车企舆情正负面识别与预测

摘要

随着科技的不断进步，人们生活越来越好，车辆普及度逐渐提高，人们也越来越关注车辆带给他们的体验。而对于汽车企业而言，汽车安全直接关乎客户的生命安全，人们对于车企舆情的正负面也有着更高的关注度和敏感性，舆情处理难度只会更大。如果负面舆情不能及时处理，车企将面临着重大的舆论压力，而且事后进行处理时也会耗费大量的资源和财力。由于产品大多生产规模庞大，多方利益纠缠，车企的舆情系统往往比其他企业有更高的舆情要求，所以对于汽车企业而言，舆情的识别与预测起着很重要的作用。本文通过建立朴素贝叶斯模型对车企舆情正负面进行识别与预测，在有效处理数据的基础上，利用给出的训练集数据建立模型，用测试集数据对模型的合理性和科学性进行评估验证。研究表明，本文所采取的车企舆情识别与预测模型准确度较为理想，可靠性较强，但是将舆情倾向重新定义后，模型精度得到了较大提高，对于负面舆情的识别精度有了较大提升，本模型可以用于实际生活中车企舆情的判断。最后本文提出展望，在训练模型时数据选取时应尽量使得各类样本的数据占比均衡，避免造成过度识别问题。.