基于卷积神经网络的微博舆情情感分类研究

被引：39

作者：

张海涛 ^{[1
,2
]}

王丹 ^{[1
]}

徐海玲 ^{[1
]}

孙思阳 ^{[1
]}

机构：

[1] 吉林大学管理学院

[2] 吉林大学信息资源研究中心

来源：

情报学报 | 2018年 / 07期

关键词：

深度学习; 卷积神经网络; 微博舆情; 情感识别;

D O I：

暂无

中图分类号：

G206 [传播理论]; G254 [文献标引与编目];

学科分类号：

050302 ; 1205 ; 120501 ;

摘要：

本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。

引用

页码：695 / 702

页数：8

共 19 条

[1] 基于深度学习框架的实体关系抽取研究进展 [J].

李枫林 ;

柯佳 .

情报科学, 2018, 36 (03) :169-176

[2] 舆情事件中评论对象的情感分析及其关系网络研究 [J].

梁晓敏 ;

徐健 .

情报科学 , 2018, (02) :37-42

[3] 基于ACT-R理论模型的微博网民负面情感认知决策过程研究 [J].

蔡瑶 ;

吴鹏 ;

王佳敏 ;

张晶晶 .

情报科学, 2018, 36 (01) :135-140

[4] 政府辟谣信息的用户评论及其情感倾向的影响因素研究 [J].

陈娟 ;

刘燕平 ;

邓胜利 .

情报科学, 2017, 35 (12) :61-65+72

[5] 基于深度学习的短文本评论产品特征提取及情感分类研究 [J].

李杰 ;

李欢 .

情报理论与实践 , 2018, (02) :143-148

[6] 基于注意力机制的微博情感分析 [J].

周瑛 ;

刘越 ;

蔡俊 .

情报理论与实践, 2018, 41 (03) :89-94

[7] 基于深度学习和OCC情感规则的网络舆情情感识别研究 [J].

吴鹏 ;

刘恒旺 ;

沈思 .

情报学报, 2017, 36 (09) :972-980

[8] 基于情感维度的大数据网络舆情情感倾向性分析研究——以“南昌大学自主保洁”微博舆情事件为例 [J].

王英 ;

龚花萍 .

情报科学 , 2017, (04) :37-42

[9] 基于卷积神经网络的图文融合媒体情感预测 [J].

蔡国永 ;

夏彬彬 .

计算机应用, 2016, 36 (02) :428-431+477

[10] 基于话题聚类及情感强度的中文微博舆情分析 [J].

吴青林 ;

周天宏 .

情报理论与实践, 2016, 39 (01) :109-112

← 1 2 →