【摘 要】
：
网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法。本文利用词嵌入技术学习词语的特征表示,通过增加文本的情
【机 构】
：
南京理工大学经济管理学院,江苏省社会公共安全科技协同创新中心
【基金项目】
：
国家自然科学基金“突发事件网民负面情感的模型检测研究”（71774084）,“基于时间感知模型的学术主题检索与演化挖掘研究”（71503124）, 国家社会科学基金“基于社会网络分析的网络舆情主题发现研究”（15BTQ063）
论文部分内容阅读
网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法。本文利用词嵌入技术学习词语的特征表示,通过增加文本的情感特征生成具有情感意义的词向量,并训练双向长短期记忆模型得到网民负面情感识别模型,在判断网民情感极性的基础上,识别网民的愤怒、悲伤和恐惧三种负面情感,并结合案例数据与SVM、LSTM和CNN等模型进行对比分析。实验表明,具有情感语义的词向量比词向量更适合情感分析任务;利用双向长短期记忆模型可以得到较好的情感识别效果;判断网民情感极性基础上识别网民负面情感的分类方式优于直接判断网民的负面情感的方式。
其他文献
信息技术基础实验系统可以实现实验项目和测试内容的自动评阅,大大降低教师的工作强度,并且可以成为学生自我检验,自我评价的有效工具。本文首先介绍了信息技术基础实验系统
本文以美国、英国和部分欧盟国家为代表,归纳和梳理了公共信息资源开发利用中的定价收费政策及其演变发展过程和实施效果.通过各国信息定价政策的发展演变过程分析,总结各国
本文以信息化考评体系设计为背景,介绍了指标权重理论的特点,以及在指标权重体系下进行信息化考评体系构建体系开发的必要性。
本文对大规模汉语短语树库中的短语直接成分进行了抽取，在统计各短语结构直接成分频次的基础上排序，并进行短语成分的齐普夫定律验证。实验由局部及整体两部分组成：在局部实验中