基于微博评论数据的网民情绪异常检测研究
发布时间：2021-01-28 05:42
面对如今的信息时代,网络的飞速发展需要相应的管理制度保驾护航,及时收集与分析网民的情绪和心态是政府做出正确决策和解决社会矛盾的重要前提。在突发事件网民情绪研究领域中,国外学者对此涉及鲜少,并且单独将网民情绪作为主题进行的研究也较少,大多数只是在研究社交网站中的用户行为里提到用户情绪;国内学者对网民情绪有一定的研究,但仍停留在定性分析层面,单纯列举政府对网民负面情绪的响应措施,以及使用场景,缺乏结合实际事件和数据对政府应急响应策略进行讨论的相关研究。因此我们有必要以突发事件中网民情绪为主题进行探讨和研究。首先从研究方法出发,介绍特征提取,聚类分析,基于聚类的异常点检测,模糊理论,突发事件应急决策理论,案例推理方法,基于内容的推荐算法,并分析这些理论和方法的应用场景。其次以“知网情感词典“,“哈工大情感词典”等为基础情感词典,利用SO-PMI技术从微博语料中提取包含网络特色的情感词汇,并将基础情感词典与特色情感词汇相融合的方法确定课题的情感词典,同时在背包问题的数学理论上提出使用背包模型构建异常特征集合;随后基于模糊聚类算法的特点,提出了一种改进的模糊聚类算法,有效防止陷入局部最优;此外根...
【文章来源】：湖北师范大学湖北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图2-1支持向量机的分类示意图
时间 评论数 时间 评论数 时间 评论数06-30 7 07-06 6345 07-12 1907-01 27 07-07 3088 07-13 60207-02 1374 07-08 228 07-14 372007-03 608 07-09 184 07-15 450607-04 1023 07-10 636 07-16 33807-05 1254 07-11 460 07-17 93据预处理数据整理将围绕微博内容和网民的评论文本展开，因此就微博发帖内容和评论集。通过前期的整理筛选，得到了以下有用信息，其中微博发帖内容ID，发博时间和微博内容，评论内容包括评论内容，时间，文章 ID 等体如图 5-1 所示。
图 5-2 评论文本数量统计图以看到在研究选取的这一时期内，网民对此事的聚焦 0706（7 月 6 日），第二个是 0714（7 月 14 日），因分成两个部分进行分析和论述。6 月 30 日至 7 月 12 日 7 月 17 日为第二部分。和分析第一部分，为网民情绪分析地更准确化，我们萌芽期，爆发期，成熟期和消退期。在 6 月 20 日到 中，将 6 月 30 日到 7 月 4 日划分为萌芽期，将 7 月期，将 7 月 7 日到 7 月 8 日划分为成熟期，最后将 7消退期。绪文本识别
【参考文献】：
期刊论文
[1]大数据应急决策研究评述与发展思考[J]. 郭春侠,杜秀秀,储节旺. 情报理论与实践. 2019(01)
[2]突发事件中网民负面情绪的应急响应研究综述[J]. 凌晨,冯俊文,杨爽,吴鹏. 情报科学. 2017(11)
[3]爆炸罐突发事件“情景-应对”模型构建研究[J]. 彭绪富,朱小婉,严慧. 湖北师范大学学报(自然科学版). 2017(03)
[4]面向突发事件的网民情绪演化系统动力学模型研究[J]. 叶琼元,兰月新,王强,夏一雪,杨谨铖. 情报杂志. 2017(09)
[5]网民对“人祸”事件的道德情绪特点——基于微博大数据研究[J]. 叶勇豪,许燕,朱一杰,梁炯潜,兰天,于淼. 心理学报. 2016(03)
[6]案例推理方法在雷达情报组网系统故障诊断中的应用[J]. 吴彩华,刘畅,张秀峰,于虎. 空军预警学院学报. 2016(01)
[7]突发事件背景下政府与新媒体关系:一个文献综述[J]. 孙会岩. 社会科学论坛. 2014(08)
[8]美国智库决策研究的运行机制——以布鲁金斯学会为例的个案研究[J]. 李婧. 社会科学管理与评论. 2013 (03)
[9]非常规突发事件情景构建与推演方法体系研究[J]. 王旭坪,杨相英,樊双蛟,阮俊虎. 电子科技大学学报(社科版). 2013(01)
[10]复杂突发事件应急响应模型研究与仿真[J]. 朱东芹,刘艳,李志刚. 计算机仿真. 2013(01)
博士论文
[1]情景应对型高校社会安全突发事件应急准备体系构建研究[D]. 陈玉芳.中国科学技术大学 2017
[2]煤矿应急管理能力评价及提升研究[D]. 齐琪.西安科技大学 2014
[3]突发事件网络舆情演变研究[D]. 方付建.华中科技大学 2011
硕士论文
[1]网络评论短文本情感倾向性分析研究[D]. 曾宇.山东师范大学 2018
[2]基于CBR与贝叶斯网络的建筑物火灾应急决策模型研究[D]. 谢梅玉.吉林大学 2018
[3]基于中智模糊C-均值聚类算法及其应用研究[D]. 崔西希.西安邮电大学 2017
[4]个性化音乐推荐算法的研究与实现[D]. 金蕾.山东大学 2017
[5]事故灾难类突发事件中的网络舆论引导研究[D]. 官欣.华东师范大学 2017
