網(wǎng)絡(luò)輿論已經(jīng)成為當代社會輿論最為重要的組成部分之一,也是政府聽取民意、把握社會輿論方向以及做出政務(wù)決策的重要依據(jù)和數(shù)據(jù)來源,同時機器學(xué)習(xí)已經(jīng)成為當今數(shù)據(jù)科學(xué)領(lǐng)域使用的最為有效的數(shù)據(jù)分析方法之一。雖然目前使用機器學(xué)習(xí)的方法來進行情感分析的研究不在少數(shù),但在政務(wù)決策領(lǐng)域的研究還比較匱乏,準確性和可靠性也并不是很理想。因此,本文使用機器學(xué)習(xí)的方法,通過對政務(wù)決策相關(guān)微博評論的情感傾向性分析,得出網(wǎng)民對某項政務(wù)決策的支持程度,從而為政府提供參考依據(jù)。本文針對政務(wù)決策微博的特殊性,創(chuàng)新性地構(gòu)建了政務(wù)決策領(lǐng)域的情感分析詞典,設(shè)定了情感得分機制,并在情感分析之前增加水軍檢測,以提高判斷微博上網(wǎng)民對于政務(wù)決策支持度的準確性和可靠性。本文嘗試性的在新浪微博上選取了30條政務(wù)決策微博及其在微博下面的所有評論,首先使用一種基于政務(wù)領(lǐng)域情感詞典和情感得分機制的情感傾向性分析方法對評論進行情感分類,并使用不同的分類模型進行訓(xùn)練并對其效果進行了比較。然后對每條微博的評論使用一種改進后的基于多特征的網(wǎng)絡(luò)水軍識別方法對水軍評論進行檢測和過濾,再次使用上述方法進行情感傾向性分類。實驗結(jié)果表明,分類前增加水軍檢測后,能夠... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容
        1.3.1 研究內(nèi)容
        1.3.2 組織結(jié)構(gòu)
    1.4 本章小結(jié)
2 相關(guān)概念及基本理論
    2.1 網(wǎng)絡(luò)輿情的特點及研究方法
    2.2 機器學(xué)習(xí)的研究方法及相關(guān)概念
    2.3 情感傾向性分析的主要研究方法
    2.4 網(wǎng)絡(luò)水軍的特點及識別方法
    2.5 本章小結(jié)
3 數(shù)據(jù)獲取與處理
    3.1 數(shù)據(jù)獲取
    3.2 數(shù)據(jù)預(yù)處理
    3.3 本章小結(jié)
4 基于情感詞典與情感得分機制的情感分類模型
    4.1 基于How Net的情感詞典構(gòu)建
    4.2 情感得分機制
    4.3 特征選擇
    4.4 分類算法
        4.4.1 樸素貝葉斯
        4.4.2 支持向量機
        4.4.3 最大熵分類
    4.5 總體實驗思路
    4.6 實驗與分析
        4.6.1 系統(tǒng)及實驗環(huán)境
        4.6.2 評價指標
        4.6.3 實驗方案
        4.6.4 實驗過程
        4.6.5 實驗結(jié)果
        4.6.6 結(jié)果分析
    4.7 本章小結(jié)
5 基于多特征的水軍檢測模型
    5.1 特征選取
        5.1.1 語義特征
        5.1.2 非語義特征
    5.2 實驗與分析
        5.2.1 實驗方案
        5.2.2 數(shù)據(jù)與特征
        5.2.3 實驗結(jié)果
        5.2.4 結(jié)果分析
    5.3 本章小結(jié)
6 水軍檢測－情感分類模型
    6.1 模型結(jié)合
    6.2 實驗與分析
        6.2.1 實驗方案
        6.2.2 實驗結(jié)果
        6.2.3 結(jié)果分析
        6.2.4 理論依據(jù)
    6.3 本章小結(jié)
7 總結(jié)與展望
    7.1 本文所完成的工作
    7.2 本文的不足與展望
參考文獻
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝



本文編號：3202212