面向微博话题的立场检测和观点摘要

发布时间：2024-04-06 17:27

　　越来越多的用户选择在微博上参与热点话题的讨论、表达自己的观点。微博上的热点话题往往是一个热点事件、一个争议较多的人物、一项引起广泛关注的社会政策等,因此每个热点话题背后涉及到多方面的人和事物等对象,不同的用户对于热点话题事件的议论角度不同,立场也不尽相同,观点详情也不尽相同。提取公众在微博上对这些热点话题表达的观点,研究公众的立场,并对公众的观点加以归纳总结,可以帮助微博用户在很短的时间内全面地了解热门话题的详情,帮助政府及企业开展及时有效的舆情监督。本论文采用自然语言处理技术来对微博话题下的大量观点文本进行立场检测、抽取观点摘要,以期为微博领域的舆情研究提供一些新思路。立场检测重点关注文本对于给定的目标话题是否持有支持(FAVOR)、反对(AGAINST)立场或是未表明任何立场(NONE)。但是给定的目标话题不一定会出现在文本中,微博作者可以通过表达对目标话题相关的其他对象的看法来间接地表达作者对给定目标话题的立场,因此正向的情感不一定代表支持立场,负向的情感不一定代表反对立场。本论文设计了一个共享卷积-LSTM条件编码-注意力机制混合模型来自动提取融合目标话题文本和微博文本的语义信...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
绪论
第一章 相关理论与技术
    第一节 短文本特征表示方法
        一、基于统计方法的短文本特征表示
        二、基于神经网络的短文本特征表示
    第二节 注意力机制
    第三节 抽取式文本摘要基础
        一、基础算法
        二、ROUGE评价方法
第二章 面向微博话题的立场检测模型
    第一节 基本思路
    第二节 模型设计
        一、词向量表示层
        二、共享卷积层
        三、LSTM条件编码层
        四、Attention层
        五、输出层
        六、模型训练机制
    第三节 实验分析
        一、实验数据
        二、数据预处理
        三、评价指标
        四、实验过程
        五、实验结果
第三章 面向微博话题的观点摘要模型
    第一节 基本思路
    第二节 模型设计
        一、观点关键词抽取
        二、观点微博重要性计算
        三、观点微博相似度计算
        四、观点微博聚类
        五、观点微博抽取
    第三节 实验分析
        一、实验数据
        二、数据预处理
        三、评价指标
        四、实验过程
        五、实验结果
总结和展望
    一、总结
    二、展望
参考文献
致谢



本文编号：3946946