基于微博情感分析的网络舆情热点发现模型研究

发布时间：2021-07-25 21:12

　　随着信息技术的迅速更新与发展,网络已经成为人们发布、获取和传递信息的主要载体。网络舆情作为社会舆情的重要组成部分,是社会舆情在互联网空间的映射。对于政府相关部门而言,准确发现网络中的舆情信息和热点事件并加以监督与引导,对社会和谐稳定发展具有重要的现实意义。特别是以微博为代表的新型社会化网络媒体服务的兴起,使得人们更容易在其上面表达自己的观点和情感,这些新兴的网络应用,已经成为异常或突发事件等网络舆情形成的重要平台。通过及时了解用户对舆论热点、政策等的反应,将有助于为用户自身、企业、政府等提供决策支持。因而,对于面向微博的情感分析显得十分重要。本文以微博作为研究对象,针对微博数据的特点,从微博情感的角度出发,提出了一种基于微博情感分析来发现网络热点事件的模型和基于改进的朴素贝叶斯情感分类算法以及基于词共现图的事件提取算法,通过该模型及算法可以有效监测异常或热点事件,这对于网络舆情系统的研究具有积极意义。本模型首先对一段时间内某话题的微博进行数据处理,针对含有表情图片和情感词汇两种情绪知识的微博,运用基于改进的朴素贝叶斯情感分类算法（EINB）构造的情感分类器将含有情绪知识的微博分为正向情... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 论文的主要工作
    1.4 论文的组织结构
第二章 相关工作和概念
    2.1 社会网络
        2.1.1 概念介绍
        2.1.2 特征分析
    2.2 网络舆情
    2.3 微博
        2.3.1 新浪微博简介
        2.3.2 新浪微博对网络舆情生成和传播的影响
    2.4 小结
第三章 基于微博情感分析的网络舆情热点发现模型
    3.1 基于微博情感分析的网络舆情热点发现模型的设计
        3.1.1 网络舆情监测系统
        3.1.2 基于微博情感分析的网络舆情热点发现模型
    3.2 数据采集与预处理
        3.2.1 数据采集
        3.2.2 数据预处理
    3.3 情感分析
        3.3.1 文本情感倾向性分析
        3.3.2 情感分类技术
    3.4 基于情感分析的分类算法
        3.4.1 朴素贝叶斯算法
        3.4.2 最大熵算法
        3.4.3 决策树算法
    3.5 基于改进朴素贝叶斯算法的情感分类器的构造
        3.5.1 情感语料自动标注
        3.5.2 情感分类器算法的选取
        3.5.3 基于EINB算法的情感分类器的构造
    3.6 网民心理特征分析
        3.6.1 微博热下的网民心态
        3.6.2 网民心态对微博发展的影响
    3.7 网络热点事件的检测方法
        3.7.1 微博数据量的分析
        3.7.2 基于孤立点的网络热点检测方法
        3.7.3 基于极度负向情感的网络热点事件检测
    3.8 基于词共现图的事件提取方法—WCG算法
        3.8.1 算法描述
        3.8.2 主题词抽取
        3.8.3 基于词共现图的方法发现网络热点事件
        3.8.4 WCG算法程序设计
第四章 实验
    4.1 实验数据
    4.2 实验平台
    4.3 情感分类的相关实验
        4.3.1 情感语料自动标注
        4.3.2 分类算法的选取与分类器的构造
        4.3.3 数据集的情感分类
        4.3.4 情感微博数据的二次处理
    4.4 WCG算法实验
        4.4.1 基于孤立点检测网络热点事件的实验
        4.4.2 基于极度负向情感的热点检测实验
第五章 总结与展望
    5.1 本文总结
    5.2 工作展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]一种面向情感分析的微博表情情感词典构建及应用[J]. 王文远,王大玲,冯时,李任斐,王琳.  计算机与数字工程. 2012(11)
[2]基于词共现图的中文微博新闻话题识别[J]. 赵文清,侯小可.  智能系统学报. 2012(05)
[3]基于情绪知识的中文微博情感分类方法[J]. 庞磊,李寿山,周国栋.  计算机工程. 2012(13)
[4]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松.  中文信息学报. 2012(01)
[5]基于机器学习的中文微博情感分类实证研究[J]. 刘志明,刘鲁.  计算机工程与应用. 2012(01)
[6]微博研究综述[J]. 闫幸,常亚平.  情报杂志. 2011(09)
[7]高效的短文本主题词抽取方法[J]. 常鹏,马辉.  计算机工程与应用. 2011(20)
[8]国内网络舆情研究的回顾与展望[J]. 许鑫,章成志,李雯静.  情报理论与实践. 2009(03)
[9]互联网时代网络舆情的应急处理[J]. 刘军.  理论学习. 2009(01)
[10]文本挖掘在网络舆情信息分析中的应用[J]. 黄晓斌,赵超.  情报科学. 2009(01)

博士论文
[1]面向舆情分析和属性发现的网络文本挖掘技术研究[D]. 黄九鸣.国防科学技术大学 2011

硕士论文
[1]基于潜在语义分析和最大熵的中文情感分析研究[D]. 吴秀梅.北京交通大学 2011
[2]基于共现链的微博情感分析技术的研究与实现[D]. 王岩.国防科学技术大学 2011
[3]基于社会网络的网络舆情挖掘技术与研究[D]. 曾奉尧.电子科技大学 2011
[4]网络事件的心理学分析[D]. 李喜华.华中科技大学 2009
[5]论互联网时代的平民化心理现象[D]. 杜炎斌.四川大学 2006



本文编号：3302787