融合母评论文本信息的评论短文本情感分析研究——以短视频评论文本为例

[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。     

基于情感倾向性分析的网络舆情情感演化特征研究

[目的/意义]旨在通过对网络舆情进行情感倾向分析和舆情追踪,为政府有效掌控网络舆情突发事件提供理论基础与决策支持。[方法/过程]以"罗一笑"事件为例,在建立加入特定事件语料情感分类词典和构建情感倾向分析模型的基础上,统计该事件微博文本的情感性强度和情感类型,从而划分网络舆情演化阶段。[结果/结论]揭示了舆情演化各阶段的特征与规律,据此提出引导网络舆情情感演化的相关建议。     

一种基于引文的情感分析方法及其对论文排名指数的影响

[目的/意义]旨在研究引文分析中引入情感分析后对论文排名的影响。[方法/过程]提出一种引文情感分析方法,确定引文文本中的情绪,并使用监督分类器为每个文本句分配一个分数来确定其情感倾向,利用C4.5决策树对引文的极性进行分类;提出一个考虑定量(引用次数)和定性(情感分析)因素的论文评价指数pc指数,并基于该指数对论文进行了排名。[结果/结论]C4.5决策树对引文的极性进行分类,获得了较为准确的结果;pc指数对朴素算法进行改进后获得了对被引论文的影响力新的排名,排名对于较小的语料库影响不大(只有4篇论文排名发生了变化),而对于更大的语料库,预计影响会更大。     

基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略

[目的/意义]网民情感变化是影响政府舆情应对进程、政策、策略的关键。因此，构建科学高效的情感词典，对网民情感分析研究及应对策略的选择具有重要的实际意义。[方法/过程]结合扎根理论的质性研究特点，在情感词典的构造中融入突发事件演化规律影响因素，采用点互信息算法，TF-IDF，统计量等方法对微博表情符号词典及突发事件专属情感词典进行构建，编制了突发事件情感词典，随后选取"6.22"杭州保姆纵火案微博语料进行情感分析。[结论/结果]实验发现，与不加入影响因素的情感词典相比，本文构造的词典在准确率召回率等指标的对比中均得到了一定程度的提高。同时，结合扎根理论与主题分析的结果，对舆情发展的不同阶段所选择的舆情应对策略提供了参考。     

社会化在线评论情感因素测量与有用性分析

[目的/意义]社会化在线评论与传统的专业性评论相比,具有更为显著的传播速度和影响力。文本评论中的情感因素并非单纯的数量化评分能够完全体现的。对本文评论中情感因素的测量与分析,能够有助于在线评论的全角度识别与揭示,更加客观准确地反映在线评论的价值。[过程/方法]通过提取用户发布的在线文本评论数据,采用有监督机器学习的算法,分别计算文本评论的情感分类得分、情感倾向得分、综合情感得分。从类型、地区、人数多个维度对情感得分与总评分进行交叉对比分析。[结果/结论]研究结果表明,文本评论蕴含的情感因素对总评分具有部分的影响作用。用户的认知偏好、社会文化背景和评论人数占比会对情感因素的有用性产生影响。     

不同网络平台用户情感表达特征对比分析

[目的/意义]网络用户主要通过购物类、社交类和点评类三种常见网络类型平台发表带有情感倾向的评论,但是由于用户群体、可评论时间、可评论次数以及评论方式等的不同,使得这三种网站类型中的用户对于同一主题的情感表达存在较大差异。文章从用户情感表达特征角度对比评测购物类、社交类和点评类三种主流网络平台中用户情感评论特点,为情感分析数据源选择提供借鉴。[方法/过程]在情感分析的基础上,通过对评论特点、用户情感特征和用户痛点等的对比分析和实证分析,探索三种平台的情感表达特点。[结果/结论]实验结果表明,不同类型网络平台评论的主要内容、情感特征以及痛点表现方面均存在明显差异,进而对情感分析信息源选择提供依据。     

微博环境下高校舆情情感演化图谱研究——以新浪微博“高校学术不端”话题为例

[目的/意义]掌握和了解微博环境下高校舆情情感的演化规律,对相关部门加强高校舆情监测监管,使高校适时采取措施应对负面舆情事件的恶性传播具有十分重要的意义。[方法/过程]本文通过文本挖掘并利用词云可视化展示对文本特征进行分析;基于朴素贝叶斯分类器将网络用户评论文本进行情感分类;结合用户情感演化与舆情事件发展周期的分析动态展示高校舆情情感演化图谱。[结果/结论]网民负向情感的占比在舆情蔓延期达到顶峰,中性情感的占比在舆情蔓延期最低,正向情感的占比在舆情周期中几乎没有变化。通过对微博环境下高校舆情情感演化图谱进行研究,为微博环境下高校舆情的研究提供新的理论支撑,在实践层面为舆情监管部门及时监测和有效引导高校舆情走向起到针对性的作用。     

