用微博评论可以做哪些方面研究或者说可以得到哪些结果？

如果要研究特定事件的微博评论，做深入点的挖掘，有哪些方面可以研究呢

采集微博评论数据可以使用集搜客微博工具箱中的评论和转发采集工具，先下载集搜客的数据管家，然后在数据管家中打开微博工具箱。输入微博网址就能采集到数据，不需要做任何开发，非常方便
除微博评论内容可以采集外，微博关键词搜索数据、微博博主发博数据都可以通过微博工具箱直接进行采集



微博评论内容数据展示：

微博评论作为一种短文本，《轻型评论的情感分析研究》这篇文章就发现了对短文本做情感分类的一些特点：
（1）情感分类效果随着评论长度的增加而下降；
（2）传统的特征筛选方法以及特征加权方法对于轻型评论效果都不够理想；
（3）极性词在短评论中比例高于长评论；
（4）长、短评论在用词上存在较高的重叠度，基于短评论特征共现的特征筛选方法，在筛选掉无用噪音的同时增补有利于分类的有效特征，可以有效地提高轻型评论中较长评论的分类效果

看看这篇《基于特征本体的微博产品评论情感分析》，它的研究思路比较特别，研究隐式特征“表情符号”对情感倾向的影响，专门构建了表情符号的特征词典，再结合情感词典，基于表情特征来判断评论文本的情感。

《政务微博评论中情感极性分析方法研究——以上海公安机构微博为例》
这篇文章针对特定微博博主的评论研究了情感倾向和转发量、评论量、点赞量的相关性，有下面结论：
微博评论量和转发量之间存在着显著正相关性，并且在转发量较低时，评论量与情感极性存在着显著负相关关系；且当微博点赞量大于评论量时,微博内容自身带有正向情感倾向。

如果要研究微博舆情的话，推荐看看《基于短文本及情感分析的微博舆情分析》这篇文章，它不仅利用微博博文来发现热点事件，还通过对微博评论做情感分析来监测舆论走势。
摘要：
为解决微博文本呈现的不完整性、稀疏性及碎片化等特性,设计基于短文本聚类及用户评论情感分析的微博舆情系统;通过对短语消息流会话的抽取,解决短信息的不完整性及交错性问题;通过对TF-IDF的改进,解决因关键词稀疏带来的相似度漂移问题;设计的短文本聚类混合算法能够有效地对微博文本信息聚类且能满足准确性和伸缩性的要求。情感词分析法能够针对热点话题的评论进行分析,识别出其情感倾向及演化规律,进一步了解网民对热点话题的观点及态度,最后通过实验验证了方法的可行性及实验效果。