本文關(guān)鍵詞：基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,互聯(lián)網(wǎng)社交工具的快速普及對我國社會產(chǎn)生了巨大的影響,并成為人們了解世界、交換意見的重要平臺。在網(wǎng)絡技術(shù)發(fā)展的同時,互聯(lián)網(wǎng)和社會輿情逐漸融合,于是便產(chǎn)生了網(wǎng)絡輿情的概念,網(wǎng)絡輿情能夠真實、快速的反映社會輿論,尤其是最近幾年社交平臺的迅速崛起,網(wǎng)絡輿情在很大程度上引導著認識的基本認識,因此網(wǎng)絡輿情的情感傾向及演化變的尤為重要,對政府的行政方式和決策機制都產(chǎn)生了極大的影響。所以,網(wǎng)絡輿情分析技術(shù)便應運而生。本文在傳統(tǒng)文本分類算法支持向量機的基礎(chǔ)上,針對網(wǎng)絡社交媒介引入特定的情感詞典,并將其應用在特征選擇方面,構(gòu)造文本傾向性分類器,使用該分類器判別微博的情感極性(正向或負向)。同時,進一步研究網(wǎng)絡輿情的演化規(guī)律情況,即輿情熱度的變化規(guī)律,綜合考慮影響輿情熱度的驅(qū)動因素,最后通過實驗驗證論文中采用的方法的可行性與有效性。本文的主要研究內(nèi)容可以概括為以下四個方面:1.對How Net中文詞典重新整理與補充,嘗試構(gòu)建網(wǎng)絡輿情分析的特定情感詞典,為下文網(wǎng)絡輿情情感分類器的構(gòu)建奠定了一定的實驗基礎(chǔ);2.對原始實驗數(shù)據(jù)進行人工標注,并進行數(shù)據(jù)預處理;3.將情感詞典應用到文本特征選擇上,提出將詞頻法和互信息法相結(jié)合的特征提取方法,選取滿足條件的特征并計算其權(quán)值,訓練模型,并通過實驗驗證本文所提方法的有效性;4.利用訓練得到的情感分類器對整體微博輿情進行極性判斷,得到負向輿情信息集合,使用回歸模型分析負面網(wǎng)絡輿情的演化規(guī)律,并對網(wǎng)絡輿情熱度進行研究,找出影響輿情熱度的因素,分析每種因素對輿情熱度影響的顯著性,建立多元線性回歸預測模型,最后分析預測負向輿情與整體輿情熱度的演化規(guī)律。實驗表明,在網(wǎng)絡輿情情感分類方面,引入情感詞典之后,所選取的特征更加具有領(lǐng)域性和代表性,再將詞頻和互信息方法相結(jié)合更能很好的表征數(shù)據(jù),實驗結(jié)果較單純使用詞頻和互信息的特征選擇方法更加有效。在網(wǎng)絡輿情演化分析方面,把影響輿情熱度的驅(qū)動因素作為多元線性回歸模型的自變量,分析自變量的顯著性以及它們之間是否存在多重共線性,并對模型的預測值和實際值做差值分析,證明了模型應用于預測的可行性。最后,使用回歸模型對負向輿情信息和整體輿情信息的熱度做對比,分析了時序網(wǎng)絡輿情的演化規(guī)律。
【關(guān)鍵詞】：傾向性分類 輿情分析 特征選擇 多元線性回歸
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 研究背景和意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.3 本文研究工作15-16
• 1.4 本文組織結(jié)構(gòu)16-17
• 第2章 相關(guān)理論及關(guān)鍵技術(shù)17-27
• 2.1 網(wǎng)絡輿情分析介紹及相關(guān)理論17-21
• 2.1.1 網(wǎng)絡輿情技術(shù)17-18
• 2.1.2 網(wǎng)絡輿情的傳播18-21
• 2.1.3 有關(guān)網(wǎng)絡輿情的其他研究21
• 2.2 傾向性分析21-25
• 2.2.1 研究分類21-22
• 2.2.2 技術(shù)分類22-25
• 2.3 多元線性回歸分析25-27
• 第3章 基于情感詞典的網(wǎng)絡輿情傾向性分類研究27-48
• 3.1 基于How Net的情感詞典構(gòu)造27-32
• 3.1.1 How Net簡介27-28
• 3.1.2 基于How Net的詞語相似度計算28-29
• 3.1.3 知網(wǎng)How Net詞典的擴展29-32
• 3.2 基于情感詞典框架下的網(wǎng)絡輿情傾向性分類32-42
• 3.2.1 數(shù)據(jù)預處理33-35
• 3.2.2 文本特征提取35-36
• 3.2.3 線性組合特征選取算法36-40
• 3.2.4 特征權(quán)重計算40-42
• 3.3 實驗測試及結(jié)果分析42-48
• 3.3.1 實驗環(huán)境及參數(shù)選取42
• 3.3.2 分類器學習方法的選擇42-43
• 3.3.3 評估標準43-44
• 3.3.4 算法測試及對比分析44-48
• 第4章 時序信息的網(wǎng)絡輿情演化規(guī)律模型48-59
• 4.1 網(wǎng)絡輿情演化48-49
• 4.2 網(wǎng)絡輿情演化的驅(qū)動因素49-52
• 4.2.1 網(wǎng)絡輿情驅(qū)動因素介紹49-50
• 4.2.2 網(wǎng)絡輿情驅(qū)動因素分析50-52
• 4.3 多元線性回歸預測52-53
• 4.4 實驗結(jié)果及分析53-59
• 4.4.1 問題描述53
• 4.4.2 實驗過程53-59
• 第5章 總結(jié)與展望59-60
• 參考文獻60-64
• 作者簡介及在學期間科研成果64-65
• 致謝65

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉培玉;張艷輝;朱振方;荀靜;;融合表情符號的微博文本傾向性分析[J];山東大學學報(理學版);2014年11期

2 李劍萍;;基于鏈接網(wǎng)絡圖探討對互聯(lián)網(wǎng)輿情話題的跟蹤方法[J];信息與電腦(理論版);2012年10期

3 邱云飛;王威;劉大有;邵良杉;;基于方差的CHI特征選擇方法[J];計算機應用研究;2012年04期

4 劉勘;李晶;劉萍;;基于馬爾可夫鏈的輿情熱度趨勢分析[J];計算機工程與應用;2011年36期

5 崔薇;曾潤喜;王國華;;中國網(wǎng)絡輿情研究文獻計量分析[J];情報科學;2011年01期

6 劉怡君;牛文元;;輿論形成及其演化的機理建模分析[J];科學對社會的影響;2009年03期

7 周立柱;賀宇凱;王建勇;;情感分析研究綜述[J];計算機應用;2008年11期

8 姚天f ;程希文;徐飛玉;漢思·烏思克爾特;王睿;;文本意見挖掘綜述[J];中文信息學報;2008年03期

9 梅雪;程學旗;郭巖;張剛;丁國棟;;一種全自動生成網(wǎng)頁信息抽取Wrapper的方法[J];中文信息學報;2008年01期

10 王永恒;賈焰;楊樹強;;大規(guī)模文本數(shù)據(jù)庫中的短文分類方法[J];計算機工程與應用;2006年22期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 謝乾龍;微博輿情分析系統(tǒng)關(guān)鍵技術(shù)研究[D];北京郵電大學;2013年

2 韓威;網(wǎng)絡輿情熱點發(fā)現(xiàn)與話題跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學;2012年

  本文關(guān)鍵詞：基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究，由筆耕文化傳播整理發(fā)布。

本文編號：364200