数据库操作模块实现，以及分析和分解根。房地产网络舆情的信息选取的时间范围为2015年1月1日到2015年6月30日的有关房价调控的评论。对网上各有关房市讨论的热点话题共计抓取2340篇评论。评论者为社会各个行业的人士，除了国内的老百姓，还有海外人士。首先对这些评论采用分类的方式得到有效评论1800篇，其中正面评论1300篇，负面500篇。举例如下表：
表51正面、反面的评论正面的评论1、真是太好了，中央要抑制房价。2、说的有理，国家不断增长，有利于人民。3、政策一直在朝着好的方向发展，这是毋庸置疑的。4、能不能抑制房价，需要市场调节，国家一定能解决好这个问题。5、中国一直在不断向前发展，房价对于中国不是问题，我对国家有信心。6、国家一直在考虑民生问题，国家财政必将取之于民，用之于民。7、支持发改委，相信政府能够避免楼市泡沫。8、国家解决问题需要时间，相信政府定能在尽可能短的时间内解决全民炒房问题。负面的评论1、国家对房价这一重要问题都调控不好。2、发改委影响了中国前进的步伐。3、当前，地皮归政府管理，前景不容乐观。4、科学院真是不行，调控房价这么些年，也没能解决好这个问题。5、国家腐败太多，民生问题难以解决，唉，悲哀。6、国家政策失误导致了虚高的房价，应该出台正确的政策，弥补以前的失误，老百姓辛辛苦苦一辈子，还买不了一套房，真是悲哀。7、所谓的学者，你的知识在哪儿，一直在乱讲，也没个好方法，误导国民。8、为什么政府官员、老师总是宣扬一些不着调的话语，房价是关乎民生，政治的大问题。
。
52数据预处理首先对所提取的信息进行文本提取，也就是要去除除文本外的信息如视频，音频等；
9
f河南师范大学本科毕业论文
然后对文本进行分词的处理；最后对文本采用向量空间等方法进行特征表示，以及进行特征选择，得到有效的文本特征，为分析做准备。53文本内容分类对获得的网络舆论采取情感上的倾向性分析。在这个阶段，首先将数据与现有的网络情感倾向性方法进行对比，这些方法是：基于支持向量机的网络舆论情感分析方法，基于K阶最近邻方法的网络情感分析方法以及基于Ngram方法的网络情感分析方法。通过对比发现，选择基于支持向量机的网络舆论情感分析方法更合适。第一根据之前所得的舆情语科库对SVM进行训练，并将其用于房地产舆情分析预测当中。再对所收集的信息按照一个月分为两次的间隔分成10个时间段。进行分类预测。结果如下：
表52分类评论的r