典型文献
基于LDA与注意力机制BiLSTM的微博舆情分析模型
文献摘要：
为对网络舆情数据进行主题挖掘与情感分析,以微博某单位招聘热点事件的舆情演变为研究对象,提出了一种融合主题模型和情感分析的LDA-Attention-BiLSTM模型.运用Python的Scrapy框架爬取该事件文本评论.采用隐含狄利克雷分布(LDA)模型实现了主题识别.使用基于注意力(Attention)机制的双向长短期记忆(BiLSTM)网络进行文本情感分析.研究结果表明,构建的基于LDA与Attention机制BiLSTM的混合模型能够反映舆情中的热点话题与情感时序变化,揭示事件爆发的主要原因,事件传播阶段的主要话题与事件的处理结果等.
文献关键词：
隐含狄利克雷分布;注意力机制;双向长短期记忆网络;网络舆情;舆情分析;主题挖掘
中图分类号：
作者姓名：
曾莉;杨添宝;周慧
作者机构：
河海大学 环境学院,江苏 南京210024;河海大学 商学院,江苏 南京210024;南京理工大学 自动化学院,江苏 南京210094
文献出处：
引用格式：
[1]曾莉;杨添宝;周慧-.基于LDA与注意力机制BiLSTM的微博舆情分析模型)[J].南京理工大学学报（自然科学版）,2022(06):742-748
A类：
舆情分析模型
B类：
LDA,注意力机制,BiLSTM,微博舆情,网络舆情,舆情数据,主题挖掘,招聘,热点事件,舆情演变,融合主题,主题模型,Attention,Python,Scrapy,爬取,该事,文本评论,隐含狄利克雷分布,模型实现,主题识别,文本情感分析,混合模型,热点话题,时序变化,传播阶段,处理结果,双向长短期记忆网络
AB值：
0.367032
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
