基于支持向量机的产品属性识别研究

本文提出了一种结合自然语言处理技术与支持向量机模型,从客户评论中识别产品属性的方法.为了检验该方法的有效性,从收集的22 157条有关餐厅的评论语句中随机选取3701条,对其进行手工标注.针对手工标注语料库,利用支持向量机方法进行了产品属性识别训练和测试,并在准确率、召回率、F1值方面进行了评估.在测试结果中,平均准确率为95.6%,平均召回率为81.9%,平均F1值为87.3%.实验结果表明,该方法在平均准确率、平均召回率和平均F1值方面均高于最大熵模型方法,在句子层次上具有较好的属性识别效果.     

基于Word2Vec和CNN的产品评论细粒度情感分析模型

[目的/意义]构建一种基于Word2Vec和CNN的产品评论细粒度情感分析模型。[方法/过程]首先使用Word2Vec从产品评论中构建产品特征词列表和噪声词表,其次借助噪声词表来进行产品评论特征词的提取,然后采用CNN对产品评论进行产品特征层面的细粒度情感分类,最后实现基于产品特征的产品评论聚类。[结果/结论]通过爬取京东商城华为手机评论对该模型进行训练和测试,结果表明,该模型能够有效实现产品评论的细粒度情感分析,可以有效地发现用户对产品特征的关注度和满意度。     

基于微博平台的平度征地事件及舆情分析

微博作为公众表达个人意志的平台之一,对社会问题事件网络舆情的形成、传播以及网民意见的表达具有重要影响.本文通过对平度征地事件的整体概述,分析基于微博平台网络舆情的不同发展阶段,以及其所体现的微博舆情特殊性.     

基于支持向量机的商业银行信用风险评估和控制研究

本文的研究目的在于介绍一种新兴的从统计学习理论发展而来的方法——支持向量机（SVM）,并将其用于银行信用风险分析。支持向量机是一种基于统计学习理论的分类方法。可将其用于分析财务比率和非财务比率,并且用于违约概率的估计的一种方法。本文将通过实证分析来证明支持向量机能够从财务数据中提取或挖掘出有用信息。     

浅谈微博的媒介特性与舆情应对

关注就是力量,围观改变中国。因微博不同于传统媒体的特性,使得微博舆情一旦形成就呈几何倍的速度扩散。然而,基于情感认同而聚集的微博舆情有时是非理性的。面对复杂多变的微博舆情,以微博应对微博舆情,不失为一条直接、快速、有效的途径。     

基于支持向量机的学位论文自动分类研究

博硕士学位论文具有较高的学术研究和使用价值,本文根据学位论文编目分类的特点,使用支持向量机的方法,采用分层分类的办法对学位论文进行自动分类,实验证明了该方法在学位论文分类上的有效性和可行性.     

个性化服务中基于支持向量机的用户兴趣挖掘分析

用户兴趣的准确获取是保证个性化服务质量的关键;分析用户所浏览的网页集,捕获用户兴趣、建立用户兴趣挖掘模型是目前个性化服务研究的一个重要方向.本文首先比较支持向量机与其他分类算法的性能,分析了基于支持向量机进行用户兴趣挖掘的可行性;然后在介绍支持向量机分类原理和分析分类预测理论模型的基础上构建了用户兴趣挖掘模型;最后选取中文网页分类训练集和特定用户的网页浏览记录,主要从支持向量机分类器的构造和用户兴趣预测两个方面进行了模型的实现研究.     

基于复杂网络的微博舆情分析

微博作为迅速崛起的新兴社会媒体,在网络舆情领域日益引起研究者的关注.为了弥补传统网络舆情分析的不足,本文将共词网络分析和复杂网络的思想与方法拓展到微博舆情分析中,并设计了基于网络可视化的微博舆情分析模型.并通过实证分析对其效果进行验证,发现共词网络可有效探测舆论热点,复杂网络在舆论领袖发现中也可取得较好效果.本文为基于微博的网络舆情分析提供了有效的可视化途径,探索和拓展了其研究方法,并提供了有益借鉴.     

