基于深度学习和OCC情感规则的网络舆情情感识别研究

被引：41

作者：

吴鹏 ^{[1
,2
,3
]}

刘恒旺 ^{[1
]}

沈思 ^{[1
,2
,3
]}

机构：

[1] 南京理工大学经济管理学院

[2] 安全预警与应急联动技术湖北省协同创新中心

[3] 江苏省社会公共安全科技协同创新中心

来源：

情报学报 | 2017年 / 36卷 / 09期

关键词：

网络舆情; OCC模型; 深度学习; 词向量; 卷积神经网络;

D O I：

暂无

中图分类号：

G353.1 [情报资料的分析和研究];

学科分类号：

1205 ;

摘要：

为解决网络舆情情感倾向性分析中语义理解不足和仅关注情感词典的现状,本文基于OCC模型认知情感角度建立情感规则,对网络舆情中突发事件的微博文本进行情感分类标注作为训练集,并对深度学习中卷积神经网络模型进行训练得到网络舆情情感识别模型。通过对比实验证明OCC情感规则标注使数据集情感分类更加精确,卷积神经网络的识别效果显著优于传统的机器学习方式(SVM),情感识别模型情感最高可达到90.98%的准确率。

引用

页码：972 / 980

页数：9

共 15 条

[1]

基于卷积神经网络的人脸检测和性别识别研究.[D].汪济民.南京理工大学.2015, 01

[2]

个性化情感建模方法的研究.[D].郭尚波.太原理工大学.2008, 10

[3]

基于OCC模型的文本情感识别方法的研究.[D].庞娜.太原理工大学.2008, 10

[4] 基于关联规则挖掘和极性分析的商品评论情感词典构建 [J].