【摘要】：隨著新浪微博的廣泛使用,新浪微博傳播的內(nèi)容涵蓋了各種領(lǐng)域的信息,涉及范圍越來越廣;同時,當用戶瀏覽消息時,不僅能夠表達自己的看法,同時能夠看到別人的觀點。因此,當用戶無法判斷問題的客觀性時,通常會利用其他公眾的反饋信息進行評估。為了充分利用公眾反饋信息,提出了一種描述公眾反饋信息的社會屬性——爭議度。給出了爭議度的概念并構(gòu)建了爭議度計算模型,該模型將公眾對微博的反應(yīng)(即表態(tài)、評論、轉(zhuǎn)發(fā)等行為)作為爭議度的影響因素,通過情感分析等技術(shù)計算微博消息的爭議度。實驗結(jié)果對照人工標注結(jié)果,模型準確率達到93%,有效率達84%,證明了該模型的可行性。

【參考文獻】

相關(guān)期刊論文 前3條

1 劉果;王鐵軍;;論微博的評論功能及價值拓展[J];湖南大學(xué)學(xué)報(社會科學(xué)版);2013年06期

2 王來華;;“輿情雪球”現(xiàn)象:新媒體對民意訴求的強化[J];理論與現(xiàn)代化;2013年03期

3 趙妍妍;秦兵;劉挺;;文本情感分析[J];軟件學(xué)報;2010年08期

相關(guān)博士學(xué)位論文 前1條

1 杜偉夫;文本傾向性分析中的情感詞典構(gòu)建技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前1條

1 褚劍峰;電商和微博評論中商品屬性與傾向性識別技術(shù)的研究與實現(xiàn)[D];東華大學(xué);2014年

【共引文獻】

相關(guān)期刊論文 前10條

1 杜思奇;李紅蓮;呂學(xué)強;;漢語組塊分析在情感分類中的應(yīng)用研究[J];計算機應(yīng)用與軟件;2016年10期

2 彭紀奔;吳林;陳賢;黃雷君;;基于爬蟲技術(shù)的網(wǎng)絡(luò)負面情緒挖掘系統(tǒng)設(shè)計與實現(xiàn)[J];計算機應(yīng)用與軟件;2016年10期

3 馮旭鵬;馬震;謝波;劉利軍;黃青松;;基于評價修飾分布差的評論文本傾向性識別方法[J];計算機工程;2016年10期

4 王亞s，

本文編號：2568422