共查询到19条相似文献，搜索用时 375 毫秒
1.
基于OCC模型和LSTM模型的财经微博文本情感分类研究 总被引：1，自引：0，他引：1
为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。 相似文献
2.
3.
基于微博的情感分析近几年获得了广泛的关注,但是通常是对微博上的电影或者产品的评论。我们的研究目标是针对微博上的热点事件的分析,将这些事件的评论分为正向或者负向,将微博用户的评论进行分类有利于辨别公众对于这个事件的普遍看法。本文提出了一个基于卷积神经网络的混合模型：CNN-SVM,用于对事件的评论进行分类。其次,根据微博用户的转发行为,我们提出了一种新的数据结构——转发树,用以解决评论中的一些分类混乱情况。实验结果表明CNN-SVM 确实提高了情感分类的正确率,新提出的转发树结构在对真实世界的情感倾向性的逼近中也是十分有效的。 相似文献
4.
[目的/意义]微博已成为大众情感表达的重要平台,微博的情感分析在舆情分析、用户体验、商机挖掘等方面有着重要的作用。[方法/过程]提出的情感倾向分类算法WE_SDAE使用单词嵌入的方式将微博表示成一个低维稠密向量,然后通过添加正则项和加噪处理的方式将基本的自动编码器算法优化成深层噪音自动编码器,并在顶层添加分类器,实现情感倾向分类。考虑到微博用词灵活,还从单字和词语两个粒度训练模型。[结果/结论]实验结果表明,基于单字粒度的模型表现优于基于词语粒度的模型。此外,对比实验显示WE_SDAE算法优于传统的SVM、Naive-Bayes、XgBoost等相关算法;单词嵌入的方式优于传统的向量空间模型表示方法,能在微博情感分析中取得较好的效果。 相似文献
5.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献
6.
微博等社会媒体正面临用户活跃程度下降,老用户停止使用的困境。以往的信息系统持续使用理论忽略了用户情感的重要作用,因而对微博等信息系统用户持续使用行为的解释力不足。基于此,本文旨在探究微博用户情感体验与用户满意度之间的关系。研究分两个阶段进行:第一阶段采用心理学中的情感测量方法,分析微博用户在使用过程中的情感体验;第二阶段测量在前一阶段中得到的各种情感的强度,通过回归分析验证用户情感与用户满意度之间的关系。研究发现了用户使用微博中体验到的、出现频率最高的16种情感,其中9种正向情感和7种负向情感,正向情感与用户满意度之间存在显著的正向影响关系,微博用户使用经验对正向情感与用户满意度之间的关系有正向调节作用。这对全面理解微博用户的行为规律具有理论意义,对微博平台运营以及微博营销等应用有实际的指导意义。 相似文献
7.
[目的/意义] 微博平台产品评论的特征级情感分析问题具有其特殊性,为了对特征分类,解决隐式特征的识别问题,并分析特征情感,提出一种基于特征本体的产品评论情感分析方法。[方法/过程] 该方法利用构建的特征本体对特征词分类,通过计算情感词与特征的搭配权重来识别隐式特征,并构建领域情感词典和微博表情符号词典,计算微博产品评论的特征情感极性和强度。[结果/结论] 构建方法模型,通过采集微博评论数据设计实验,验证了提出方法的有效性。 相似文献
8.
针对微博短文本评论,基于情感分析技术,从情感类转移等角度实现对网络舆情演变趋势的预测。本文以突发事件“新冠肺炎疫情”初期的相关微博评论文本作为研究对象,基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法,即偏差规则马尔可夫模型（the deviation rules Markov model,DRMM）。该模型分析了网民情感类间的相关性和转移性,通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测。实验采取平均绝对误差（mean absolute error,MAE）和均方根误差（root mean squared error,RMSE）来衡量模型预测值与真实值之间的误差。研究结果表明,该模型具有较好的有效性和准确性,预测值和真实值的拟合效果在预期范围之内。 相似文献
9.
文本情感分析作为自然语言处理领域的一个重要分支,被广泛运用于舆情分析和内容推荐等领域,近年来成为研究的热点。提出基于语法规则和自注意力机制的GCN情感分析方法。首先,使用Glo Ve预训练模型与Bi LSTM模型提取文本的语义特征,并采用spa Cy工具对文本进行句法依存分析,从而提取文本的语法规则。其次,引入自注意力机制,并依据语义特征与语法规则构建GCN模型。最后,采用全连接层和Softmax分类器进行情感分类。实验结果表明,该方法与相关基线模型相比,在Twitter数据集上的准确率和宏F1值分别得到了提升,具有较好的情感分类性能。 相似文献
10.
