【摘要】：當(dāng)今信息化時代,熱點(diǎn)事件的發(fā)展在強(qiáng)大的互聯(lián)網(wǎng)作用下傳播及時且迅速,微博等網(wǎng)絡(luò)社交媒體在輿情傳播過程中起到了重要作用。對社交網(wǎng)絡(luò)文本進(jìn)行情感分析能夠有效反映輿情的發(fā)展和變化,對輿情發(fā)展的預(yù)測和研判能夠更好地起到輔助決策和有效處理的作用,因此本論文課題具有重要的研究意義和應(yīng)用價值。目前對文本的情感分析主要針對單個文本進(jìn)行,通過挖掘文本情感特征進(jìn)行情感極性判斷,缺乏對多用戶、多文檔的情感進(jìn)行整體融合分析,并且,已有方法大多關(guān)注于文本自身所挖掘出的信息,主要包括情感詞、詞性等傳統(tǒng)文本特征,對文本所在領(lǐng)域、場景關(guān)聯(lián)特征的考慮較少,例如對社交平臺上不同用戶的身份差異以及時間先后序列等特征的研究較少。因此,本文從微博類社交網(wǎng)絡(luò)平臺上面向P2P網(wǎng)貸企業(yè)領(lǐng)域的輿情文本信息出發(fā),結(jié)合情感分析與時間序列研究,實(shí)現(xiàn)了一種包含情感特征以及時序信息的文本表征,探討了多用戶、多文檔情感融合分析,并且結(jié)合社交網(wǎng)絡(luò)特定場景,考慮不同社交用戶身份和時間先后序列等關(guān)聯(lián)特征,提出并實(shí)現(xiàn)了一種時間+用戶雙注意力機(jī)制模型,對時間維度的影響力以及用戶重要性表示等社交網(wǎng)絡(luò)關(guān)聯(lián)特征加以利用,實(shí)現(xiàn)了P2P網(wǎng)貸企業(yè)社交網(wǎng)絡(luò)輿情文本信息的情感態(tài)勢預(yù)測和分析,并通過真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果表明在三系不同數(shù)據(jù)中F1值分別達(dá)到0.837、0.756和0.850,均高于LSTM等其他5種深度學(xué)習(xí)算法,驗(yàn)證了其有效性。同時,為了能夠科學(xué)的量化反映輿情態(tài)勢的發(fā)展演化和未來趨勢,本文構(gòu)建了一個適用于P2P網(wǎng)貸企業(yè)領(lǐng)域的社交網(wǎng)絡(luò)輿情指標(biāo)體系,對輿情熱度趨勢實(shí)現(xiàn)量化計算,通過實(shí)驗(yàn)與真實(shí)值對比,結(jié)果表明準(zhǔn)確率達(dá)到98%以上,有效刻畫了輿情不同階段的發(fā)展特點(diǎn)。在此基礎(chǔ)上,綜合所有研究工作,設(shè)計實(shí)現(xiàn)了一個輿情態(tài)勢研判原型系統(tǒng)。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F724.6;F832.4;TP391.1
【圖文】：

２．１．１支持向量機(jī)逡逑支持向量機(jī)（ｓｕｐｐｏｒｔ邋ｖｅｃｔｏｒ邋ｍａｃｈｉｎｅｓ，邋ＳＶＭ）是…種定義在特征空間之上，逡逑由最優(yōu)分割超平面發(fā)展而來的線性分類器［４３］。如圖２－１所示，代表在一個二維逡逑空間中的分類問題，空心點(diǎn)表示負(fù)例樣本，實(shí)心點(diǎn)表示正例樣本。逡逑＇■＞邋／逡逑、／逡逑／／邐．．．．．

本文編號：2804074