融合语义与情感分析的区块链产业新闻监测研究

[目的/意义] 前沿技术孵育的新兴产业发展演进快,但因统计数据迟滞,产业监测难而备受研究者关注。[方法/过程] 以2014-2019年36氪网站互联网区块链新闻为数据样本,提出纳入协变量的结构化主题模型（STM）与深度学习情感分析技术结合的新兴产业新闻文本监测方法,通过监测媒体报道的产业新闻热点强度变化,文本情感倾向对新闻热点强度的时序影响,发现并跟踪新兴产业热点及趋势。[结果/结论] 2014-2019年,69%的区块链新闻主题聚焦于区块链的产业应用和比特币等数字代币的发行与交易。文本的语义和情感分析显示,2017年以来,中国的区块链产业发展存在一定的媒体炒作特征,但媒体对各类数字代币发行与交易由褒转贬的情感倾向变化可以对区块链隐含风险起到预警作用。[创新/价值] 提出的产业新闻文本监测方法具有准实时性,能与传统的事后统计指标监测方法互为补充。     

基于框架语义的在线医疗评论情感分析

[目的/意义] 随着"互联网+"在医疗服务行业的应用与发展,积累了大量的医疗评价信息,利用情感分析技术可以对其进行有效地挖掘和利用,从而为医疗管理提供决策参考。[方法/过程] 基于框架语义理论建立医疗情感语义分类词典;采用词典和规则相结合的方法进行在线医疗评论的情感语义分析,标注情感类别、情感主题、极性和强度等信息。[结果/结论] 通过在线医疗评论数据测试,验证了研究方法的有效性和科学性,是情感分析向医疗健康领域纵深发展的一次有益探索。     

突发公共卫生事件下在线健康社区突发话题与情感的共现关联分析

[目的/意义]在线健康社区在突发公共卫生事件的应急和管理中发挥了重要的作用,对社区中用户关注的事件话题及其情感进行分析和监测有助于社区平台创新应急服务水平,提升舆情监管部门的舆情管理水平。[方法/过程]为了实现在线健康社区突发话题与情感的共现关联分析,首先抽取话题及其特征词,计算话题突发强度;然后对用户情感进行分类与极性强度计算;接着对突发话题与情感进行共现可视化分析;最后对话题突发强度与情感表达之间的关系进行实证分析。[结果/结论]文章的研究思路与方法可以直观地观测用户交互话题的突发性以及话题—情感的演化进程;情感强度与话题突发强度存在正向弱相关关系,随着话题突发强度增强,用户表达的情感类型也会有所不同。     

引文分析法与内容分析法结合的文献知识发现方法综述

[目的/意义]为推进文献知识发现研究方法体系的形成和应用研究的广泛开展,梳理引文分析法与内容分析法结合的不同模式,可为后续研究提供参考。[方法/过程]在介绍引文分析、内容分析的基础上,提出两者结合的必要性;从引文分析法与内容分析法不同结合方式(组合、聚合与融合)的概念解析、研究结构、相关应用等方面,全面展示两种分析方法结合的基本概貌;并给出未来两种方法实现深度结合的研究趋势。[结果/结论]引文分析法与内容分析法结合实现文献知识发现的有效性已得到国内外学者的认可,目前已形成系统的方法体系,其方法理论可推广应用到多源信息融合实现知识发现的研究中去。     

实体语义关系分类及应用研究

[目的/意义]实体语义关系分类是信息抽取重要任务之一，将非结构化文本转化成结构化知识，是构建领域本体、知识图谱、开发问答系统、信息检索系统的基础工作。[方法/过程]本文详细梳理了实体语义关系分类的发展历程，从技术方法、应用领域两方面回顾和总结了近5年国内外的最新研究成果，并指出了研究的不足及未来的研究方向。[结果/结论]热门的深度学习方法抛弃了传统浅层机器学习方法繁琐的特征工程，自动学习文本特征，实验发现，在神经网络模型中融入词法、句法特征、引入注意力机制能有效提升关系分类性能。     

基于深度学习的领域本体概念自动获取方法研究

[目的/意义]实现对领域概念的自动学习抽取,解决领域本体自动化构建的首要基础任务。[方法/过程]以无监督的学习方法和端到端的识别模式为理论技术基础,首先通过对主流词嵌入模型进行对比分析,设计提出了基于Word2Vec和Skip-Gram的领域文本特征词嵌入模型的自动生成方法;其次研究构建了以IOB格式的标注文本作为输入,基于自注意力机制的BLSTM-CRF领域概念自动抽取模型;最后以资源环境学科领域为例进行了实验研究与评估分析。[结果/结论]模型能够实现对领域概念的自动抽取,对领域新概念或术语的自动识别也具有一定的健壮性。[局限]模型精度尚未达到峰值,有待进一步优化提升。     

