發(fā)布時(shí)間：2021-09-22 18:26

　　社交網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖是指具有較高聲望的用戶,他們活躍在社交網(wǎng)絡(luò)平臺(tái)上,發(fā)布對(duì)社會(huì)熱點(diǎn)的看法并對(duì)輿論進(jìn)行引導(dǎo)。準(zhǔn)確地識(shí)別意見(jiàn)領(lǐng)袖,能夠幫助政府及時(shí)掌握輿情動(dòng)向并控制網(wǎng)絡(luò)輿情。當(dāng)前,意見(jiàn)領(lǐng)袖挖掘方法大多是基于用戶屬性的方法或基于網(wǎng)絡(luò)結(jié)構(gòu)的方法,往往只考慮了用戶的屬性特征或行為特征,忽略了用戶的關(guān)系特征。因此,本文對(duì)社交網(wǎng)絡(luò)評(píng)論文本的情感分析技術(shù)進(jìn)行了研究,從而更精確地得出用戶的關(guān)系特征。同時(shí),結(jié)合用戶的屬性特征和行為特征,提出了一種基于多特征融合的意見(jiàn)領(lǐng)袖挖掘方法。具體的工作如下:（1）本文提出了一種基于并行混合神經(jīng)網(wǎng)絡(luò)的評(píng)論文本情感分析方法。一方面,針對(duì)評(píng)論文本特征難以充分提取的問(wèn)題,本文利用卷積神經(jīng)網(wǎng)絡(luò)提取文本的局部特征,利用融合注意力機(jī)制的雙向長(zhǎng)短期記憶網(wǎng)絡(luò)提取與文本上下文相關(guān)的全局特征,并將兩種特征進(jìn)行充分融合;另一方面,針對(duì)分布式詞向量缺少對(duì)情感信息和分類貢獻(xiàn)度關(guān)注的問(wèn)題,本文將情感權(quán)重融入到TF-IDF算法中,結(jié)合分布式詞向量生成加權(quán)詞向量。在新浪微博評(píng)論的數(shù)據(jù)集上評(píng)測(cè)該方法的性能,實(shí)驗(yàn)結(jié)果表明該方法的macro_F1值達(dá)到了90.75%,能夠較為精確地識(shí)別... 

【文章來(lái)源】：中央民族大學(xué)北京市 211工程院校 985工程院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１本文的主要研究?jī)?nèi)容??研究?jī)?nèi)容具體如下：??

?〇?２??ｚＯ＾￣￣－ｐｊ＊－Ｏ?１３??圖２－１符號(hào)社交網(wǎng)絡(luò)示意圖??２．２意見(jiàn)領(lǐng)袖??意見(jiàn)領(lǐng)袖是指具有較高聲望的用戶，其往往具有獨(dú)立的見(jiàn)解和出色的文字能力，發(fā)??表一些關(guān)于對(duì)社會(huì)熱點(diǎn)、突發(fā)事件的言論，影響網(wǎng)絡(luò)中的其他用戶。此外，意見(jiàn)領(lǐng)袖往??往是較為活躍的用戶，經(jīng)常出沒(méi)在社交網(wǎng)絡(luò)平臺(tái)上。這些特點(diǎn)使得在信息的傳播和輿論??的發(fā)展中，意見(jiàn)領(lǐng)袖起到了至關(guān)重要的作用。在信息傳播中，意見(jiàn)領(lǐng)袖能夠?qū)π畔⒆鞒??客觀合理的解釋，并推動(dòng)信息在社交網(wǎng)絡(luò)中的傳播。在輿論的發(fā)展中，意見(jiàn)領(lǐng)袖往往引??導(dǎo)了輿論的走向。??社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的類型比較多樣。一方面，他們可以是那些著名的人，例如商業(yè)??界精英人士、某領(lǐng)域的專家、出色的新聞工作者等。若在他們擅長(zhǎng)或者工作的領(lǐng)域中，??他們往往具有較多的支持者，具備成為意見(jiàn)領(lǐng)袖的基矗但是在一些別的領(lǐng)域，他們也??可能成為一名普通的網(wǎng)民。另一方面，意見(jiàn)領(lǐng)袖也可以是我們中的任何一員，包括朋友、??家人、同事等，都可能會(huì)在某些話題中發(fā)表的言論被大量網(wǎng)民所關(guān)注和評(píng)論，并左右網(wǎng)??民的看法。只要他的觀點(diǎn)夠明確，思維夠獨(dú)特，并且能夠在網(wǎng)絡(luò)中起到引導(dǎo)輿論方向的??作用，這時(shí)他就成為了該話題中的意見(jiàn)領(lǐng)袖。??本文根據(jù)意見(jiàn)領(lǐng)袖的特點(diǎn)，將傳播能力和支持者比例作為衡量意見(jiàn)領(lǐng)袖的指標(biāo)。傳??播能力越強(qiáng)的意見(jiàn)領(lǐng)袖，在信息的傳播中起到的作用越大，其觀點(diǎn)能夠傳播給越多的用??戶。支持者比例越高的意見(jiàn)領(lǐng)袖，其觀點(diǎn)獲得越多用戶的支持。只有傳播能力強(qiáng)且支持??者比例高的用戶才能成為社交網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖，進(jìn)而引導(dǎo)輿論的方向。??８??

