典型文献
基于改进LDA-CNN-BiLSTM模型的社交媒体情感分析研究
文献摘要：
针对社交媒体情感分析忽略情感特征的长距离语义关系,无法精确捕获带有情感色彩的特征词,过度依赖人工标注等问题,本文提出一种改进LDA-CNN-BiLSTM模型,旨在实现对微博舆情事件的情感分析研究.首先,通过对微博舆情事件评论文本进行数据采集和数据预处理,获取"喜悦""愤怒"和"哀伤"三种类别情感文本.其次,构建融合LDA模型、情感词典和人工标注的算法并用于情感特征词提取,使用Word2Vec将经过特征提取后的情感文本转换为词向量.最后,构建CNN-BiLSTM模型,利用卷积神经网络提取文本的关键特征,长短时记忆网络捕获长距离语义特征,从而完成情感分类任务.实验结果表明,本文方法的精确率、召回率、F1值和准确率分别为0.8946、0.8841、0.8893和0.8778,整体实验结果均优于现有的机器学习和深度学习模型,并且融合LDA模型和情感词典的实验结果均有明显提升,其F1值比实验中的六种机器学习模型平均提升3.66％,比七种深度学习模型平均提升1.84％.综上,本文方法能够应用于社交媒体的情感分析任务,并有效感知舆情事件的情感态势,具有一定的研究价值.
文献关键词：
情感分析;社交媒体;LDA模型;CNN-BiLSTM;文本挖掘
中图分类号：
作者姓名：
杨秀璋;刘建义;任天舒;宋籍文;武帅;姜婧怡;陈登建;周既松;李娜
作者机构：
贵州财经大学信息学院,贵阳 550025;贵州高速公路集团有限公司,贵阳 550027;涟水县财政局,淮安 223400;中国船舶工业系统工程研究院,北京 100094
文献出处：
引用格式：
[1]杨秀璋;刘建义;任天舒;宋籍文;武帅;姜婧怡;陈登建;周既松;李娜-.基于改进LDA-CNN-BiLSTM模型的社交媒体情感分析研究)[J].现代计算机,2022(02):29-36
A类：
B类：
LDA,BiLSTM,社交媒体,情感分析,情感特征,长距离,语义关系,有情,情感色彩,特征词,微博舆情,舆情事件,评论文本,数据预处理,喜悦,愤怒,哀伤,别情,情感词典,Word2Vec,文本转换,词向量,关键特征,长短时记忆网络,语义特征,情感分类,分类任务,精确率,召回率,深度学习模型,六种,机器学习模型,模型平均,七种,文本挖掘
AB值：
0.339741
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。
