质性研究•文本挖掘•情感分析

ATLAS.ti 是一个强大的工作台，用于对大量文本、图形、音频和视频数据进行定性分析。处理所有主要格式的文本文档，包括 txt、.doc、.docx、.odt，当然还有 .pdf。在一个或多个文档中执行全自动搜索、自动编码和其他强大的语义操作以提取含义。交互式边缘区域是 ATLAS.ti 中独一无二的工作空间。扎根理论、解释学、话语分析、知识社会学或现象学。 Transana5.0、NVivo MAXQDA一定会处理它们：无论是图像、视频、音频文件、归档笔记、调查，甚至是推文和 YouTube 评论，都可以通过MAXQDA 中的专用导入方式收集。 微词云是一款非常实用、简单的在线文字云、在线词云生成器。 问卷网是中国最大的免费网络调查平台，能够为企业或个人提供问卷创建、发布、管理、收集及分析服务。 iSlide是一款由成都艾斯莱德网络科技有限公司开发  基于PowerPoint的一键化效率插件，包含38个设计辅助功能，8大在线库超20万专业PPT模板素材。 飞鹰智能校对针对中文文本的校对需求，提供拼写纠错、语法纠错、标点纠错及敏感词检测等功能，现已开放通用领域以及司法、教育等专用领域的智能文本校对服务。 Convertio在线转换文件的简单工具。支持超过309种不同的文档、图像、电子表格、电子书、文档、演示文稿、音频和视频格式。 ProcessOnProcessOn是一个在线作图工具的聚合平台，它可以在线画流程图、思维导图、UI原型图、UML、网络拓扑图、组织结构图等等。 Clarabridge使用基于AI的文本和语音分析功能提供客户体验软件即服务。通常用于分析的数据来自社交媒体，呼叫中心注释，电子邮件，聊天和调查。该软件使用自然语言处理和其他专利技术，用于客户语音，客户体验管理和客户反馈程序。 Repustate 是一种情绪分析工具，可为企业提供 23 种不同语言的文本分析。 ParrallelDots 是一个应用人工智能研究小组，情感分析工具只是他们的一项服务。实际上，他们的产品可以分为产品、API 和插件，这是他们的情绪分析工具所在的位置。他们的情绪分析 API 使用长短期记忆 (LSTM) 算法将文本 blob 的情绪分为正面或负面。LSTM 将句子建模为基于上下文的遗忘-记忆决策链。 Hitech 是一款功能强大的情绪分析软件，提供数据分析、市场情报、数据处理和情绪分析工具等服务。他们以文本、语音、表情符号、图像、视觉等形式从产品和服务评论中提取意义而自豪。 MeaningCloud是一种软件即服务产品，使用户能够将文本分析和语义处理嵌入任何应用程序或系统中。以前的商标为Textalytics。MeaningCloud通过基于云的框架扩展了语义API的概念，该框架使语义处理集成到任何接近即插即用体验的系统中。 Lexalytics，Inc.为使用SaaS和基于云的技术的众多公司提供情感和意图分析。Lexalytics的引擎Salience 6是作为本地多语言文本分析引擎构建的。 NLPIR为“自然语言处理与信息检索共享平台”的英文缩写，它是一个中文语义分析工具，包括网络抓取、正文提取、中英文分词、词性标注、实体抽取、词频统计、关键词提取、语义信息抽取、文本分类、情感分析、语义深度扩展、繁简编码转换、自动注音、文本聚类等功能。 情感分析方法多被划分为以下三种： 1. 基于情感词典的情感分析方法基于情感词典的分析方法的普遍做法是，首先使用现成的情感词典对需要分析的文本进行情感词匹配，然后汇总情感词计算出整体评分，最后得到文本的整体情感倾向。目前使用较多的中文情感词典主要有两种：一种是BosonNLP情感词典，另一种是知网推出的情感词典。 2. 基于传统机器学习的情感分析方法机器学习是指用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。基于此的情感分析方法主要是采用有监督的学习方式，在有标注的训练语料上训练一个情感分类器，然后用于未标注数据的情感极性及具体情感属性预测。 3. 基于深度学习的情感分析方法深度学习是学习样本数据的内在规律和表示层次，让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。以此为基础的情感分析方法会自动提取文本特征，并通过神经网络学习文本中所蕴含的语义信息，达到情感分析的目的。 不需要编程的中英文情感分析工具： 1NCSU Tweet Sentiment Visualization (英文) 2Social Searcher (英文) 3RapidMiner + Aylien (英文) 4中国传媒大学国重自然语言处理综合服务平台（中文） 李然等.文本情绪分析综述[J].计算机研究与发展,2018,55(01):30-52. RapidMiner提供了多种方法来进行情感分析。文本挖掘 (Text Mining) 5NLPIR-Parser大数据语义智能分析平台（中文） 情感分析(SentimentAnalysis)又称意见挖掘、倾向性分析，是指对带有情感色彩的主观性文本进行分析、处理和抽取的过程，是自然语言处理技术的一个分支。 李寿山， 黄居仁 ． 基于 Stacking 组合分类方法的中文情感分类研究［J］． 