面向深度学习的多维度中文网络舆情分析

被引:10
作者
谭旭 [1 ,2 ]
吴俊江 [2 ]
徐磊 [3 ]
毛太田 [2 ]
机构
[1] 深圳信息职业技术学院软件学院
[2] 湘潭大学公共管理学院
[3] 深圳职业技术学院电子与通信工程学院
关键词
深度学习; 中文网络舆情分析; LDA模型; 魏则西事件;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习]; TP391.1 [文字信息处理];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 081203 ;
摘要
针对目前中文网络舆情中的情感分类方法过于依赖人工特征选择,以至于其分类精度难以提升等问题,本文通过拟合人脑对具有较大复杂非线性的中文文本的理解,借助深度学习的方法构建多维度的网络舆情分析模型.在本文所提出的方法中,通过构造中文文本词向量解析模型和RAE深度学习模型来实现文本信息的高层特征提取和情感分类;而后结合LDA主题分析模型和时间序列模型实现多主题的舆情情感分析和舆情情感走势预测;最后,通过对"魏则西事件"的实证分析,验证了本文深度学习模型对中文文本舆情分析处理的优越性和合理性.
引用
收藏
页码:1471 / 1477
页数:7
相关论文
共 7 条
[1]   基于SVR-ARMA组合模型的日旅游需求预测 [J].
梁昌勇 ;
马银超 ;
陈荣 ;
梁焱 .
管理工程学报, 2015, 29 (01) :122-127
[2]   基于深度学习的微博情感分析 [J].
梁军 ;
柴玉梅 ;
原慧斌 ;
昝红英 ;
刘铭 .
中文信息学报, 2014, (05) :155-161
[3]   基于ARMA模型的低阶次无线传感网络数据融合算法 [J].
张西广 ;
朱思峰 ;
郑秋生 ;
阎保平 .
小型微型计算机系统, 2014, 35 (08) :1771-1774
[4]   基于层次结构的多策略中文微博情感分析和特征抽取 [J].
谢丽星 ;
周明 ;
孙茂松 .
中文信息学报, 2012, 26 (01) :73-83
[5]   基于Labeled-LDA模型的文本分类新算法 [J].
李文波 ;
孙乐 ;
张大鲲 .
计算机学报, 2008, (04) :620-627
[6]  
Building emotional dictionary for sentiment analysis of online news [J] . Yanghui Rao,Jingsheng Lei,Liu Wenyin,Qing Li,Mingliang Chen.&nbsp&nbspWorld Wide Web . 2014 (4)
[7]  
Unsupervised Discovery of Nonlinear Structure Using Contrastive Backpropagation [J] . Geoffrey Hinton,Simon Osindero,Max Welling,Yee‐Whye Teh.&nbsp&nbspCognitive Science . 2010 (4)