基于情感分析的评论挖掘模型研究

在社会化网络环境下,关于产品的评论成为企业竞争情报分析重要的数据源.这些评论中包含用户对产品各个方面的情感倾向,对其进行情感分析可以帮助商家了解产品的优缺点.针对现有情感分析的不足,本文在构建评论挖掘模型时综合采用了共词分析和基于句法分析的极性传递法.共词分析可定量确定用户关心的产品维度;极性传递算法考虑句子结构特点,在对句子级文本做情感分析时相较传统情感分类算法有更好的分析效果.同时,引入极性值和强度值计算情感词和主题词的情感强度.     

基于共词分析的国内文本情感分析研究

[目的/意义]对国内文本情感分析的研究成果进行梳理与计量分析，有助于从不同角度了解主题研究状况、发文情况，对后续的研究具有一定的参考价值。[方法/过程]本文对发文期刊、作者团队进行统计分析，并利用共词分析法，研究关键词之间的联系，探讨近十年来在文本情感分析的研究热点及现状。[结果/结论]结果表明，我国近两年对文本情感分析的研究主要有基于情感词典的机器学习和神经网络的深度学习两种方法，文章最后指出了两种方法的研究现状及未来研究方向。     

基于卷积神经网络的旅游信息关系抽取研究

[目的/意义]在非结构化语料集中抽取知识要素,是实现知识图谱的重要环节,本文探索了应用深度学习中的卷积神经网络（CNN）模型进行旅游领域知识关系抽取方法。[方法/过程]抓取专业旅游网站的相关数据建立语料库,对部分语料进行人工标注作为训练集和测试集,通过Python语言编程实现分词、向量化及CNN模型,进行关系抽取实验。[结果/结论]实验结果表明,应用卷积神经网络对非结构化的旅游文本进行关系抽取时能够取得满意的效果（Precision 0.77,Recall 0.76,F1-measure 0.76）。抽取结果通过人工校对进行优化后,可以为旅游知识图谱构建、领域本体构建等工作奠定基础。     

语义分析方法在web信息过滤中的应用

互联网上的信息日益表现出质量良莠不齐,无论是从提高信息的查准率和查全率的角度还是从屏蔽垃圾信息维护个人和国家信息安全的角度,考虑一种新型的信息过滤技术是非常有必要的.本课题提出把抽象的语义分析方法和加权计算相结合应用于信息过滤系统模块中,设计了一种新的信息过滤系统.     

基于情感语义空间的食品安全舆情情感分析

[目的/意义] 区别于单一维度的情感强度测度,基于情感语义空间的食品安全舆情情感分析从立体空间角度探析情感的细粒度表征及情感焦点,对政府及有关部门提升舆情治理水平具有重要意义。[方法/过程] 运用PAD情感模型构建情感语义空间,以2018年食品安全舆情为例,一方面,将情感词映射至情感语义空间,根据位置判别情感词多维情感强度;另一方面,根据情感语义空间的表现形式划分情感层次,探寻不同情感指向特征。[结果/结论] 多维情感语义空间中,食品安全舆情情感的自我认知层愉悦度较高,表明公众认为自身对食品安全有较好的认知;舆情中社会发展和民生民意空间呈现明显的负向情绪,且网民在表达该类情感时的神经生理激活水平较高,应引起政府高度重视。食品安全舆情中的意见领袖对他人情感有较强的影响力,政府应加强与该领域意见领袖的沟通与引导。     

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。     

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。     

基于潜在语义分析和HS-SVM的文本分类模型研究

为了提高文本分类的准确性和效率,提出了一种基于潜在语义分析和超球支持向量机的文本分类模型.针对SVM对大规模文本分类时收敛速度较慢这一缺点,本文将超球支持向量机应用于文本分类,采用基于增量学习的超球支持向量机分类学习算法进行训练和分类.实验结果表明,超球支持向量机是一种解决SVM问题的有效方法,在文本分类应用中具有与SVM相当的精度,但是明显降低了模型复杂度和训练时间.     