融合主题与情感特征的突发事件微博舆情演化分析 总被引：1，自引：0，他引：1
[目的/意义]微博是突发事件网络舆情传播的重要媒介。面向突发事件的微博主题和情感挖掘对掌握突发事件的网络舆情、识别与预测潜在问题及风险等方面具有重要的实践意义。尝试提出一种融合主题与情感特征的突发事件微博舆情演化分析方法。[方法/过程]以寨卡事件为例,通过划分微博舆情演化的生命周期,基于word2vec技术分别提取该事件生命周期各阶段的微博主题,采用基于词典的情感分析方法,引入情感词、表情符号等多情绪源,对不同主题下的评论情感做细粒度划分,并计算情感强度,最终实现微博主题与情感的协同分析。[结果/结论]所提出的微博舆情演化分析方法能够揭示面向特定事件的微博在突发事件生命周期各阶段的主题特征、情感类型与强度,剖析网络舆情主题与情感特征的协同演化规律。 相似文献
11.
This article explores the evolution of the role of academic journal articles submitted to the UK's Research Assessment Exercise (RAE). By reviewing their role, it is possible to see how the changes from quantitative to qualitative assessment (and the resulting problems surrounding the definition of ‘quality’ journals) has impacted both on the journals selected by academics for publishing their research and the assessment of them. Although only one part of RAE submissions, the listing of published research outputs provides the primary evidence for research quality to most RAE panels, and is a significant driver of the final grade awarded, and thus the funding received by submitting institutions. The RAE, being a peer‐reviewed assessment exercise, mirrors in some ways the peer‐review process immured within scholarly publication. The developing role of journal publications as a vehicle for academic research output is examined via the chronology of the RAE, before assessing the current situation in which published journal output formed almost 70% of all output assessed by RAE panels in the latest exercise. The impact of this increased importance of academic journals in the assessment process is considered not only for academics but also for the wider community, i.e. publishers and libraries. 相似文献
12.
[目的/意义]以用户情感为线索的图像检索已成为机器学习研究的热点，但图像情感特征标注的语料数据多来源于对图像低层特征的抽取，从而导致图像检索过程单一化和程式化。本文提出了一种基于深度学习的图像情感特征抽取的算法，将图像底层特征融合到图像的高层情感语义当中，为实现图像的情感语义检索提供了参考。[方法/过程]利用改进的卷积网络模型，将数据集图像的颜色、纹理作为输入，经多层运算自动提取图像的情感信息，并通过反向传播算法计算出改进后模型的情感检索准确率，构造出准确率较高且过拟合程度低的图像情感特征提取模型。[结果/结论]应用改进的卷积神经网络模型，实现了对图像情感特征的抽取，相较于原模型提升了10%的检索准确率。 相似文献
13.
��[Purpose/significance] By using corpus-based sentiment analysis, opinion word polarity can be predicted in accordance with its context. The method is significant in applications oriented to specific-domains sentiment analysis tasks since it can improve the prediction accuracy.[Method/process] In the paper, context-oriented sentiment polarity identification for emotion expressions was investigated. A Pointwise Mutual Information(PMI) based algorithm was proposed to solve the problem. In terms of PMI, polarity of an emotion expression "feature-opinion" was inferred according to the co-occurrence of the expression with contextual opinion seed words. Furthermore, employing dependence relation analysis to detect sentimental reverse in context; with the modified PMI algorithm, we can predict polarity of emotion expressions in a sentence more accurately.[Result/conclusion] The results indicate, compared with the Lexicon-based method and the classical PMI, the modified method performs better. With it, opinion-words unlisted in lexicons can be identified, and context-specific sentimental orientation of an expression can be detected precisely as well. Modifying the macro F1 value to 0.827 and 0.878 in cater-review corpus and electronic-product review corpus separately. The algorithm, supported by large-scale domain-specific corpus and based on statistics and dependency analysis, is efficient due to convenience for data acquisition, which make it easier be applied in other domain-specific sentimental analysis tasks. 相似文献
14.
