隨著自媒體時代的到來,媒體逐漸朝著個人化的方向發(fā)展,無論是微信、貼吧還是微博,每個網(wǎng)民都能夠通過網(wǎng)上新聞跟帖的方式來表達(dá)自己對于熱點事件的情感和觀點,網(wǎng)絡(luò)成為了輿情表達(dá)的窗口。但因為網(wǎng)絡(luò)輿情具備突發(fā)特點,常常會加劇輿論形成和傳播的速度,一個輿情事件再加上一種情緒化的觀點,就可以引發(fā)輿情危機(jī)。為此將情感分析與輿情分析相結(jié)合,在輿情形成的早期階段,及時從微博、網(wǎng)頁中收集網(wǎng)民的相關(guān)評論,進(jìn)行情感分析,識別出輿情事件中網(wǎng)民情感態(tài)度的演變過程及原因,政府方能及時進(jìn)行危機(jī)預(yù)警并制定有針對性的干預(yù)措施,從而有效治理輿情危機(jī),因此研究輿情事件中網(wǎng)民的情感態(tài)度變化對治理輿情危機(jī)具備重要意義。鑒于此,本文首先將語義角色標(biāo)注技術(shù)、TF-IDF+K-Means聚類、點互信息(Pointwise Mutual Information,PMI)以及情感詞典的方法相融合,并對各算法進(jìn)行改進(jìn),構(gòu)建了主題—情感聯(lián)合模型,能夠同時挖掘出文本中的主題情感信息,并對該信息進(jìn)行情感分類;其次根據(jù)輿情事件中評論文本的語言特點,并引入生命周期理論,將該模型應(yīng)用于分析在輿情事件發(fā)展的不同階段中網(wǎng)民對于事件中各主題的情感演化特征;最后...

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3-1T-SJM模詞匯層

燕山大學(xué)管理學(xué)碩士學(xué)位論文-22-第3章主題—情感聯(lián)合模型的構(gòu)建在以往基于主題的情感分析研究中，多是在標(biāo)準(zhǔn)主題模型LDA的基礎(chǔ)上，將情感分析任務(wù)融入到主題模型中，構(gòu)建主題情感混合模型進(jìn)行情感分析。但是這類模型作為一種生成式模型，其擴(kuò)展能力有限，并且缺乏相關(guān)的語義強(qiáng)化機(jī)制，語義表達(dá)....

圖3-1T-SJM模型的拓?fù)浣Y(jié)構(gòu)

燕山大學(xué)管理學(xué)碩士學(xué)位論文-22-第3章主題—情感聯(lián)合模型的構(gòu)建在以往基于主題的情感分析研究中，多是在標(biāo)準(zhǔn)主題模型LDA的基礎(chǔ)上，將情感分析任務(wù)融入到主題模型中，構(gòu)建主題情感混合模型進(jìn)行情感分析。但是這類模型作為一種生成式模型，其擴(kuò)展能力有限，并且缺乏相關(guān)的語義強(qiáng)化機(jī)制，語義表達(dá)....

圖3-3BI-LSTM-CRF模型結(jié)構(gòu)圖

第3章主題—情感聯(lián)合模型的構(gòu)建-25-如圖3-3所示。Bi-LSTM-CRF模型包括三層，第一層是WordEmbedding層。首先將詞分解成一個個字組成的集合，并使用雙向LSTM生成詞向量。WordEmbedding的實質(zhì)簡單說就是將代表詞的向量由高維空間向低維空間進(jìn)行映射處理....

圖3-6BI-LSTM-CRF模型訓(xùn)練運算過程圖

第3章主題—情感聯(lián)合模型的構(gòu)建-27-圖3-5線性鏈條件隨機(jī)場3.2.2模型訓(xùn)練在利用BI-LSTM-CRF模型進(jìn)行語義角色標(biāo)注之前，需要對該模型進(jìn)行訓(xùn)練，通過反復(fù)學(xué)習(xí)訓(xùn)練語料中各語義角色標(biāo)注過程中的語義信息和上下文關(guān)聯(lián)，有效提高了其標(biāo)注的準(zhǔn)確率，經(jīng)過訓(xùn)練的BI-LSTM-CRF....

本文編號：3947513