不过，话又说回来，这些都是来自媒体的声音，而媒体有喜好报道负面讯息的传统，缺少了广大网民发声，对共享单车的舆情分析难免会存在信息失真。对此，笔者选择了社会化媒体中具有重大影响力的新浪微博作为分析对象，对上面的网民情绪进行总览。关于社会化媒体方面的大数据分析，小伙伴们可以参看《如何利用Social Listening从社会化媒体中“提炼”有价值的信息？》

下面几张图来自新浪微舆情的“情绪地图”部分，数据来源为新浪微博，为保持时效性，时间区间为近三日。

整体上看，与媒体的报道不同，绝大部分网民对于共享单车的“泛滥成灾”是持“喜悦”情绪的，由上面的LDA主题模型可以了解到，“便利出行”是形成这种赞许态度的原因之一。

7 LSI文本相似度索引

在上面的主题分析和文本聚类分析中，“融资”这个关键词出现了若干次，它成功的攫取了笔者的眼球。为此，笔者想通过“融资”这个关键词去找寻与其最相关的TOP20新闻标题。在这里，笔者不采用直接通过关键词查找的方法去寻找这些相关标题，而是通过语义上的关联性去寻找，也就是说，即使这些语句不包含“融资”二字，只要体现这个含义就是我要寻找的目标。

鉴于此，笔者采用了基于LSI（Latent Semantic Index，潜在语义索引）的方法去查找文本相似度最高的20个语句，大致上比较文本向量化后的余弦夹角值（介于0-1之间），值越大，就代表相似度越高。详细的原理推导，小伙伴们可以自行Google脑补。

经过分析，找到了跟“融资”语义最相关的20条新闻。可以看到，里面很多没有包含“融资”二字，但意义上都有体现资本运作，比如“共享单车又掀起新一轮‘互掐’”这条新闻，里面有这样的论述:“公开资料显示，截至2017年4月，两家公司共计融资总额超过10亿美元，其中ofo刚刚完成D3轮融资，估值超过16亿美元”，第二个“…ofo共享单车获4.5亿美元”，也是讲的融资方面的新闻，剩下的相似语句以此类推。

从这些新闻标题来看，共享单车领域的竞争不仅出现在用户获取和地盘争夺上，在资本领域的也是刀光剑影，撕得不可开交。

由此可以看到，计算机通过LSI算法变得“聪明”了不少，在某种程度上，能“理解”自然语言了！

8 Word2vec

最后进行的是基于Word Embedding的Word2vec词向量分析，将正文分词文本直接进行词向量模型训练，然后用来进行关联词分析。

Word2vec是Word Embedding(词嵌入)中的一种，是将文本进行词向量处理，将这些词汇映射到向量空间，变成一个个词向量（WordVector），以使这些词汇在便于被计算机识别和分析的同时，还具有语义上的关联性，而不仅仅是基于词汇之间的共现关系。类似的例子可以参看笔者之前的文章《用数据全方位解读<欢乐颂2>》、《以<大秦帝国之崛起>为例，来谈大数据舆情分析和文本挖掘》。

首先，笔者对共享单车的2大巨头—摩拜单车、ofo（小黄车）及其各自CEO的相关词汇感兴趣，分析结果如下：

从上图可以看出，跟“胡玮炜”、“摩拜”最相关的词汇是“陈伟鸿”，是中央电视台的主持人、记者、编辑、制片人，而胡玮炜毕业于浙江大学城市学院新闻系，在《每日经济新闻》、《新京报》、《商业价值》等媒体做过记者和报道。也就是说，他们有着类似的从业经历，而且在6月25日的央视《对话》节目中，作为主持人的陈伟鸿与作为嘉宾的胡玮炜有了交集。排在第二位的是她的对手ofo的CEO戴威。值得注意的是，出现在关联词列表中的 “（王）晓峰”，曾任职Uber上海城市总经理，是摩拜单车大股东李斌“邀请”来担任摩拜CEO一职的，理由是媒体出身的胡玮炜在经营层面缺乏经验，由此业界传闻“王晓峰是资本派来的管家”不胫而走。“晓峰”后面紧随“昆仑决”，根据语境来讲，这里的“昆仑决”应该不是实指青海卫视的那项世界职业搏击赛事，而是用以隐喻共享单车行业竞争激烈的现状，而且这种具有画面感的语义联想在媒体的报道中比较频繁。