基于深度学习和OCC情感规则的网络舆情情感识别研究

摘要：

为解决网络舆情情感倾向性分析中语义理解不足和仅关注情感词典的现状,本文基于OCC模型认知情感角度建立情感规则,对网络舆情中突发事件的微博文本进行情感分类标注作为训练集,并对深度学习中卷积神经网络模型进行训练得到网络舆情情感识别模型.通过对比实验证明OCC情感规则标注使数据集情感分类更加精确,卷积神经网络的识别效果显著优于传统的机器学习方式(SVM),情感识别模型情感最高可达到90.98%的准确率.

关键词：网络舆情、OCC模型、深度学习、词向量、卷积神经网络

所属期刊栏目：36

分类号：B84;TP1

资助基金：国家自然科学基金"突发事件网民负面情感的模型检测研究"71774084;"突发事件网络舆情演变过程中的人群仿真研究"71273132;"基于时间感知模型的学术主题检索与演化挖掘研究"71503124;国家社会科学基金"基于社会网络分析的网络舆情主题发现研究"15BTQ063;安全预警与应急联动技术协同创新中心"面向突发事件网络舆情演变的群体行为建模与仿真研究"JD20150401

在线出版日期：2017-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：972-980