评论主题与情感分析工具

背景

以特定主题为搜索词采集 YouTube 评论，往往有数千条。研究需要了解的是其中有哪些话题、分为几类，但靠人工从头读到尾，很难梳理出这些脉络。通常读了几百条，其余只能靠推测。

问题所在

仅统计“正面占多少”是不够的。先区分评论在谈论什么，才能知道情感指向何处。将主题划分与情感统计分开处理，再叠加分析，是这次要解决的问题。

此外，研究人员需要能够自行调整标准并反复运行。主题分为几个并没有标准答案，而是要边看数据边决定。如果这个值写死在代码里，每次调整都得联系我们。

解决方案

• 主题建模 —— 将评论划分为若干主题。主题数、训练次数、高频词数量均可在界面上直接调整
• 词频可视化 —— 以条形图展示出现频率最高的前 10 个词
• 主题包含比例 —— 以饼图展示包含指定主题的评论占全部评论的比例
• 情感分布 —— 同时查看正面、负面比例

结果

按搜索词采集的数千条评论，整理为按主题的分组和情感分布。界面中的两组数据显示，分别有 21.6% 和 24.4% 的评论包含指定主题。

调整标准后重新运行，由研究人员自行完成。

相关案例请见数据分析。

相关案例另见AI 应用。