基于卷积神经网络的微博舆情情感分类研究

被引：91

作者：

张海涛 ^{[1
,2
]}

王丹 ^{[1
]}

徐海玲 ^{[1
]}

孙思阳 ^{[1
]}

机构：

[1] 吉林大学管理学院

[2] 吉林大学信息资源研究中心

来源：

情报学报 | 2018年 / 37卷 / 07期

关键词：

深度学习; 卷积神经网络; 微博舆情; 情感识别;

D O I：

暂无

中图分类号：

G206 [传播理论]; G254 [文献标引与编目];

学科分类号：

050302 [传播学];

摘要：

本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。

引用

页码：695 / 702

页数：8

共 19 条

[1]

基于语义资源的文本情感计算 [D].

徐琳宏 .

大连理工大学,

2007

[2]

#Smiling; #venting; or both? Adolescents’ social sharing of emotions on social media.[J].Anne Vermeulen;Heidi Vandebosch;Wannes Heirman.Computers in Human Behavior.2018,

[3]

Using word embeddings in Twitter election classification [J].

Yang, Xiao ;

Macdonald, Craig ;

Ounis, Iadh .

INFORMATION RETRIEVAL JOURNAL, 2018, 21 (2-3) :183-207

[4]

Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks [J].

Chen, Yu-Hsin ;

Krishna, Tushar ;

Emer, Joel S. ;

Sze, Vivienne .

IEEE JOURNAL OF SOLID-STATE CIRCUITS, 2017, 52 (01) :127-138

[5]

Deep learning [J].

LeCun, Yann ;

Bengio, Yoshua ;

Hinton, Geoffrey .

NATURE, 2015, 521 (7553) :436-444

[6]

USING HASHTAGS TO CAPTURE FINE EMOTION CATEGORIES FROM TWEETS [J].

Mohammad, Saif M. ;

Kiritchenko, Svetlana .

COMPUTATIONAL INTELLIGENCE, 2015, 31 (02) :301-326

[7]

Understanding emotion and emotionality in a process of change [J].

Carr, A .

JOURNAL OF ORGANIZATIONAL CHANGE MANAGEMENT, 2001, 14 (05) :421-434

[8]

Gradient-based learning applied to document recognition [J].

Lecun, Y ;

Bottou, L ;

Bengio, Y ;

Haffner, P .

PROCEEDINGS OF THE IEEE, 1998, 86 (11) :2278-2324

[9]

基于深度学习框架的实体关系抽取研究进展 [J].

李枫林 ;

柯佳 .

情报科学, 2018, 36 (03) :169-176

[10]

舆情事件中评论对象的情感分析及其关系网络研究 [J].

梁晓敏 ;

徐健 .

情报科学 , 2018, (02) :37-42

← 1 2 →