基于高校学生微博的舆情热点分析与发现

本文从高校网络舆情及大学生微博用户的特点出发,提出了高校学生微博热点话题的概念、表现形式和传播模式。在当前微博信息挖掘研究的基础上,运用网络信息采集与抽取、中文分词、文本聚类、空间向量模型等技术,结合高校学生微博舆情特点,研究设计了基于高校学生微博的舆情热点发现模型,并对该模型功能进行了介绍。     

支持向量机发展历程及其应用

股票投资作为一种常见的投资方式,其投资方法也日新月异。越来越多的投资分析师利用计算机分析数据的优势来进行股票交易。支持向量机（Support Vector Machine,SVM）作为一种数据挖掘技术,在高维、非线性、过拟合等问题上具有较强处理能力,在股价预测方面表现出特有优势。系统论述了支持向量机的发展及其在预测领域中的应用,并构建SVM股票预测模型,运用股票数据对股票进行涨跌情况预测,通过选取核函数以及调整参数,并计算准确率、精确度、召回率、F1值等预测模型评估指标,分别进行SVM模型和SVM＿RBF模型构建及模型效果评估。     

基于特征本体的微博产品评论情感分析

[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。     

基于支持向量机的移动互联网环境下消费者行为研究

移动互联网的迅速发展成为全球信息通信领域最令人瞩目的现象之一,相比于传统电信市场下的用户需求,移动互联网环境下的消费者需求更加多样化,消费者的行为也呈现出新的特点。根据消费者的以上行为特点,本文基于支持向量机的算法对此现象进行数据挖掘和研究。现有研究证明支持向量机具有良好的推广泛化能力,取得了大量的应用研究成果,采用此研究方法能够得到可靠有效的实验结论,适宜在移动互联网环境下消费者行为研究上推广应用。     

融合主题与情感特征的突发事件微博舆情演化分析

[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。     

基于岭回归和支持向量机结合的数据挖掘新方法

支持向量机根据VC 维理论和结构风险最小化原则,是一种建立在统计学习理论基础之上具有新颖、功能强大特点的机器学习方法.它具有全局最优、结构简单、推广能力强等优点,近年来越来越引起关注.但支持向量机是一种小样本机器学习方法,自身的复杂性和多重共线性成为其处理大规模数据时的"瓶颈"问题.岭回归方法是一种修正的最小二乘估计法,是一种专门用于复共线性数据分析的有偏估计方法,当自变量系统中存在多重相关性时,它可以提供一个比最小二乘法更为稳定的估计.本文将岭回归-支持向量机结合,用于数据挖掘方法之一--文本分类中,实验结果表明:本方法可以提高支持向量机分类的训练速度和分类精度.     

新媒介生态环境下微博舆情引导分析

自2010年"微博元年"以来,微博已走过了七年的时间,其各个方面都基本趋于成熟。伴随着微博的成熟发展,其所引领的舆情在新的媒介生态环境下有了诸多的改变与新问题。所以,在新媒介生态环境背景下,对微博引导舆情的现状进行分析,研究在当下的媒介生态环境中微博应如何正确引导舆情,成了学界广泛关注的话题。     

支持向量机用于图像水印技术的研究综述

支持向量机理论引入到图像水印技术,给图像水印技术的研究发展带来了新的活力。本文对基于支持向量机的图像水印技术的研究现状进行概要性的介绍,并在此基础上,鉴于光滑支持向量机比传统支持向量机拥有更好的综合特性,提出今后基于光滑支持向量机图像水印技术的研究设想,为光滑支持向量机理论的应用提供新的思路。     

人民日报微博评论的四大特色

全媒体时代,面对新媒体的冲击,传统主流媒体舆论引导的影响力不断下降,甚至面临严重的生存危机。以新闻评论作为突破口找寻新出路,无疑成为传统媒体转型发展的重点方向。人民日报作为党中央的机关报,很早就明确了融合发展的战略定位,借助微博的超强影响力进行微评论,与纸媒评论形成“组合拳”,进一步提高了其舆论引导力,对其他党媒的转型发展具有重要的借鉴意义。     

试析媒体微博评论的价值与表达

本文以媒体微博发布的评论为研究对象,分析媒体微博评论的内容特点、传播价值、表达要点,为媒体以微博评论提升影响力提供参考。     

针对微博数据的信息抽取与舆情分析

由于微博简单迅捷、互动性强的特点,使其成为信息沟通的桥梁和纽带,成为突发事件的重要信息源头,也成为虚假信息滋生的温床。因此,加强微博舆情监测、分析、预警具有十分重要的意义。本文阐述了基于Web文本信息抽取方法,以及基于文本抽取的舆情分析技术,为用户掌握舆情动向、趋势强弱变化,进行热点、敏感信息预警与决策提供支持。     

基于微博传播的舆情演进案例研究

以"三亚宰客门"事件为案例,应用凸面镜及共振等社会物理学原理,剖析微博传播对该事件形成的作用机理;通过内容分析法,描绘微博传播作用下该舆情事件的"发生→发展→消解"演进模式;采用定量统计与"知微"平台微博传播影响力分析,剖析该事件舆情演进的动因:一是主管部门遮掩事实,成为网民情感负面态势的推动力;二是微博活跃用户的介入,成为舆情产生与发酵的催化剂;三是主动议程设置不当,错失舆情消解的良机。