隨著互聯(lián)網(wǎng)的發(fā)展進(jìn)入新的時(shí)代,媒體行業(yè)快速發(fā)展,微博成為國(guó)內(nèi)人民獲取信息和發(fā)表觀點(diǎn)的媒介。微博中包含了大量的文本信息,如時(shí)事熱點(diǎn),社會(huì)現(xiàn)象,經(jīng)濟(jì)信息等以及對(duì)微博內(nèi)容的評(píng)論。使用計(jì)算機(jī)技術(shù)對(duì)微博上展示的文本數(shù)據(jù)進(jìn)行情感分析,將會(huì)幫助相關(guān)部門(mén)、企業(yè)和機(jī)構(gòu)對(duì)于公眾的觀點(diǎn)態(tài)度進(jìn)行精確的了解,分析事件所產(chǎn)生的影響。為相關(guān)部門(mén)、企業(yè)和機(jī)構(gòu)進(jìn)行合理的輿情分析及監(jiān)控,制定輿情應(yīng)對(duì)與解決的策略并提供準(zhǔn)確的參考信息,同時(shí)針對(duì)各個(gè)領(lǐng)域的微博輿情分析可以了解各行業(yè)和其產(chǎn)品情況,對(duì)行業(yè)的發(fā)展有著積極的促進(jìn)作用。本文研究與實(shí)現(xiàn)基于輿情分析的微博情緒監(jiān)測(cè)系統(tǒng),對(duì)微博文本數(shù)據(jù)進(jìn)行虛假微博評(píng)論的去除,獲取真實(shí)的用戶評(píng)論數(shù)據(jù)提高了微博文本數(shù)據(jù)進(jìn)行輿情分析的準(zhǔn)確率。主要使用了PU LEARNING算法和LSTM算法。融合PU LEARNING模型和LSTM模型,提出了一種基于虛假評(píng)論識(shí)別和深度學(xué)習(xí)的情感分析模型簡(jiǎn)稱為PU-LSTM模型。1.首先使用PU LEARNING算法對(duì)獲取的微博評(píng)論數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理和向量化。2.然后提出三大評(píng)價(jià)指標(biāo),8個(gè)判斷屬性。狀態(tài)指標(biāo)、內(nèi)容指標(biāo)和行為指標(biāo),下設(shè)8個(gè)屬性為:用戶可信度、用戶評(píng)價(jià)時(shí)...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.3PU-Learning模型步驟

基于輿情分析的微博情緒監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)-17-圖3.3PU-Learning模型步驟3.3LSTM模型3.3.1LSTM算法設(shè)計(jì)LSTM[11]稱為長(zhǎng)短時(shí)記憶模型是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型。長(zhǎng)短時(shí)記憶模型是為了解決在循環(huán)神經(jīng)網(wǎng)絡(luò)具有的缺點(diǎn)，比方說(shuō)，由于序列長(zhǎng)度逐漸增....

圖3.4LSTM模型簡(jiǎn)化結(jié)構(gòu)

基于輿情分析的微博情緒監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)-17-圖3.3PU-Learning模型步驟3.3LSTM模型3.3.1LSTM算法設(shè)計(jì)LSTM[11]稱為長(zhǎng)短時(shí)記憶模型是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型。長(zhǎng)短時(shí)記憶模型是為了解決在循環(huán)神經(jīng)網(wǎng)絡(luò)具有的缺點(diǎn)，比方說(shuō)，由于序列長(zhǎng)度逐漸增....

圖3.8Dropout算法的基本原理

基于輿情分析的微博情緒監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)-20-圖3.7不同訓(xùn)練次數(shù)的準(zhǔn)確波動(dòng)情況由圖3.7可以看出，隨著Epoch值的逐漸提高，實(shí)驗(yàn)的準(zhǔn)確率的在提高，在數(shù)值為9時(shí)達(dá)到最高。開(kāi)展上述中的實(shí)驗(yàn)時(shí)，需要設(shè)置Epoch值等于9，可以獲得最優(yōu)的數(shù)值。（3）實(shí)驗(yàn)Dropout數(shù)值Dropo....

圖3.13正向情感箱圖

基于輿情分析的微博情緒監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)-25-圖3.13正向情感箱圖圖3.14負(fù)向情感箱圖可以看出正向情感強(qiáng)度值主要分布在10至20左右；負(fù)向情感強(qiáng)度值主要分布在-10至-20左右。由此將數(shù)據(jù)分為正向情感：一般（0—10），中度（10—20），高度（20以上）三類；負(fù)向情感：一....

本文編號(hào)：3968041