《表1 清洗后数据详情：传播视域下对京剧文化的认知分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《传播视域下对京剧文化的认知分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位:条

数据采集完成后，存在大量不合格的数据，如字符编码错误、格式混乱、信息不完整、重复、空白、非文本等。直接利用未清洗数据进行分析可能会导致文本分词结果、关键词统计、情感分析出现较大误差，因此在数据处理前需要对数据进行清洗。清洗方法包括:（1）将微博中emoji表情通过python中的emoji包转换为文字进行储存；（2）通过正则匹配删除数据中多余的空格和不必要的符号（例如“/”“#”“*”等）；（3）删除记录中不合规的数据，如重复数据、空白数据、主体信息为非文本（视频、图片）的数据；（4）删除微博中存在的官方博文。由于官方账号有较为明显的命名方式（如xx大学、xx京剧院、xx日报等），因此将电视台、广播、报纸、大学、京剧院、京剧团、报刊、杂志社、综艺平台作为关键词，将包括这些关键词的官方账号及其发布的博文进行剔除。数据清洗完成后得到符合条件的数据总数为35 865条，具体数量如表1所示。