3.1.2.1 输出高频词
本文使用沈阳教授开发的Rost CM6进行中文词频处理。首先需构建自定义词表，将新近出现的中文词汇如“高大上”“旅行青蛙”“摩天轮”等加入词表中。然后将部分词组进行扩充，如将“高大”扩充为“高大上”，将“人民”扩充为“人民广场”。最后合并相似词组，比如将“东方”和“明珠”组合为“东方明珠”。
将分词后的数据导入到Bibexcel中，使用Bibexcel对字段的词频统计功能创建cit文件并导出到Excel，将无意义的词汇如数量词、介词、冠词、助词、购物中心的名称直接相关的专有名词等进行过滤，输出两个字以上有效词汇300个。
3.1.2.2 构建语义网络
高频词能够反映消费者评价主要涉及哪些领域，而语义网络分析能进一步反映词组和文本所具有的深层次的结构关系。语义网络图主要有节点和连接节点的直线所构成，其中事物、状态、属性、动作等用节点来表示，而连接的直线用来表示所连接的节点之间的语义联系[1 07]。
首先将300个高频词汇导回Bibexcel中构建共词矩阵。保留共振频率大于等于50次以上的词组导入Ucinet中，使用Netdraw绘制语义网络图。由于数据量巨大，遂提高节点准入门槛，将多余的节点删除，最终得到100个高频词汇作为最终结果（见表3-2）。(www.xing528.com)
表3-2 100个高频词汇及频次
3.1.2.3 设置中心性
Netdraw的中心性显示了节点在网络中所具有的权力关系。节点尺寸越大、连接线越多代表该节点在网络中与其他节点存在越多的关系，可以影响他人甚至控制他人，也就处于更核心的位置[1 08]。本研究中，将100个高频词语义网通过Netdraw设置中心性，调整颜色和形状后输出（见图3-1）。
图3-1 语义网络图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
