典型文献
基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析
文献摘要：
[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.
文献关键词：
网络舆情;舆情文本;情感分析;BERT模型;BiLSTM模型;COVID-19
中图分类号：
作者姓名：
刘继;顾凤云
作者机构：
新疆财经大学统计与数据科学学学院 乌鲁木齐 830012
文献出处：
引用格式：
[1]刘继;顾凤云-.基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析)[J].情报杂志,2022(04):104-110
A类：
M2BERT
B类：
BiLSTM,混合方法,文本情感分析,研究目的,舆情文本,突发公共事件,事件管理,非平衡数据,舆情数据,文本深度,深度分析,舆情分析,出模,序列转换,句子,子长,池化,拼接,词语,语义特征,评测,模型应用,分类数据,数据提取,提取特征,特征词,Gephi,模块度,文本特征,正负,情感特征,成团,事件网络,网络舆情引导
AB值：
0.284083
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。
