基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析

摘要：

[研究目的]舆情文本情感分析对突发公共事件管理有重要意义,舆情中非平衡数据往往给舆情文本情感分析带来干扰.深入分析非平衡舆情数据,可提高网络舆情文本深度分析的效率,为相关部门舆情分析与引导提供技术支持.[研究方法]将BERT与BiLSTM结合起来提出模型(M2BERT-BiLSTM),将BERT模型隐藏层的序列转换为向量,沿着句子长度的维度按照均值和最大值池化进行拼接处理;将拼接词语的语义特征输入到BiLSTM进行文本情感分析以缓解评测失衡;并将模型应用于"新型冠状病毒肺炎"事件文本情感分析中.[研究结论]实验结果表明,提出的模型在评价指标中效果较好,对网络舆情非平衡文本情感分析具有一定的有效性.利用分类数据提取特征词,依照Gephi模块度画出文本特征词网;通过剖析正负情感特征词网中的成团特征词,给出了关于"新型冠状病毒肺炎"事件网络舆情引导方向的建议.

关键词：网络舆情、舆情文本、情感分析、BERT模型、BiLSTM模型、COVID-19

所属期刊栏目：41

分类号：TP391.1;G350(计算技术、计算机技术)

资助基金：国家自然科学基金;新疆维吾尔自治区社会科学基金项目

在线出版日期：2022-05-06（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：104-110