共查询到20条相似文献，搜索用时 62 毫秒
1.
2.
针对当前基于LDA模型扩展的文本情感分析方法未能考虑同一词语在不同语境下其情感极性的差异及非特征情感词对微博文本情感极性的影响这两个问题,提出一种基于语境分类和遗传算法的微博情感分析方法。该方法首先利用LDA模型构造微博主题集及微博主题词集,然后用微博标签数据逐一对各微博主题词集应用遗传算法自动迭代计算得出词集中词语的情感值,最后利用词集词语的情感值计算微博文本情感极性。实验结果表明,该方法精确度比LDA提升3.12%,召回率达87.32%,F1达73.79%,能够从语境和非特征情感词获取微博情感信息,有效提高情感分类准确率。 相似文献
3.
作为社交网络重要载体,微博成为信息传播的重要平台,承载着公众情感表达及舆论传播的重要功能。对微博博文及评论作出主题概括及情感分析在网络管控、舆情监测及公众情绪引导方面具有重要的实践意义。提出一种基于机器学习与文本分析的主题概括及情感分析模型。以武汉理工大学研究生坠亡事件为话题,利用Word2vec将文本转化为词向量,并且通过机器学习聚类方法对舆情各个生命周期过程进行主题概括,采用基于词典文本分析方法,对评论文本进行多元情感分析,对表现突出的情感大类作细粒度分析,最终实现基于主题与情感分析的多元细粒度公众情感变化分析模型。该分析模型可在特定舆情事件下得出公众在各阶段的关注中心及情绪变化规律,实现舆情主题与情感变化的协同演化研究。 相似文献
4.
微博文本聚类是依据微博主题不同将描述同一类主题的微博文本汇聚到一起的过程。由于微博文本非常短,在使用常规的机器学习方法对微博短文本进行聚类时,常会出现严重的数据稀疏问题,继而对聚类性能产生影响。分析了中文微博文本的数据稀疏特征,并基于这一特征分析比较了几种中文微博文本表示及聚类方法,为中文微博文本聚类分析的难点问题提供了一定的解决途径。 相似文献
5.
6.
为了改善现有基于深度学习网络的中文评论情感分类方法,同时提高中文评论情感分类的正确率和效率,基于Tensorflow框架,对传统BERT模型进行改进,以Nlpcc2013和Nlpcc2014公开的微博评论数据集为实验数据,分别从两个数据集中清洗抽取出3949条和14163条情感极性明显的评论,将数据输入改进后的RoBE... 相似文献
7.
根据依存句法,分析出句子中词语间的依存关系,找出词语级情感影响因子-副词、否定词,并建立情感元素模型,计算情感元素模型分值。对微博中每句话的情感进行分类,根据粒度分别求和,将最大值所对应的细粒度作为句子的情感的策略,对整条微博则采用句子得分最大的前两句所对应的细粒度作为微博的主副情感策略。在第三届自然语言处理与中文计算会议(NLP&CC2014) 的微博情绪判别及分类的评测任务中,应用该方法取得了较好效果。 相似文献
8.
针对目前国内外学者对微博情感只作二分类研究,仅仅从正面和负面研究微博情感不足的问题,选取NLPCC2013-2014年多情感的微博数据集,重点研究常用的3种机器学习算法、3种特征选择以及特征权重方法对中文微博情感多分类的影响。实验表明：不管选择哪种特征权重,使用SVM的微博文本分类准确率都最高,KNN的准确率最低;不同特征权重下,信息增益作为特征选择的方法时,3个算法各自准确率都是最高的;当信息增益为特征选择,TF-IDF为特征权重时,支持向量机的文本分类准确率最高。由于微博简短、口语化,词袋模型忽视了词与词间的联系,导致微博情感分类准确率不高。 相似文献
9.
10.
11.
基于机器学习的情感分类方法已经取得了较大进展,但在大量情感分类方法中,往往都是结合词嵌入和传统的机器学习方法,缺乏对文本主题以及时序关系等因素的有效利用。针对上述问题,提出了一种基于主题流与深度学习的情感分类算法,通过分析文本的主题分布,并引入时序关系,在此基础上利用适合的长短记忆神经网络的深度学习方法进行情感分类。实验证明,基于主题流与深度学习的情感分类算法性能较好。 相似文献
12.
边坡稳定分析中的两类有限元方法比较研究 总被引：1，自引：0，他引：1
基于滑面上应力分析法和强度折减法是边坡稳定有限元分析方法中两类主要的方法.本文对这两种方法进行了探讨.在算例对比分析中,基于非关联流动法则,采用与经典摩尔-库仑准则相匹配的等效D-P准则,在平面应变条件下,对天然边坡的稳定性进行了对比研究工作,并同传统极限平衡方法进行比较.研究表明,两类有限元方法得到的安全系数大小以及相应滑动面形状和位置均一致. 相似文献
13.
