基于CNN和LSTM的异构数据舆情分类方法

摘要：

随着网络的发展,网络舆情数据呈现出爆炸式增长的趋势.使得数据类型越来越复杂,这些网络数据相互结合,构成了一个复杂的数据结构来表达数据的信息.在舆情数据中,通过单一类型的数据(图片、文本、语音等)越来越难以完整的表达数据信息.对于一个包含多种类型数据的网络信息,本文提出一种新的舆情分类模型,通过神经网络模型分别去学习不同类型信息的数据特征,对它们的特征融合后进行分类,通过这种方法实现数据信息更好地分类.在实验中,本文分别使用LSTM和CNN神经网络提取文本和图像数据特征,对二者特征融合后进行分类.结果证明,多种类型的数据特征进行融合后再分类,可以更好地实现对网络舆情数据信息的分类,提高了舆情信息分类的准确性.

关键词：异构数据、神经网络、CNN、LSTM、特征提取、特征融合、舆情分类

所属期刊栏目：28

在线出版日期：2019-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：141-147