在线评论内容文本分析有哪些参考案例

想做基于在线评论文本信息的内容分析，有哪些案例可以参考？

基于机器学习的老年手机用户中文评论情感分析--以京东数据为例
来源：中国知网
摘要：本文以京东商城老年人智能手机评论为例,基于网络爬虫及自然语言处理技术,紧紧围绕老年人对智能手机的需求特点,对京东商城20多万相关手机评论文本语料进行数据建模
关键词：老龄化; 语义网络; LDA; LSTM;

我也在做这方面的论文，但是我查到的都是偏重技术的，真正去解答一个研究问题，展示解答过程的文章才是我关心的。而技术方面很成熟了，我用集搜客分词和分析工具，发现涉及到文本挖掘的技术都够用了，即使再高级的神经网络模型我不关心，我只想学会内容分析的方法和操作流程，解答好我的研究问题

发誓学好内容分析 发表于 2020-3-13 09:44
我也在做这方面的论文，但是我查到的都是偏重技术的，真正去解答一个研究问题，展示解答过程的文章才是我关 ...

《基于内容分析法的城市旅游政务微博内容特性研究》虽然不是以微博评论作为分析单位，而是用微博博文做研究，但它的研究思路值得借鉴下。
文章采用内容分析法，以"西安市旅游发展委员会“微博2016—2018年三年间发布的原创微博”为研究对象，从高频特征词、语义网络和主题内容三个方面，分析了城市旅游政务微博的主题内容特征，并探究了其热门微博的主题内容。

ym 发表于 2020-3-13 10:00
《基于内容分析法的城市旅游政务微博内容特性研究》虽然不是以微博评论作为分析单位，而是用微博博文做研 ...

我粗略读了一下这篇内容分析报告，我也用集搜客的社交网络图展示高频词的关系，这篇报告是这样说的

语义网络分析：

由于高频词分析无法反映词组在意义上的联系和文本的深层次结构关系，有必要对旅游委微博中的高频特征词进行语义网络分析，进一步明确这些词汇之间的共现关系以及它们所代表的真实含义和彼此间的内在相关性，挖掘出这些高频特征词背后更加深层的逻辑联系。
图１为基于４７５个高频特征词绘制的语义网络图，其中线条表示所连接高频特征词之间的语义联系，两个高频特征词之间的距离越近，意味着这两个词的共现关系越强烈。从图１可以发现，“西安”和“旅游”为两大核心词汇，在这两大核心周围特别是在“旅游”的周围，存在不少次核心词汇，如“文明”“注意”“城市”“历史”“景区”“公园”“文化”“游客”等等，旅游委微博内容的语义网络总体呈现“核心一次核心一边缘”的层级结构。
由此可见，旅游委微博内容的语义网络分析结果与高频特征词分析的结果一致，即旅游委微博的内容虽然以“西安”与“旅游”为核心，但总体来看涉及的范围较广且涉及的程度较深，发布了从政务信息到旅游攻略，从公益活动到情感语录，从美食文化到安全提醒等各类信息，这也是图１中大量的核心词汇仅仅和“西安”产生单一的共现关系而没有同“旅游”的产生共现关系的原因

ym 发表于 2020-3-13 10:00
《基于内容分析法的城市旅游政务微博内容特性研究》虽然不是以微博评论作为分析单位，而是用微博博文做研 ...

我看了一下这篇分析文章， 文章是从2个方面入手做分析：
1. 基于词频统计， 对高频词进行分类分析
2. 通过采集下来的每篇博文的转发量/评论量/点赞量，量高的定义为高热度， 选取总样本量大概1%的作为热门微博，对这批热门微博进行主题归类分析。

《基于内容分析法的国内自驾游客对旅游目的地形象感知研究——以河南省为例》
来源：中国知网

摘要：文章基于马蜂窝发布的2013—2018年河南省自驾游客300余篇网络游记,运用内容分析方法,探讨访豫自驾旅游者对河南旅游目的地形象感知。研究表明:河南自驾游客以家庭自驾出游为主,出游时间一般为1～7天,出游季节主要集中在4月和10月前后;在旅游"六要素"感知方面,自驾游客对河南旅游景区"游、食"印象深刻,主要集中在古都文化、景区美景以及地方美食等三大主题,对"住、行、购、娱"四个方面的感知不深;情绪感知方面,自驾游客主要是积极情绪为主,消极情绪主要源于景区环境问题、旅游可进入性和景区门票价格等问题。基于以上调查分析,文章最后提出了相应的建议和措施。

关键词：内容分析法; 自驾游; 河南省; 形象感知;