當作重中之重來抓。
在當前的互聯網及大數據的時代背景下，網絡輿情形成迅速，影響著社會生活的方方面面，如何高效全面地采集輿情數據并利用數據挖掘算法及數據分析工具將輿情文本中有價值的信息挖掘出來，對于輿情監管、輿情研判、輿情引導至關重要。網絡信息的不斷膨脹給輿情工作提出了新的挑戰，為了更好地進行輿情收集、輿情研判、加快構建輿情引導新格局，輿情工作方式、輿情管理思維、輿情數據分析技術等都需要不斷創新。
作者在本書的寫作過程中閱讀了大量的相關文獻。文獻研究表明，目前，越來越多的學者加入到了網絡輿情的基礎理論、支撐技術和演化機制等的研究中，網絡輿情的研究視角日益多樣化，研究內容也越來越深入。從網絡輿情分析的視角來看，其核心技術主要包括自然語言處理、文本分類、文本聚類、關聯分析、智能預測等，相應的理論、算法等也日臻成熟。但是，在實際的網絡輿情分析各個環節中，輿情信息如何有效地采集、輿情分析算法如何高效地實現、輿情分析結果如何可視化展示等問題仍然困擾著很多研究者和輿情分析人員。
基于上述考慮，本書以R語言作為輿情分析工具，在闡述相關原理的基礎上，介紹了網絡輿情信息采集、輿情信息預處理、輿情文本分類、輿情文本聚類、輿情數據關聯規則挖掘、輿情預測等的技術和方法。作為數據分析的利器，與其他流行的統計分析軟件（如Excel、Matlab、SAS、SPSS等）相比，R語言的優勢主要體現在開源免費、易于擴展、數據包豐富、可視化功能強大、可運行于多種平臺。
本書力求簡明扼要、提供有價值的知識，以最淺顯的語言、詳盡的R語言實現代碼向讀者循序漸進地展現網絡輿情分析的完整過程。本書共8章，具體章節結構如下。
第1章網絡輿情與輿情分析概述： 主要介紹了網絡輿情的定義及特征，并對網絡輿情的研究熱點及相關技術做了概述。
第2章R語言基礎： 為了幫助不熟悉R語言的讀者盡快入門，本章主要從數據讀寫、基本語法、繪圖三方面對R語言的使用做了言簡意賅的介紹。
第3章網絡輿情信息采集及R爬蟲的實現： 介紹了網絡輿情信息采集的基本原理、八爪魚數據采集器的使用，并通過示例講解了如何使用R語言開發一個簡單的信息采集爬蟲。
第4章基于R語言的輿情信息預處理： 介紹輿情信息預處理中分詞、去停用詞、詞頻統計、文本向量化等的基本原理以及R語言實現方法。
第5章基于R語言的網絡輿情分類： 從分類的基本原理入手，介紹了決策樹分類算法、網絡輿情分類的基本原理，并通過“微信公眾號文章分類”這一示例講解了使用R語言進行網絡輿情分類的方法和步驟。
第6章基于R語言的網絡輿情熱點話題聚類： 介紹了聚類的基本原理、經典的聚類算法、聚類算法在輿情分析中的應用，并通過“電商顧客評論熱點話題聚類”這一商務輿情分析示例講解了使用R語言進行網絡輿情聚類的方法和步驟。
第7章基于R語言的網絡輿情關聯規則挖掘： 介紹了關聯規則挖掘的基本原理、常用的關聯規則挖掘算法、關聯規則在輿情分析中的應用，并通過“霧霾輿情熱點詞關聯模式挖掘”這一示例講解了使用R語言進行網絡輿情關聯分析的方法和步驟。
第8章基于R語言與BP神經網絡的網絡輿情分析： 介紹了BP神經網絡的算法原理、BP神經網絡在輿情分析中的應用，并通過“微博轉發數與評論數預測”這一示例講解了使用R語言與神經網絡進行網絡輿情相關指標預測的方法和步驟。
本書系2015年度教育部人文社會科學研究規劃基金項目“微信環境下基于大數據的高校輿情監管機制研究”（項目編號： 15YJAZH102）研究成果之一。本書內容淺顯易懂、代碼詳盡，希望能對輿情工作者及研究人員有所裨益。由于作者學識有限，書中難免有所疏漏，在此表示歉意，并請讀者朋友們不吝賜教。最后感謝清華大學出版社為本書的出版所做的努力。
大連海事大學于衛紅
2017年3月
|
內容簡介：進入互聯網時代后，網絡輿情形成迅速，影響著社會生活的方方面面，如何高效全面地采集輿情數據并利用數據挖掘算法及數據分析工具將輿情文本中有價值的信息挖掘出來，對于輿情監管、輿情研判、輿情引導至關重要。本書以R語言作為輿情分析的工具，在闡述相關原理的基礎上，介紹了網絡輿情信息采集、輿情信息預處理、輿情文本分類、輿情文本聚類、輿情數據關聯規則挖掘、輿情相關指標預測等輿情分析環節，所有分析都使用R語言進行實現，給出了完整的過程和代碼。本書可以作為輿情處理、數據分析等教學或科研的技術參考書，適于本科生、研究生、數據分析愛好者、輿情分析工作者及研究人員等閱讀參考。 |
