基于微博的舆论机器人系统

发布时间：2023-03-20 06:04

　　关于微博这一社交平台的研究一直中文情感分析以及与图片相关的文本生成领域的一个热门研究方向,是中文分词,中文文本情感分析、机器翻译以及Image Caption等技术的难点。本文将基于微博文本的情感分析和与图片相关的文本生成两种技术结合,同时通过网络通信协议实现了基于微博的舆论机器人系统。系统实现了计算特定话题下微博的情感倾向、展示情感走势、生成基于话题的图片描述以及模拟登陆、发送、查看等微博的功能。舆论机器人系统的关键问题在于统计并展示相关话题的微博内容的舆论走势,同时通过发布微博来实现对热门话题的掌控。为了实现舆论机器人系统的相关功能,本文从微博内容的情感分析以及针对图片生成与话题相关的微博两方面出发,将系统分为两大主要模块:情感分析模块和文本生成模块。前者通过比较相关话题中微博的内容(包括:文本,图片以及表情)对微博整体情感的贡献不同,设定不同权重,从而得到每一条微博的情感倾向,整理并展示统计后得到该话题的舆论走势;后者通过卷积神经网络和记忆网络结构,针对图片生成与话题相关的文本,通过网络通信协议以及账户控制,实现生成与发送的自动化操作。主要内容与创新点如下:1.针对每一条微博所包...

【文章页数】：77 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
    1.2 研究现状
        1.2.1 社交媒体的舆情分析
        1.2.2 基于图像的文本生成
        1.2.3 网络社交媒体的发布与展示系统
    1.3 本文的研究内容及创新
    1.4 本文的组织结构
第二章 相关基础工作
    2.1 情感分析(Sentiment Analysis)
        2.1.1 文本的情感分析
        2.1.2 图像的情感分析
    2.2 图像标注(Image Caption)
        2.2.1 编码器解码器模型
        2.2.2 注意力机制
        2.2.3 基于高层语义特征的图像标注
    2.3 卷积神经网络
        2.3.1 激活函数
        2.3.2 卷积层
        2.3.3 全连接层
        2.3.4 采样层
        2.3.5 支持深度学习的软件
    2.4 相关数据集与评价指标
        2.4.1 文本情感分析相关数据集
        2.4.2 图像情感分析相关数据集
        2.4.3 图像标注相关数据集和评价指标
    2.5 本章小结
第三章 基于微博的情感倾向性分析
    3.1 多模态联合情感预测模型
    3.2 多模态数据的特征抽取
        3.2.1 文本特征
        3.2.2 图像特征
        3.2.3 表情符号特征
    3.3 模型原理
    3.4 实验结果与分析
        3.4.1 数据集准备
        3.4.2 对比实验
        3.4.3 实例分析
        3.4.4 系统界面展示
    3.5 本章小结
第四章 话题导向的图像描述性文本生成
    4.1 话题导向性图像描述性文本生成模型
    4.2 基于话题关键词的检索模块
    4.3 话题导向描述性文本模块
        4.3.1 记忆内存元件
        4.3.2 描述性文本生成
    4.4 实验结果与分析
        4.4.1 数据集与实验设置
        4.4.2 定量对比
        4.4.3 定性分析
        4.4.4 系统评估
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
        5.1.1 工作的贡献和创新
        5.1.2 工作的不足和改进
    5.2 工作展望
参考文献
攻读硕士学位期间发表论文情况
致谢



本文编号：3766836