大数据驱动的社交网络舆情用户情感主题分类模型构建研究——以“移民”主题为例

被引：40

作者：

王晰巍 ^{[1
,2
]}

邢云菲 ^{[1
]}

韦雅楠 ^{[1
]}

王铎 ^{[1
]}

机构：

[1] 吉林大学管理学院

[2] 吉林大学大数据管理研究中心

来源：

信息资源管理学报 | 2020年 / 01期

关键词：

卷积神经网络; 社交网络; 情感分类; 主题模型; 舆情监测; 用户研究;

D O I：

暂无

中图分类号：

G254 [文献标引与编目];

学科分类号：

050302 [传播学];

摘要：

基于卷积神经网络构建大数据驱动的社交网络舆情用户情感主题分类模型,通过爬虫分别获取微博和Twitter用户针对热点主题"移民"的情感文本内容,利用Word2Vector训练中文词向量,GloVe训练英文词向量,使用NLPIR和BosonNLP工具进行分词,构建基于"移民"主题的用户情感语料库,通过CNN卷积神经网络对情感分类进行训练和测试,并将分类结果与TimeLSTM和SVM的分类结果进行对比以验证CNN分类的优越性。数据结果表明,所构建的模型能够实现有效的多语言环境下中英文文本分类,通过合理设置激活函数和相关参数能够优化提高模型分类准确度,相较传统机器学习具有一定的优越性。在处理"移民"话题的文本分类上,CNN分类效果优于Time-LSTM模型。研究为跨语言的社交网络舆情用户情感主题图谱的可视化分析提供了前期的研究框架。

引用

页码：29 / 38+48 +48

页数：11

共 18 条

[1]

基于双向长短期记忆模型的网民负面情感分类研究 [J].