目錄：第1章網絡輿情與輿情分析概述
1.1輿情與網絡輿情的基本概念
1.1.1輿情的起源及定義
1.1.2網絡輿情
1.2網絡輿情的特征及表現形式
1.3網絡輿情分析技術
1.3.1網絡輿情分析的研究熱點
1.3.2網絡輿情分析的步驟
1.3.3網絡輿情分析的常用技術
第2章R語言基礎
2.1R語言簡介
2.1.1R語言的起源、特點及安裝
2.1.2R語言的基本操作
2.1.3R語言的常用命令
2.1.4包的安裝與加載
2.2數據操作
2.2.1基本數據類型
2.2.2數據結構
2.2.3數據讀寫
2.2.4數據的描述性統計
2.3R語言語法
2.3.1分支結構
2.3.2循環結構
2.3.3R語言函數
2.3.4apply函數族
2.4R語言繪圖
2.4.1條形圖
2.4.2餅圖
2.4.3直方圖
2.4.4散點圖
第3章網絡輿情信息采集及R爬蟲的實現
3.1網絡輿情信息采集的基本原理
3.1.1網絡爬蟲及其主要類型
3.1.2爬蟲的工作流程
3.2免費的網絡輿情采集利器——八爪魚數據采集器
3.2.1簡介
3.2.2下載、安裝、啟動與注冊賬號
3.2.3八爪魚采集器的使用
3.3基于R語言的信息采集爬蟲的開發
3.3.1HTTP
3.3.2RCurl包
3.3.3XML包
3.3.4基于RCurl包與XML包的爬蟲示例
第4章基于R語言的輿情信息預處理
4.1分詞處理
4.1.1分詞的基本原理
4.1.2使用Rwordseg包進行分詞
4.1.3使用jiebaR包進行分詞
4.2去停用詞
4.2.1什么是停用詞
4.2.2R語言中去停用詞的方法
4.3詞頻統計
4.3.1詞頻統計常用函數
4.3.2詞云可視化
4.4文本向量化
4.4.1語料庫與文本向量空間
4.4.2R語言中語料庫的構建
4.4.3R語言中文本向量的構建——文檔詞條矩陣
第5章基于R語言的網絡輿情分類
5.1分類的定義及其基本原理
5.1.1分類的定義
5.1.2分類的基本原理
5.2經典的分類算法——決策樹算法
5.2.1什么是決策樹
5.2.2決策樹算法的基本思想
5.3分類算法在輿情分析中的應用
5.3.1網絡輿情分類的基本原理
5.3.2網絡輿情分類的常用算法及其R語言實現
5.4基于R語言的網絡輿情分類示例——微信公眾號文章分類
5.4.1問題描述
5.4.2數據采集
5.4.3微信公眾號文章分類的R語言實現
第6章基于R語言的網絡輿情熱點話題聚類
6.1聚類的定義及其基本原理
6.1.1聚類的定義
6.1.2聚類的基本原理
6.2經典的聚類算法
6.2.1K拟Means聚類
6.2.2層次聚類
6.3聚類算法在輿情分析中的應用及其R語言實現
6.4基于R語言的網絡輿情聚類分析示例——電商顧客評論熱點話題聚類
6.4.1問題描述
6.4.2數據采集
6.4.3電商商品評論聚類分析的R語言實現
第7章基于R語言的網絡輿情關聯規則挖掘
7.1關聯規則挖掘的定義及其基本原理
7.1.1什么是關聯規則挖掘
7.1.2關聯規則挖掘的基本原理
7.2常用的關聯規則挖掘算法
7.2.1Apriori算法
7.2.2Eclat算法
7.3關聯規則挖掘在輿情分析中的應用及其R語言實現
7.4基于R語言的網絡輿情關聯分析示例——霧霾輿情熱點詞關聯
模式挖掘
7.4.1問題描述
7.4.2數據采集
7.4.3霧霾輿情熱點詞關聯模式挖掘的R語言實現
第8章基于R語言與BP神經網絡的網絡輿情分析
8.1BP神經網絡概述
8.1.1什么是人工神經網絡
8.1.2什么是BP神經網絡
8.2BP神經網絡的算法原理
8.2.1BP神經網絡的算法流程
8.2.2數據的歸一化處理
8.3BP神經網絡在輿情分析中的應用及其R語言實現
8.4基于R語言與神經網絡的輿情分析示例——微博轉發數與評論數預測
8.4.1問題描述
8.4.2數據采集
8.4.3基于R語言與神經網絡的微博轉發數與評論數預測的實現
參考文獻
|
| 序： |
