典型文献
基于深度学习的疫情情感分析
文献摘要：
2019年新型冠状病毒(COVID-19)肺炎疫情对人民生产生活各方面产生严重影响,为协助政府把握社会舆论,更加科学有效地做好预防控制工作的宣传和舆论引导,本文以与新型冠状病毒肺炎疫情相关的微博内容为研究对象,采用深度学习技术对网民情感进行分析和识别.首先,采用文本分词、正则表达式、词性和停用词表过滤等方法进行预处理操作;其次,构建Bert-CNN模型和Bert-RCNN模型对微博中的网民情感进行识别;最后,验证两种模型的识别效果,并与其他模型进行对比分析.实验结果表明,Bert-RCNN模型的效果最好,其F1-score值为0.702、准确率为73.56％.
文献关键词：
深度学习;疫情;情感;Bert-CNN模型;Bert-RCNN模型
中图分类号：
作者姓名：
张苑;祝小兰;杨东晓
作者机构：
青海大学 计算机技术与应用系,西宁810016
文献出处：
引用格式：
[1]张苑;祝小兰;杨东晓-.基于深度学习的疫情情感分析)[J].智能计算机与应用,2022(03):40-45,52
A类：
B类：
情感分析,社会舆论,预防控制,舆论引导,新型冠状病毒肺炎疫情,微博,深度学习技术,网民,民情,文本分词,正则表达式,词性,停用,用词,词表,Bert,RCNN,score
AB值：
0.323981
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。