中文信息学报，2010，24( 5) : 56 － 61 1.文本情感分析方法及应用综述  钟佳娃; 刘巍; 王思丽; 杨恒  数据分析与知识发现  2021-03-24 2.体育赛事网络舆情的传播特征研究——基于2019年女排世界杯的文本情感分析  王晓晨; 关硕; 于文博; 李芳  成都体育学院学报  2020-09-15 3.基于文本情感分析的电商在线评论数据挖掘  刘玉林; 菅利荣  统计与信息论坛  2018-12-10 4.基于深度循环神经网络的跨领域文本情感分析  余传明  图书情报工作  2018-06-05 5.基于主题挖掘技术的文本情感分析综述  朱晓霞; 宋嘉欣; 张晓缇  情报理论与实践  2019-07-16 6.基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析  刘继; 顾凤云  情报杂志  2022-03-25 7.大数据环境下文本情感分析算法的规模适配研究:以Twitter为数据源  余传明; 原赛; 王峰; 安璐  图书情报工作  2019-02-20 8.基于FastText字向量与双向GRU循环神经网络的短文本情感分析研究——以微博评论文本为例  范昊; 李鹏飞  情报科学  2021-04-01 9.基于共词分析的国内文本情感分析研究  陈红琳; 魏瑞斌; 张玮; 张宇航  现代情报  2019-05-30 10.一种基于金融文本情感分析的股票指数预测新方法  许雪晨; 田侃  数量经济技术经济研究  2021-12-05 Li K , Mai F , Shen R , et al. Measuring Corporate Culture Using Machine Learning[J]. The Review of Financial Studies, 2021. 《面向网络舆情的评论文本情感分析研究》，李光敏、张行文、张磊、杨朋英，《情报杂志》，2014-05-18。 《基于IDSSL的文本情感分析研究》，王刚、李宁宁、杨善林，《管理工程学报》，2018-05-21。 《文本情感分析方法研究综述》 《基于主题挖掘技术的文本情感分析综述》，朱晓霞、宋嘉欣、张晓缇，《情报理论与实践》，2019-07-16。 《基于共词分析的国内文本情感分析研究》，陈红琳、魏瑞斌、张玮、张宇航，《现代情报》，2019-05-30。 《文本情感分析方法及应用综述》，钟佳娃、刘巍、王思丽、杨恒，《数据分析与知识发现》，2021-03-24。 《基于混合词嵌入的双通道注意力网络中文文本情感分析》，周宁、钟娜、靳高雅、刘斌，《数据分析与知识发现》，2022-08-29。 《基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析》，刘继、顾凤云，《情报杂志》，2022-03-25。 情感分析的概念于2003年由Nasukawa提出，引起了大量研究人员的注意，并对此展开了广泛和深入的研究。 框架分析/文本情感分析/互文性分析方法/知识图谱分析法/文献计量法 中文文本情感分析综述（作者：魏韡 向阳 陈千） 周立柱， 贺宇凯， 王建勇． 情感分析研究综述［J］． 计算机应用， 2008，28( 11) : 2725 － 2729． 党蕾， 张蕾． 一种基于知网的中文句子情感倾向判别方法［J］．计算机应用研究， 2010，27( 4) : 1370 － 1372． 孟凡博， 蔡莲红， 陈斌，等． 文本褒贬倾向判定系统的研究［J］． 小型微型计算机系统，2009，30( 7) : 1458 － 1461． 网络舆情（Network public opinion）是指在互联网上流行的对社会问题不同看法的网络舆论，是社会舆论的一种表现形式，是通过互联网传播的公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点。 TextCNN是一种用于文本分类的卷积神经网络模型。它通过卷积操作提取文本特征，并使用这些特征来预测文本的类别。 这里面可能有两个概念比较容易混淆，一个是sentiment analysis，另一个是emotion analysis。一般我们说的情感分析都是sentiment，主要指的正面和负面的分析，然后emotion会更详细一些，它不仅包含正负面，还包含比如说生气、开心、高兴这些，会更加细粒度一些。 Shifterator是一个Python软件包，用于通过词移将文本之间的配对比较可视化，这是一种提取哪些词对两个文本之间的差异有贡献的一般方法，通过词移图可视化，详细的、可解释的水平条形图显示了词移的相互作用成分,可用于直接的文本比较、情感分析等场景。 张伶俐, 褚琦凯, 王桂娟, 等. 文本情感可视分析技术及其在人文领域的应用[J]. 大数据, 2022, 8(6): 56-73. Snownlp 是一个基于 Python 的中文文本情感分析工具，它可以帮助我们对中文文本进行情感分析。Snownlp 使用了自然语言处理和机器学习技术，能够判断一段中文文本的情感倾向，包括正面情感、负面情感以及中性情感。根据情感倾向的值，判断文本的情感倾向。通常情况下，sentiment 的值越接近 1 表示正面情感，越接近 0 表示负面情感，接近 0.5 表示中性情感。