网络舆情倾向性预测模型仿真研究

摘要：

在对网络舆情倾向性预测建模过程中,由于网络舆情倾向性话题评论频繁,数目众多,使得网络舆情倾向性受到特征词语出现频率的影响产生无规律性.传统的网络舆情倾向性预测方法,主要是以特征词语出现频率为前提来建模,忽略了少数词语会对舆情倾向性产生翻转性影响因素,导致网络舆情倾向性预测分析准确性差的问题.提出文本网络舆情倾向性预测模型,将中文自动构词算法的SVM文本倾向性分类方法词库和信息瓶颈的特征提取方法相结合,自动化的动态构建专用词库,引入信息瓶颈概念,根据文章关键词的性质进行分类,在结合概念抽取的方法,将词聚类结果映射到知网义原,并作为分类特征完成网络舆情倾向性的预测.仿真结果表明,上述方法能够有效提高网络舆情倾向性的预测准确度.

关键词：自动构词算法、支持向量机文本、信息瓶颈、特征提取、关键词聚类、概念抽取

所属期刊栏目：33

分类号：TP133(自动化基础理论)

资助基金：中央高校基本科研业务费专项资金资助2013JJ006

在线出版日期：2016-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：323-326,338