典型文献
基于TF-IDF和LSI模型的网络舆情实时监测建模和应用
文献摘要：
近年来,网络问政平台上各类反映社情民意的文本数据量不断攀升,而人工审阅速度慢,效率低,从而使政府传统的舆情监测体系受到了极大的挑战.使用基于 TF-IDF(Term Frequency-Inverse Document Frequency)的朴素贝叶斯模型和LSI(Latent Semantic Indexing)模型对数据库中的海量留言进行分类,并采用基于牛顿冷却定律的热度评价体系计算每类留言的热度值,给出关于评价答复意见质量的指标和有关方案.算法利用Python语言设计程序,可实时加入新的舆情数据进行监测和分析,数值结果验证了本方法可以准确实时地进行问政平台中文本数据的挖掘和处理,为有关部门对群众留言信息高效处理提供了重要的数据参考.
文献关键词：
网络问政平台;舆情监测;Python程序设计;朴素贝叶斯
中图分类号：
作者姓名：
桑雪;何静;陈明
作者机构：
山东科技大学数学与系统科学学院,山东 青岛266590
文献出处：
引用格式：
[1]桑雪;何静;陈明-.基于TF-IDF和LSI模型的网络舆情实时监测建模和应用)[J].数学的实践与认识,2022(11):56-66
A类：
B类：
TF,IDF,LSI,网络舆情,网络问政平台,社情民意,文本数据,数据量,审阅,速度慢,舆情监测,监测体系,Term,Frequency,Inverse,Document,朴素贝叶斯模型,Latent,Semantic,Indexing,牛顿冷却定律,热度,每类,答复意见,法利,Python,设计程序,舆情数据,群众留言,高效处理,程序设计
AB值：
0.442017
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。
