本文關鍵詞： 潛在語義分析 支持向量機 輿情預警 情感傾向性分析　出處：《數(shù)據(jù)分析與知識發(fā)現(xiàn)》2017年02期 　論文類型：期刊論文

【摘要】：【目的】針對現(xiàn)有預警體系多以企業(yè)自身和監(jiān)管部門為主體、忽視網(wǎng)絡輿情,導致預警力度不強、缺乏透明度及敏感性、使突發(fā)性安全問題時有發(fā)生且無法得到及時處理的現(xiàn)狀,提出一種新的輿情預警模型�！痉椒ā客ㄟ^元搜索技術挖掘輿情信息,增加基準偏移值優(yōu)化情感特征項傾向性權重,添加修正因子以改進潛在語義分析和支持向量機(LSA+SVM)算法,構建輿情分類預警模型。【結果】以多組突發(fā)性安全事件為例,應用Matlab進行仿真實驗。結果證明該輿情預警模型切實可行,反應迅速,在語義維度為10時準確率可達85.75%�！揪窒蕖看朔椒▽τ谀芤痍P注和討論的安全事件更加有效。【結論】改進算法適用于輿情預警,可為企業(yè)和監(jiān)管部門根據(jù)分類結果及時采取有效的預警措施提供合理化建議。
[Abstract]:[Objective] the existing early warning system in enterprises and supervision departments as the main body, ignoring the network public opinion, leading to early warning efforts is not strong, lack of transparency and sensitivity to sudden security problems have occurred and the situation can not get timely treatment, put forward a new public opinion warning model. [method] public opinion information mining through meta search technology, optimize the emotion feature tendency to increase the weight reference offset value to improve the latent semantic analysis and support vector machine (LSA+SVM) algorithm with correction factor, build public opinion classification prediction model. [result] to multiple security incidents as an example, the application of Matlab simulation experiments. The results show that the early warning of public opinion the model is feasible, rapid response, in the semantic dimension is 10, the accuracy of 85.75%. [] limited this method for security events can cause the attention and discussion more effective. [ Conclusion the improved algorithm is suitable for the early warning of public opinion, and it can provide reasonable suggestions for enterprises and supervision departments to take effective early warning measures according to the classification results.

【作者單位】： 哈爾濱理工大學管理學院;
【基金】：國家自然科學基金項目“高技術虛擬產(chǎn)業(yè)集群運行模式研究”(項目編號:70873029) 黑龍江省自然科學基金項目“高新技術企業(yè)物流模式選擇技術研究”(項目編號:G201203) 黑龍江省博士后科研啟動資金資助項目“黑龍江省制造企業(yè)動態(tài)聯(lián)盟信譽保障機制研究”(項目編號:LBH-Q12065)的研究成果之一
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 張成;曲明成;倪寧;仇光;卜佳俊;;基于概率潛在語義分析模型的自動答案選擇[J];計算機工程;2011年14期

2 范玉華;秦世引;;基于潛在語義分析的場景分類優(yōu)化決策方法[J];計算機輔助設計與圖形學學報;2013年02期

3 劉云峰,齊歡,代建民,王小平;中文信息的潛在語義分析[J];華南理工大學學報(自然科學版);2004年S1期

4 湯世平;樊孝忠;朱建勇;;基于潛在語義分析的本體空間表示模型研究[J];計算機應用與軟件;2008年01期

5 程彩虹;王惠臨;解國棟;;基于潛在語義分析的自動詞法學習技術[J];情報理論與實踐;2008年05期

6 趙亞慧;;潛在語義分析技術在自動評卷系統(tǒng)中的應用[J];延邊大學學報(自然科學版);2011年04期

7 陳永平;楊思春;蘇新;毛萬勝;;基于加權潛在語義分析的答案抽取[J];計算機系統(tǒng)應用;2012年01期

8 汪瑾;;基于潛在語義分析的程序代碼相似度檢測[J];科技創(chuàng)新與應用;2012年33期

9 蓋杰,王怡,武港山;潛在語義分析理論及其應用[J];計算機應用研究;2004年03期

10 歐建林;林茜;史曉東;;潛在語義分析在連續(xù)語音識別中的應用[J];計算機工程與應用;2009年32期

相關會議論文 前6條

1 寧健;林鴻飛;;基于改進潛在語義分析的交叉語言檢索[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 秦洋;王立宏;武栓虎;宋宜斌;;基于潛在語義分析的啟動子識別[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網(wǎng)絡編碼學術年會論文集（下冊）[C];2008年

3 耿煥同;吳祥;畢碩本;;基于潛在語義分析的BBS主題發(fā)現(xiàn)算法研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 郭燕慧;王樅;鐘義信;;語言認知與主題內(nèi)容識別[A];2006年首屆ICT大會信息、知識、智能及其轉(zhuǎn)換理論第一次高峰論壇會議論文集[C];2006年

5 劉昌鈺;郭穎;唐常杰;翟靜;李海宏;;基于潛在語義分析與Bayes分類的BBS文檔鑒別[A];第十八屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2001年

6 李曉婷;張磊;沈建京;;面向服務的主動式統(tǒng)計預測報表技術[A];2007年中國智能自動化會議論文集[C];2007年

相關博士學位論文 前1條

1 劉云峰;基于潛在語義分析的中文概念檢索研究[D];華中科技大學;2005年

相關碩士學位論文 前10條

1 李珀瀚;數(shù)據(jù)庫中關鍵詞的查詢擴展研究[D];復旦大學;2014年

2 黃小燕;基于潛在語義關系的更年期綜合癥知識圖庫的構建及其應用研究[D];電子科技大學;2015年

3 尚美辰;基于UMLS和通路數(shù)據(jù)的潛在語義分析技術的研究與實現(xiàn)[D];黑龍江大學;2015年

4 倪詩夢;[D];東南大學;2015年

5 馬文濤;面向電子病歷文本分析的潛在語義分析應用研究[D];浙江大學;2016年

6 歐陽宇;基于Spark平臺的SVD算法設計實現(xiàn)和應用[D];華中科技大學;2015年

7 常利偉;基于多系統(tǒng)融合的潛在語義分析技術研究[D];沈陽航空航天大學;2013年

8 孫小欣;基于潛在語義分析的學科知識圖譜構建[D];華中師范大學;2013年

9 唐朝輝;潛在語義分析在互聯(lián)網(wǎng)數(shù)據(jù)挖掘中的應用研究[D];湖南大學;2009年

10 劉森;概率潛在語義分析及其應用[D];浙江大學;2011年

，

本文編號：1508695