[6]中文微博情感词典的构建研究与应用[D]. 於伟.上海师范大学 2017
[7]高校学生日常行为异常检测的一种改进模糊聚类方法[D]. 程永亮.大连海事大学 2017
[8]基于改进群决策法的突发事件应急决策应用研究[D]. 左静璇.南京邮电大学 2016
[9]基于机器学习的微博评论信息倾向性分析的研究[D]. 汪淳.哈尔滨工业大学 2016
[10]一种基于角度的离群点检测算法的改进[D]. 徐一文.西安电子科技大学 2015
本文编号：3004454
【文章来源】：湖北师范大学湖北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图2-1支持向量机的分类示意图
时间 评论数 时间 评论数 时间 评论数06-30 7 07-06 6345 07-12 1907-01 27 07-07 3088 07-13 60207-02 1374 07-08 228 07-14 372007-03 608 07-09 184 07-15 450607-04 1023 07-10 636 07-16 33807-05 1254 07-11 460 07-17 93据预处理数据整理将围绕微博内容和网民的评论文本展开，因此就微博发帖内容和评论集。通过前期的整理筛选，得到了以下有用信息，其中微博发帖内容ID，发博时间和微博内容，评论内容包括评论内容，时间，文章 ID 等体如图 5-1 所示。
图 5-2 评论文本数量统计图以看到在研究选取的这一时期内，网民对此事的聚焦 0706（7 月 6 日），第二个是 0714（7 月 14 日），因分成两个部分进行分析和论述。6 月 30 日至 7 月 12 日 7 月 17 日为第二部分。和分析第一部分，为网民情绪分析地更准确化，我们萌芽期，爆发期，成熟期和消退期。在 6 月 20 日到 中，将 6 月 30 日到 7 月 4 日划分为萌芽期，将 7 月期，将 7 月 7 日到 7 月 8 日划分为成熟期，最后将 7消退期。绪文本识别
【参考文献】：
期刊论文
[1]大数据应急决策研究评述与发展思考[J]. 郭春侠,杜秀秀,储节旺. 情报理论与实践. 2019(01)
[2]突发事件中网民负面情绪的应急响应研究综述[J]. 凌晨,冯俊文,杨爽,吴鹏. 情报科学. 2017(11)
[3]爆炸罐突发事件“情景-应对”模型构建研究[J]. 彭绪富,朱小婉,严慧. 湖北师范大学学报(自然科学版). 2017(03)
[4]面向突发事件的网民情绪演化系统动力学模型研究[J]. 叶琼元,兰月新,王强,夏一雪,杨谨铖. 情报杂志. 2017(09)
[5]网民对“人祸”事件的道德情绪特点——基于微博大数据研究[J]. 叶勇豪,许燕,朱一杰,梁炯潜,兰天,于淼. 心理学报. 2016(03)
[6]案例推理方法在雷达情报组网系统故障诊断中的应用[J]. 吴彩华,刘畅,张秀峰,于虎. 空军预警学院学报. 2016(01)
[7]突发事件背景下政府与新媒体关系:一个文献综述[J]. 孙会岩. 社会科学论坛. 2014(08)
[8]美国智库决策研究的运行机制——以布鲁金斯学会为例的个案研究[J]. 李婧. 社会科学管理与评论. 2013 (03)
[9]非常规突发事件情景构建与推演方法体系研究[J]. 王旭坪,杨相英,樊双蛟,阮俊虎. 电子科技大学学报(社科版). 2013(01)
[10]复杂突发事件应急响应模型研究与仿真[J]. 朱东芹,刘艳,李志刚. 计算机仿真. 2013(01)
博士论文
[1]情景应对型高校社会安全突发事件应急准备体系构建研究[D]. 陈玉芳.中国科学技术大学 2017
[2]煤矿应急管理能力评价及提升研究[D]. 齐琪.西安科技大学 2014
[3]突发事件网络舆情演变研究[D]. 方付建.华中科技大学 2011
硕士论文
[1]网络评论短文本情感倾向性分析研究[D]. 曾宇.山东师范大学 2018
[2]基于CBR与贝叶斯网络的建筑物火灾应急决策模型研究[D]. 谢梅玉.吉林大学 2018
[3]基于中智模糊C-均值聚类算法及其应用研究[D]. 崔西希.西安邮电大学 2017
[4]个性化音乐推荐算法的研究与实现[D]. 金蕾.山东大学 2017
[5]事故灾难类突发事件中的网络舆论引导研究[D]. 官欣.华东师范大学 2017
[6]中文微博情感词典的构建研究与应用[D]. 於伟.上海师范大学 2017
[7]高校学生日常行为异常检测的一种改进模糊聚类方法[D]. 程永亮.大连海事大学 2017
[8]基于改进群决策法的突发事件应急决策应用研究[D]. 左静璇.南京邮电大学 2016
[9]基于机器学习的微博评论信息倾向性分析的研究[D]. 汪淳.哈尔滨工业大学 2016
[10]一种基于角度的离群点检测算法的改进[D]. 徐一文.西安电子科技大学 2015
本文编号：3004454
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3004454.html
最近更新
教材专著