將網(wǎng)頁(yè)進(jìn)行排序而計(jì)算網(wǎng)頁(yè)重要性的技術(shù)，之后被關(guān)鍵詞提取｜４５］、社??區(qū)發(fā)現(xiàn)Ｉ４６］、學(xué)術(shù)影響力評(píng)估［４７】和意見(jiàn)領(lǐng)袖挖掘［４８］等領(lǐng)域所應(yīng)用。其主要思想基于兩個(gè)假??設(shè)：網(wǎng)頁(yè)重要性假設(shè)和用戶瀏覽假設(shè)。網(wǎng)頁(yè)重要性假設(shè)：一個(gè)網(wǎng)頁(yè)的重要性將會(huì)平均傳??遞到它所鏈接的網(wǎng)頁(yè)，一個(gè)網(wǎng)頁(yè)的重要性由鏈入的網(wǎng)頁(yè)傳遞而來(lái)。用戶瀏覽假設(shè)：用戶??隨機(jī)訪問(wèn)一個(gè)網(wǎng)頁(yè)后，會(huì)沿著超鏈接方向向前訪問(wèn)網(wǎng)頁(yè)。因此，一個(gè)節(jié)點(diǎn)的重要性由鏈??向它的節(jié)點(diǎn)決定，一個(gè)有較多重要節(jié)點(diǎn)鏈入的節(jié)點(diǎn)會(huì)有較高的重要性。??⑩?Ｇ??圖２－２節(jié)點(diǎn)和鏈接關(guān)系示例??圖２－２是包含５個(gè)節(jié)點(diǎn)和９個(gè)鏈接關(guān)系的網(wǎng)絡(luò)拓?fù)鋱D。各個(gè)節(jié)點(diǎn)的ＰａｇｅＲａｎｋ值平均??分配給它所鏈向的節(jié)點(diǎn)，而各個(gè)節(jié)點(diǎn)的ＰａｇｅＲａｎｋ值由所有鏈入節(jié)點(diǎn)的ＰａｇｅＲａｎｋ值傳遞??而來(lái)。以節(jié)點(diǎn)ａ為例，節(jié)點(diǎn)ａ的ＰａｇｅＲａｎｋ值是節(jié)點(diǎn)ｄ平均分配到節(jié)點(diǎn)ａ、節(jié)點(diǎn)ｂ和節(jié)點(diǎn)??ｃ的，而節(jié)點(diǎn)ａ的ＰａｇｅＲａｎｋ值又平均分配給節(jié)點(diǎn)ｂ、節(jié)點(diǎn)ｄ和節(jié)點(diǎn)ｅ。各節(jié)點(diǎn)的ＰａｇｅＲａｎｋ??值的計(jì)算方法如公式（２－１）所示。??ＰＲ（ｕ，）?＝?（＼－ｄ）?＋?ｄｘ?Ｙ?＇＂ｎ＂１。一＾＾／）?（２－１）??ｕ，＾ｕ，）Ｎ（ＯＵＴ｛＜Ｕｊ））??其中，尸７？（ｗ，）表示ｗ，的ＰａｇｅＲａｎｋ值；７／ＶＯＯ表示鏈向ｗ，的節(jié)點(diǎn)集合；Ｗ（Ｏｆ／ｒ（ｗ，））??表示＼鏈向的節(jié)點(diǎn)數(shù)；ｄ為阻尼系數(shù)，其代表的意義是，節(jié)點(diǎn)在任意時(shí)刻沿著鏈接方向??繼續(xù)訪問(wèn)其它節(jié)點(diǎn)的概率；１－?Ｊ是指節(jié)點(diǎn)在任意時(shí)刻停止沿著鏈接方向訪問(wèn)其它節(jié)點(diǎn)而??隨機(jī)跳轉(zhuǎn)到某個(gè)節(jié)點(diǎn)的概率。??９??

【參考文獻(xiàn)】：
期刊論文
[1]虛擬學(xué)習(xí)社區(qū)中意見(jiàn)領(lǐng)袖識(shí)別模型研究[J]. 許睿,李艷翠,訾乾龍,李宗儒,張平川.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(05)
[2]知乎平臺(tái)用戶影響力分析與關(guān)鍵意見(jiàn)領(lǐng)袖挖掘[J]. 郭博,許昊迪,雷水旺.  圖書情報(bào)工作. 2018(20)
[3]面向新浪微博的意見(jiàn)領(lǐng)袖挖掘算法[J]. 劉俊杰,馬暢,邵維龍,韓東紅,夏利.  計(jì)算機(jī)與現(xiàn)代化. 2018(09)
[4]基于情感傾向性分析的微博意見(jiàn)領(lǐng)袖識(shí)別模型[J]. 陳志雄,王時(shí)繪,高榕.  計(jì)算機(jī)科學(xué). 2018(05)
[5]雙通道卷積神經(jīng)網(wǎng)絡(luò)在文本情感分析中的應(yīng)用[J]. 李平,戴月明,吳定會(huì).  計(jì)算機(jī)應(yīng)用. 2018(06)
[6]基于SVM的高維混合特征短文本情感分類[J]. 王義真,鄭嘯,后盾,胡昊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[7]基于BLSTM的維吾爾語(yǔ)文本情感分析[J]. 王樹(shù)恒,吐?tīng)柛ひ啦祭?卡哈爾江·阿比的熱西提,艾山·吾買爾,古麗尼格爾·阿不都外力.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(10)
[8]基于情感分析的社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的識(shí)別——以汽車論壇為例[J]. 朱茂然,林星凱,陸頲,王洪偉,王偉.  情報(bào)理論與實(shí)踐. 2017(06)
[9]一種基于聯(lián)合深度神經(jīng)網(wǎng)絡(luò)的食品安全信息情感分類模型[J]. 劉金碩,張智.  計(jì)算機(jī)科學(xué). 2016(12)
[10]基于多維特征分析的社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖挖掘[J]. 曹玖新,陳高君,吳江林,劉波,周濤,胥帥,朱子青.  電子學(xué)報(bào). 2016(04)



本文編號(hào)：3404187