基于引文内容分析的引用情感识别研究 总被引：1，自引：0，他引：1
[目的/意义]针对自动识别论文引用情感问题,提出一种基于引文内容分析的识别方法并进行可视化展示,克服基于简单引用频次计量无法区分不同引用情感的问题。[方法/过程]首先,利用正则表达式抽取出论文全文中的引文内容信息;然后,利用TF-IDF算法筛选出引用情感特征词,结合情感词典,利用情感分析技术对引文内容进行引用情感识别;最后,利用可视化工具展示出引用情感整体分布情况。[结果/结论]该方法能够有效识别出抗衰老领域论文数据集中引用情感情况。实验结果显示,该领域正面引用占总引用次数的21%,中立引用占总引用次数的78%,负面引用仅占总引用次数的1%。与传统引文网络相比较,基于引用情感的可视化图谱可以有效识别出不同引用情感在整体数据集合上的分布情况。 相似文献
15.
基于修正点互信息的特征级情感词极性自动研判 总被引：1，自引：0，他引：1
[目的/意义]基于语料的情感词发现依语句上下文推断情感词极性,能显著提升情感分析的准确率,在面向领域的特征级情感分析任务中有重要应用价值。[方法/过程]对特征级情感极性研判问题展开探讨,提出基于点互信息的"特征-情感"对情感极性自动判别算法,算法借助大规模领域语料,根据观点表达"特征-情感"对与情感语义明确的种子词的共现关系,同时引入依存句法分析语句间的情感转折,通过修正经典的点互信息算法,对上下文约束下的用户观点表达进行褒贬预测。[结果/结论]实验证明,修正算法的性能显著优于词典匹配算法和经典的点互信息情感识别算法,不仅能够推断词典中未纳入的观点表达的情感指向,而且能较准确地推断"语境"中的情感词极性。在餐饮评论和数码产品评论两个评测语料集上,修正算法的F1宏平均指标分别达到0.827和0.878。该算法以领域相关的大规模语料为支撑,基于概率统计和句法分析,因数据获取便利,算法效率高,移植性好,具有普适性,尤其适用于面向领域的情感分析任务。 相似文献
16.
[目的/意义]针对中文网络客户评论,从消费者真实购买体验的网络平台上抓取在线评论信息,构建基于在线评论情感隶属度模糊推理的网络口碑监测评估方法,有助于企业实时监控网络口碑舆情。[方法/过程]以美国消费者满意度模型（ACSI）为基础,从感知质量、感知价值、感知期望和感知情感4个属性方面构建在线评论网络口碑监测评估模型,结合情感隶属度模糊推理算法,从数据准备、情感分析和网络口碑舆情监测评估3个研究阶段,通过模糊推理系统设定计算规则,采用Mamdani方法对网络口碑舆情进行监测评估。[结果/结论]以亚马逊手机品牌在线评论为例进行实例验证,提出的基于情感隶属度模糊推理的网络口碑舆情监测评估方法得到较好的实验检验效果,可以为在线产品的网络口碑舆情监测评估提供信息决策。 相似文献
17.
非智力心理因素对情报分析过程的影响机理 总被引：1，自引：0，他引：1
18.
Brenton J. Malin 《传播与批判/文化研究》2016,13(1):40-57
From the 1990s to the early twenty-first century, a range of writers in sociology, history, and cultural studies would increasingly see emotion as an important area of study. This “affective turn” has offered an important corrective to standard scientific conceptions of emotion, highlighting the mysteries of embodiment that are ignored by a narrowly empirical approach. While celebrating this development, this paper offers a series of cautions drawn from a comparative history of scholarly attention to emotion. Similarly to the early twenty-first century understanding of affect, the social sciences of the late nineteenth and early twentieth century employed a neo-romantic conception of emotion. By the 1920s, this idea would be subsumed into a new scientific paradigm that saw the new recording technologies as perfect vehicles for taming the mysteries of emotion. I discuss strategies for avoiding this scientizing of emotion in our own period, which is similarly taken with a series of “new technologies.” 相似文献
19.
[目的/意义]针对目前UGC质量不均衡的问题,提出一种基于情绪分析的UGC质量评判模型,对低质量UGC进行及时地识别,有助于舆情监控、规范网络秩序。[方法/过程]首先选取实时热搜话题,抓取与话题有关的转发、评论等用户数据,按照不同时间段内话题讨论的重点对数据进行内容聚类;其次,利用ROSTCM6工具对聚类内容进行情绪分析,捕获UGC的情绪特征和质量特征,挖掘情绪值与UGC质量之间的关系,建立两者间的回归模型;最后在此基础上实现UGC质量评判。[结果/结论]实验证明,该模型能够辅助评估某一主题的UGC在其生命周期内各阶段的平均质量,及时发现低质量UGC所处的阶段和位置。 相似文献