为弥补目前国内学者只做单一算法研究且语料单一的缺陷,使用Word2vec词向量模型结合支持向量机（SVM）、卷积神经网络（CNN）和长短期记忆网络（LSTM）3种不同分类算法,研究了不同中文文本分类问题,包括微博语料的多维细粒度情感分类、酒店评价的倾向性分析和新闻文本的主题分类。将3种分类模型在不同文本中的分类效果进行对比,结果显示这3种算法对于不同的中文分类效果各有不同：不同维度的词向量对准确率等评价指标影响很大;支持向量机模型更适合于细粒度的微博情感分类;卷积神经网络、长短期记忆网络算法更适合于噪声小、文本长且规范的新闻主题分类任务。分类粒度会对算法准确性产生影响,粒度越细、任务越复杂,算法准确性越低。 相似文献
14.
〖HJ*3〗随着微博的迅猛发展,微博相关方向的数据挖掘已经成为研究热点。而如何高效、完整地采集微博信息并对其进行预处理,将大大影响微博数据挖掘的效率与效果。对基于API与网页爬虫的微博信息采集方式及其研究现状进行了归纳总结,并按照中文微博文本预处理过程归纳总结了信息过滤、中文文本分词、特征表示与选择等预处理方法研究现状。最后对未来微博信息采集及处理的发展方向进行了展望。 相似文献
15.
Blog是Web2.0环境下用户自创内容的重要形式,已经成为互联网上一种重要的信息源和知识源.如何快速、准确地获得Blog信息及隐藏在信息中的知识是人们的迫切需要.本文构建了一个Blog知识挖掘框架,该框架基于文本聚类和主题模型两种文本分析方法,挖掘Blog日志中潜在的概念主题,并对所挖掘的概念主题进行观点分析,这将有助于对于领域知识的深层次研究.笔者应用该方法以e-LearningBlog日志为研究对象,进行了实例研究. 相似文献
16.
情感分析是目前人工智能与社交媒体研究的热门领域,具有重要的理论意义和实用价值。为了解决由于社交媒体具有随意性、情感主观性等特点造成文本与图像之间的情感互斥问题,提出一种基于图文融合的跨模态社交媒体情感分析方法。该方法不仅可以学习到文本与图像之间的情感互补特性,而且通过引入模态贡献计算,可避免情感表达不一致问题。在Veer和Weibo数据集上的实验结果显示,相比于现有融合方法,采用该方法的情感分类准确率平均提高了约4%。基于图文融合的跨模态社交媒体情感分析方法能够很好地处理模态间的情感互斥问题,具有较强的情感识别能力。 相似文献
17.
情感研究是当前在线教育中的重要研究问题,涉及的领域十分广泛。研究力图对在线教育中情感领域的研究进行系统的总结和归纳,从而更好地促进在线教育的发展。研究通过文献计量法和内容分析法,以近十年来发表在国内外核心期刊上关于在线教育领域情感研究的235篇文献为研究对象,对其研究主题、研究场景、研究对象、研究方法等进行统计分析,并从情感分析、情感参与、情感交互、情感设计等方面对相关研究热点进行深入剖析。在此基础上,从聚焦即时智能化的情感时序性研究、深度探究多元因素的协同作用机制、提高情感分析算法的准确性和可解释性、扩大情感的研究场景和研究群体范围、加强情感设计和情感系统的应用与效果评价等五个方面对相关领域的研究提出了建议,以期更好地促进学习者在线情感投入,提升在线学习质量。 相似文献
18.
19.
近年来,随着Web2.0的兴起,互联网信息更加丰富,数据规模日益增加,传统数据挖掘技术难以满足需要.云计算为解决这一问题提出了一种新方法.本文首先对开源的云计算技术Hadoop进行介绍,然后,对分布式进行了设计.本文将聚类过程分为三个步骤,分别对TF-IDF关键词提取、LDA 模型训练和K －means 聚类过程进行MapReduce 的实现,并使用公共微博数据集进行了聚类实验,并与传统聚类方法进行对比,结果表明,本文所使用LDA 建模的分布式算法对中文微博数据聚类效果较好. 相似文献
20.
正情绪类心理动词是指积极的、正面的、主观希望发生的、没有任何心理负担的情绪类心理状态动词,它是表达主观性的重要手段.其之所以主观性主要在于：情绪是情感的外现,而情感、态度正是主观性研究的主要内容.正情绪类心理动词按其意义可分为：喜悦类、满意类、激动类等. 相似文献