基于评论数据的文本语义挖掘与情感分析

【目的/意义】基于互联网海量评论数据进行情报分析,挖掘出影响客户服务评价和满意度的关键因素,了 解客户差评背后的原因,对提升企业客户关系管理水平具有重要意义。【方法/过程】通过词云图、语义网络特征关 联分析、LDA主题模型的特征分析以及基于语义的情感词典方法,基于百度口碑中十家快递企业的客户评论数据 进行了情感计算与分析。【结果/结论】影响客户情感倾向的主要因素为：物流速度、服务态度、电话服务、投诉处理、 物流信息更新、时效性以及收费价格。基于上述结果提出了对策与建议。【创新/局限】基于现实世界真实数据,采 用数据挖掘方法分析客户情感倾向,为客户情感关键影响因素识别提供了数据科学的研究范式。     

商品主观评论的情感细分类模型研究

在现有褒贬性情感分类的研究中,缺乏对商品具体属性情感倾向的分析。基于此,建立细分类模型,将情感分类分为初分类和细分类两个过程。初分类确定商品评论的整体情感倾向,根据初分类的结果对商品的各个属性再次进行情感分类,以确定具体属性的情感倾向。从而消费者无需阅读具体的文本评论,就可以全面直观地了解商品,缩短做出购买决策的时间,降低决策的复杂度。该模型可作为网上商品销售的一个扩展功能使用,并利用酒店评论文本检测了模型的有效性。同时,论文通过对四种经典的特征算法的测试,发现在情感细分类中互信息(Mutual Information,MI)达到了更高的准确度。     

基于旋进原则和支持向量机的文本情感分析研究

针对主观文本识别、情感分词以及情感分类模型选择等研究方法上存在的效率较低、文本表达维度高等问题,文章提出了一种基于旋进原则和AdaBoost集成技术的回归SVM情感分类模型(AdaBoost+ SVM-L),不仅提高了主观文本标注准确率,更通过AdaBoost+ SVM-L模型对情感样本的极性和强度进行了判断,实现了文本情感强度阈值的可视化.并通过分组对照实验比较了SVM、NB以及AdaBoost+ SVM-L模型的性能指标.     

基于卷积神经网络的SVM分类算法在图像分类中的应用

利用卷积神经网络强大的自学能力,训练合适的CNN来提取图像特征信息,利用RBF函数作为支持向量机的核函数,并结合粒子群算法优化SVM参数,完成图像分类的混合算法。针对乳腺组织的病理图像分类性能的实验分析,给出了混合分类算法的优越性。     

基于Word2Vec和SVM的微博舆情情感演化分析

文章主要以微博"滴滴温州女孩遇害"话题评论内容为数据源,计算评论内容的情感值,标注情感正负性,通过Word2Vec和SVM方法构建情感分类模型。采用Word2Vec方法计算与此舆情事件中相关的5类主体对象(滴滴、司机、客服、女孩、警察)高相似度的词语,从情感时序分析和舆情主体对象情感演化分析两个方面探讨微博舆情的情感走势。通过分析发现,情感分类模型可以有效预测网民的情感走势;网民的情感时序变化与舆情演变规律相吻合;Word2Vec词相似度计算模型可以有效反映网民对五类主体对象的情感态度和该舆情阶段内的主题特征。     

ISM模型在网络热点话题舆情信息监控中的应用

【目的/意义】企业和国家对网络热点话题舆情的关注度越来越高,越来越多的企业、部门和政府通过舆情信息监控系统应对网络中爆发的群体性事件和舆论压力,在此环境下对网络热点话题舆情信息进行监控可以方便舆情危机的处理。而传统的网络舆情信息监控方法为构建词项识别体系,存在监控效率低、监控效果差等问题。为此,本文对网络热点话题舆情信息监控策略进行研究。【方法/过程】构建的ISM模型对网络热点话题舆情信息监控进行相关性分析,利用建立词项识别体系,并通过K-means算法处理突发词项完成对网络热点话题舆情信息的识别,获取网络热点话题舆情信息监控影响因素集,构建舆情信息监控影响因素的直接关系矩阵,结合布尔代数运算规则和推移规律建立可达矩,从而构建出舆情信息监控影响因素关联矩阵及解释结构模型,完成网络热点话题舆情信息监控。【结果/结论】结果表明,舆情热度、舆情关注度、舆情影响力、舆情敏感度和网民情感都会对网络热点话题舆情信息的监控产生影响。在此基础上提出网络热点话题舆情信息监控策略。【创新/局限】为有效地防止网络恶性事件突发,需要全面、及时地掌握网络热点话题舆情信息的发展情况,通过分析网络热点话题舆情信息监...     

大数据下基于多源信息融合的企业竞争对手评价模型研究

[目的/意义]针对传统企业竞争对手评价研究中数据源单一和评价指标片面性的不足,文章率先提出了基于多源信息融合的竞争对手评价方法。[方法/过程]基于顾客价值领先战略,从企业和消费者的视角出发,选取企业财务报表和电商平台上的消费者评论作为信息源。通过构建财务特征和情感特征,依托BP神经网络,分别建立基于财务特征和综合特征的竞争对手评价模型。[结果/结论]采用仿真实验对提出的方法进行验证,证明基于综合特征建立的模型相比基于单一财务特征的模型更有效。该方法为大数据背景下的企业竞争对手评价提供了一种新的研究思路。