基于机器学习的公众情感网络传播模型及应用研究

发布时间：2020-03-22 16:02

【摘要】：随着互联网的不断发展,社交平台孕育而生,随之网络上的数据呈现爆炸式的增长,其中文本数据是众多数据中具有代表性的数据形式。文本数据中往往携带着个人的情感色彩,因此对文本数据进行情感分析是了解社会舆情倾向、产品口碑、服务质量等问题的有效手段。不仅如此,它将公众置于一个看不见的网中,紧密联系在一起,公众的各类情感也以这张网为载体不断地交流。面对如此庞大的文本数据和复杂的公众关系,也为各领域的行业提出了新的挑战。本文在前人的基础上对物流领域的情感提出一种新的研究方式,提出了机器学习的朴素贝叶斯分类算法对于物流情感文本集的情感分类研究,分析公众的情感倾向,并在此基础上构建公众的各类情感网络,对情感网络特征和传播路径进行研究。首先对爬取的与物流相关的情感文本进行了数据清洗和预处理,去除无用重复的文本后,对文本数据分割成训练数据和测试数据。为了使计算机识别文本内容,对情感文本进行了分词并去除了停用词和向量化。选取词频统计在前两百的词汇作为特征词汇,计算特征词汇的TF-IDF值后训练朴素贝叶斯分类模型,然后通过训练好的模型将文本数据分类成正向情感、中性情感和负向情感。分析发现现阶段公众情感中正向情感占绝大部分、中性情感占第二位、负向情感最少。在此基础上,利用Ucinet6软件,以用户为节点,转发关系为边界,构建发布情感文本的公众的整体情感网络和各类型情感的情感网络。研究各类型的物流情感网络的传播特征和传播路径后发现负向情感网络的用户的关系是最紧密的,负向情绪更加的容易引起公众的共鸣,正向情感类型用户的转发量大部分都在0到1之间,没有形成正向的情感领袖,中性情感网络的情感焦点较多,需要向正向情感引导。情感信息在网络中的传播路径开始是以“中心式”的方式向四周一级传播的,在传播的过程中可能会产生二级用户节点,再以二级用户为中心节点向四周扩散,之后形成三级、四级用户节点,直至信息传递到节点度为0的公众,需要更多地关注各级节点上公众的情感类型。最后根据应用中的情感分析和情感网络研究结果总结了现阶段物流行业存在的问题。需要让管理者认识到大数据对行业带来的促进作用,并建议利用大数据的功能特点,提高物流服务监控手段,优化物流末端网点的管理环境。在优化的情感网络中传播公司改善的服务内容,提升用户粘性,增加用户量。在大数据的支持下优化配送路线提高配送效率等措施。
【图文】：

逦天津工业大学硕士学位论文逦逡逑分类分别构建三种不同类型的情感倾向网络传播图。分析在现阶段用户的哪种情逡逑感类型传播的更多、更广，从而了解现阶段各自的主旋律的情感，为下一步的改逡逑进方向提供决策。逡逑１．３．邋２技术路线逡逑本文实施技术路线，，如图１－１所示：逡逑

可以保存为ＪＳＯ、ＣＳＶ、ＸＬＭ等数据格式。不用人工处理编码，可以根逡逑据网上的编码格式，自动转换编码格式。逡逑Ｓｃｒａｐｙ框架的爬虫结构如图３－１所示，主要由解析和获取数据ｓｐｉｄｅｒｓ、程序逡逑调度、下载器、项目管道组成，然后通过Ｓｃｒａｐｙ引擎将各个部分串联起来。首逡逑１３逡逑
【学位授予单位】：天津工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F259.2

【相似文献】

相关期刊论文 前10条

1 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期

2 舒娜;刘波;林伟伟;李鹏飞;;分布式机器学习平台与算法综述[J];计算机科学;2019年03期

3 刘传会;汪小亚;郭增辉;;机器学习在反洗钱领域的应用与发展[J];清华金融评论;2019年04期

4 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

5 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期

6 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期

7 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期

8 ;机器学习作用于信息安全的五大顶级案例[J];网络安全和信息化;2018年01期

9 吴承杨;;2018年来说说机器学习[J];软件和集成电路;2018年05期

10 宋雯博;;大数据下的机器学习的应用趋势[J];电脑迷;2018年09期

相关会议论文 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年

4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 吴娜;刁联旺;;基于机器学习的博弈对抗模型优化框架软件系统设计[A];第六届中国指挥控制大会论文集（上册）[C];2018年

10 蒋雍建;程楠;刘泽佳;周立成;汤立群;刘逸平;蒋震宇;;基于响应统计特征和机器学习的桥梁损伤识别方法研究[A];2018年全国固体力学学术会议摘要集（下）[C];2018年

相关重要报纸文章 前10条

1 赵熙熙;机器学习有望找到致命病毒宿主[N];中国科学报;2018年

2 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年

3 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年

4 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年

5 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年

6 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循？[N];计算机世界;2019年

7 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花？[N];科技日报;2019年

8 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年

9 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年

10 记者 张梦然;全新算法助机器学习抵抗干扰[N];科技日报;2019年

相关博士学位论文 前10条

1 梁霄;机器学习在量子物理学中的应用[D];中国科学技术大学;2019年

2 陈明哲;未来蜂窝网络中基于机器学习的资源管理技术研究[D];北京邮电大学;2019年

3 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年

4 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年

5 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年

6 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年

7 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

8 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年

9 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年

10 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年

相关硕士学位论文 前10条

1 杜宇梅;政策不确定性与公司长期投资[D];厦门大学;2017年

2 楼丽琪;基于机器学习的光网络告警智能分析技术研究[D];北京邮电大学;2019年

3 王磊;基于广告流量的异常检测系统的研究与实现[D];北京邮电大学;2019年

4 戎宇;基于机器学习的二进制软件漏洞挖掘技术研究[D];北京邮电大学;2019年

5 黄涛;基于机器学习的新闻分类系统研究与实现[D];北京邮电大学;2019年

6 彭丹蕾;商品评论情感分析系统的设计与实现[D];北京邮电大学;2019年

7 邱启哲;基于机器学习的安全异常发现系统的设计与实现[D];北京邮电大学;2019年

8 刘琦凯;基于机器学习的量化投资系统[D];北京邮电大学;2019年

9 胡智超;基于机器学习与启发式算法的物流调度研究[D];北京邮电大学;2019年

10 程翔龙;基于机器学习的威胁情报可信分析系统的研究[D];北京邮电大学;2019年

本文编号：2595276