Altmetrics分析方法体系构建研究

[目的/意义]从方法论层面探索Altmetrics学科范式,推动其理论框架的进一步完善。[方法/过程]根据事件模型,分析引用事件和社交媒体事件的共性和差异,将引文分析方法移植到Altmetrics中,探讨并扩展Altmetrics分析方法及其应用思路,从而构建Altmetrics分析方法体系。[结果/结论]Altmetrics分析方法体系包括:社交媒体事件的特征分布分析、Altmetrics计数分析、文本分析、网络分析和自提及分析,这些方法能够支撑Altmetrics在学术评价中的有效应用,进一步提升领域成熟度。     

国际图书情报领域“科学数据”研究进展述评——基于SCI/SSCI期刊论文的内容分析

[目的/意义]利用词频分析法和内容分析法定量分析国际图书情报领域"科学数据"相关研究进展。[方法/过程]本文利用Web of Science数据库通过词频分析法和内容分析法揭示了2004-2018年国际图情领域"科学数据"相关研究文献的研究主题领域和研究方法类型,分析了国外相关研究的主题分布特点与研究方法特色,并在此基础上指出了对我国相关研究的借鉴与启示。[结果/结论]国外相关研究更多关注应用研究相关主题领域,广泛采用多种类型的研究方法进行实证研究,并注重借鉴、移植多学科方法进行创新性应用。     

大数据环境下国内情报分析研究方法研究

[目的/意义]对大数据环境下国内情报分析研究方法、研究方法对应的研究主题进行归类,归纳其一般特性,对情报分析研究方法未来发展进行展望。[方法/过程]通过对情报分析领域文献中研究方法关键词进行词频统计分析,采用共词分析法、因子分析法、单因素方差分析、聚类分析、多维尺度分析等方法确定情报分析研究方法的分类类别数,归纳出每一类研究方法的特点,对每一类研究方法所对应的研究主题进行梳理。[结果/结论]发现大数据环境下国内情报分析研究方法可以分为7类。从两个不同角度对7类情报分析研究方法进行概括,认为面向全源数据的智能化的情报分析方法是未来的发展方向。与7类情报分析研究方法密切相关的主题分别为颠覆性技术创新、图书馆资源建设、语义计算、风险预测、技术的合作与竞争、系统评价、方法体系构建。     

大规模科技文献深度解析和检索平台构建

[目的/意义] 在信息检索、科技论文评价和知识结构演化方面,引文分析都起着至关重要的作用。随着格式化全文数据库的出现,引文分析迈入了4.0时代——全文引文分析阶段。但是,目前还没有中文的格式化全文数据库,这极大地制约了全文引文分析在我国科技文献中的研究和应用。[方法/过程] 在本文中我们提出建立高效的中文全文引文分析依赖的数据集和检索平台的方法,主要包括：1）提出了基于规则和SVM分类方法的论文元数据和引用提取方法;2）提出基于Spark平台的实现高效引文内容分析标准化数据集生成方法;3）提出建立引用内容的科技文献检索平台。[结果/结论] 引文内容分析标准化数据集的建立将全面提升全文引文分析在我国科技领域中的研究效能,提高科技文献查找精度。     

基于深度学习的"教育公平"网络舆情分析

[目的/意义]旨在构建一个网络舆情系统,及时准确地挖掘海量网络数据,分析社会热点事件的网络舆情。[方法/过程]结合深度学习技术,构建了一个基于内容与结构的舆情分析模型,其中利用Bi LSTM-CNN深度模型对舆情内容进行情感分析,利用社会网络分析法对舆情网络进行结构分析。[结果/结论]实证分析表明了该模型在公共事件舆情分析上的有效性和优越性。从结构和内容两方面分析,能为公共事件网络舆情分析提供新思路。     

改进的图神经网络文本分类模型应用研究——以NSTL科技期刊文献分类为例

[目的/意义]随着互联网数字资源的剧增,如何从海量数据中挖掘出有价值的信息成为数据挖掘领域研究的热点问题。文本大数据分类是这一领域的关键问题之一。随着深度学习的发展,使得基于深度学习的文本大数据分类成为可能。[方法/过程]针对近年来出现的图神经网络文本分类效率低的问题,提出改进的方法。利用文本、句子及关键词构建拓扑关系图和拓扑关系矩阵,利用马尔科夫链采样算法对每一层的节点进行采样,再利用多级降维方法实现特征降维,最后采用归纳式推理的方式实现文本分类。[结果/结论]为了测试该文所提方法的性能,利用常用的公用语料库和自行构建的NSTL科技期刊文献语料库对本文提出的方法进行实验,与当前常用的文本分类模型进行准确率和推理时间的比较。实验结果表明,所提出的方法可在保证文本及文献大数据分类准确率的前提下,有效提高分类的效率。