發(fā)布時間：2020-09-29 15:18

　　 隨著互聯(lián)網(wǎng)的發(fā)展,微博的媒體屬性越發(fā)豐富,越來越多的民眾傾向于用微博來曝光社會中的不良現(xiàn)象、發(fā)泄情緒等。在微博中,網(wǎng)民對事件的看法、情緒會影響事件的發(fā)展走向,若負面輿情話題出現(xiàn)而又沒有及時控制和引導,會使得負面有害信息傳播泛濫,影響社會和諧,因此,對網(wǎng)絡輿情進行話題識別、情感傾向分析及探索網(wǎng)民的情感變化特點在網(wǎng)絡輿情監(jiān)測和引導方面具有非常重要的理論價值和現(xiàn)實意義。本文在研究網(wǎng)絡輿情話題識別和情感傾向分析方法的基礎上,結合網(wǎng)絡輿情演化階段分析了話題極性對網(wǎng)民情緒的影響及網(wǎng)民情感傾向的變化特點,所做工作主要有以下幾方面:(1)本文嘗試將基于LDA的改進K-Means聚類方法應用到微博子話題識別中,并與傳統(tǒng)的K-Means聚類方法進行對比,實驗結果顯示,基于LDA的改進K-Means聚類方法可以識別微博子話題,且效果優(yōu)于傳統(tǒng)的K-Means聚類。(2)以現(xiàn)有的情感詞典為基礎,詳細介紹了本文七種詞典的構建方法,并制定了情感計分策略,然后用隨機森林分類方法和基于詞典的方法進行情感分類實驗,實驗結果表明,本文所構建的詞典和情感計分策略在情感分類中有一定優(yōu)越性。(3)結合網(wǎng)絡輿情的演化階段劃分,以“海南天價機票”事件為例,分析了話題極性對網(wǎng)民情緒的影響及網(wǎng)民情感傾向的變化特點,研究發(fā)現(xiàn)話題的極性對網(wǎng)民情感傾向的變化具有一定的解釋作用,在萌芽期,輿情信息少而分散,網(wǎng)民的情感并不顯著,但是到了成長期,若負面話題較多,微博信息的擴散以轉發(fā)為主,網(wǎng)民的負面情緒會快速集聚,這一時期,是政府或企業(yè)及時采取措施控制和引導輿情發(fā)展的關鍵時期;在爆發(fā)期,意見領袖的觀點對輿情發(fā)展方向有很強的帶動作用,政府或企業(yè)需要重點關注微博意見領袖的言行;爆發(fā)期之后,網(wǎng)民對輿情事件相關的新動態(tài)比較敏感,政府或企業(yè)需要持續(xù)關注輿情動態(tài)。
【學位單位】：云南大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：C912.6
【部分圖文】：

話題識別流程

LDA模型示意圖

不同主題數(shù)下的對數(shù)似然估計值

【參考文獻】

相關期刊論文 前5條

1 王小賓;鄒夢宇;史建軍;;基于LDA模型的微博話題識別方法研究[J];數(shù)字技術與應用;2015年10期

2 孫建旺;呂學強;張雷瀚;;基于詞典與機器學習的中文微博情感分析研究[J];計算機應用與軟件;2014年07期

3 王春龍;張敬旭;;基于LDA的改進K-means算法在文本聚類中的應用[J];計算機應用;2014年01期

4 王振振;何明;杜永萍;;基于LDA主題模型的文本相似度計算[J];計算機科學;2013年12期

5 唐慧豐;譚松波;程學旗;;基于監(jiān)督學習的中文情感分類技術比較研究[J];中文信息學報;2007年06期

相關博士學位論文 前1條

1 韓開旭;基于支持向量機的文本情感分析研究[D];東北石油大學;2014年

相關碩士學位論文 前10條

1 李黎;基于文本挖掘的網(wǎng)絡輿情情感傾向及演化分析[D];湘潭大學;2017年

2 陳龍;新聞熱點話題發(fā)現(xiàn)及演化分析研究與應用[D];南京理工大學;2017年

3 黃情;基于文本挖掘的網(wǎng)絡輿情分析應用研究[D];大連海事大學;2016年

4 王歡歡;網(wǎng)絡評論文本的情感傾向性研究[D];暨南大學;2016年

5 周杰;基于情感詞典與句型分類的中文微博情感分析研究[D];寧夏大學;2016年

6 李長江;基于酒店中文評論情感傾向分析[D];華南理工大學;2016年

7 張彬;中文微博情感傾向性分析研究[D];華南理工大學;2015年

8 張鵬星;基于文本傾向性分析的網(wǎng)絡輿情分析及其趨勢預測[D];云南財經(jīng)大學;2014年

9 林南;基于Web輿情的話題識別與追蹤技術研究[D];福州大學;2014年

10 何錫彤;針對網(wǎng)絡輿情熱點信息的文本情感傾向分析研究[D];東北財經(jīng)大學;2013年

本文編號：2829901