碩士大數據輿情分析-日本旅遊分析
HTML
JavaScript
Python
BeautifulSoup
CKIP Transformers
Pandas
Django
BERT
專案概述
使用 Python (BeautifulSoup)自動爬取 PTT 日本旅遊版數據，結合 中研院中文斷詞 (CKIP Transformers)處理文本。透過 Pandas整理並統計旅遊資料，接著利用 BERT 模型 辨識網友的正負面情緒，並計算關鍵字之間的關聯性。最後以HTML、JS、Bootstrap 4，製作響應式數據儀表板，提供直觀的互動式圖表分析。
技術架構
關鍵詞熱門度分析
追蹤特定旅遊關鍵詞隨時間變化的討論熱度。
全文檢索與關聯詞分析
透過文字雲與關聯計算，找出與核心議題同時出現的高頻詞彙。
關鍵詞情緒分析
量化社群對特定景點或美食的偏好程度（正面/負面/中立）。
區域與美食聲量監測
對比日本各大熱門旅遊城市（東京、京都、大阪）及知名美食的討論聲量佔比。
案例分析
旅遊趨勢觀測
以「京都 櫻花」為例，分析 22 週的歷史數據。透過聲量數據趨勢圖，觀測到賞櫻高峰期出現在4月7日，可作為旅遊行程規劃的重要參考。
語意關聯分析
針對「東京 淺草」進行關聯分析，結果顯示「房間、空間、車站、方便」為高頻熱門詞彙。技術數據證明淺草區因交通位置便捷、鄰近車站，是台灣遊客首選的住宿區域。
消費者情緒回饋
以「大阪 拉麵」為例，系統過濾出 39 篇相關評論，經 BERT 模型 分析發現其中 29 篇為正面評價。這顯示大阪拉麵店在台灣社群中擁有高度滿意度。