《表1 词频统计结果：基于MOOC课程评论的话题挖掘与情感分析研究》
提示：宽带有限、当前游客访问压缩模式
运用Python对文本数据进行特征权重计算，最终得到评论文本词频权重排名前20的高频关键词，如表1所示。
| 图表编号 | XD00153535300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.15 |
| 作者 | 田娜、周驿 |
| 绘制单位 | 江南大学人文学院、江南大学人文学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 主题挖掘结果：基于LDA主题模型和直觉模糊TOPSIS的农产品在线评论情感分析》2020.09.01
- 《表1 部分特征词及词频：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表2 评语主题分析结果：基于文本挖掘的电影评论情感分析研究》2021.02.25
- 《表1 评论高频词及权重：基于文本挖掘的电影评论情感分析研究》2021.02.25
- 《表1 5种标注类别：基于BiLSTM-CRF的MOOC课程评论抽取研究》2021.01.20
- 《表3 实验结果：基于BiLSTM-CRF的MOOC课程评论抽取研究》2021.01.20
- 《表1 实验结果：基于BERT与Focal Loss的电商平台评论情感研究》2021.03.10
- 《表1 数据集数量：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表2 基线系统实验结果：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表5 各属性满意度：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表1 情感分布统计结果：基于文本挖掘的新能源汽车用户评论研究》2020.04.25
- 《表1 学习者访谈表：面向MOOC课程评论的态度学习挖掘分析研究》2020.05.10
- 《表3 在线课程评论整体情感分析结果》2020.08.15
- 《表4 话题情感分析结果：基于MOOC课程评论的话题挖掘与情感分析研究》2020.08.15
- 《表3 评论信息汇总概况：基于情感分析的景点评论主题挖掘》2020.08.25
- 《表2 词汇库格式举例：基于情感分析的景点评论主题挖掘》2020.08.25
- 《表1 情感分类：基于情感分析的景点评论主题挖掘》2020.08.25
- 《表1 尺寸的词频统计：基于案例推理的天猫店铺在线评论分析》2020.01.15
- 《表1 追加评论抽取结果：基于追加评论的情感分析研究》2019.11.15
- 《表3 情感值计算规则：基于情感挖掘和话题分析的旅游舆情危机演化特征——以“丽江女游客被打”事件为例》2019.09.06