基于机器学习与情感词典的文本主题概括及情感分析

• 作者: 宋祖康 辜丽琼 阎瑞霞
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 主题概括 Word2vec K-Means 情感分析
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 4-8
• 页数: 5页
• 分类号: TP301
• 字数: 5337字
• 语种: 中文
• DOI: 10.11907/rjdk.182107

摘要

作为社交网络重要载体,微博成为信息传播的重要平台,承载着公众情感表达及舆论传播的重要功能.对微博博文及评论作出主题概括及情感分析在网络管控、舆情监测及公众情绪引导方面具有重要的实践意义.提出一种基于机器学习与文本分析的主题概括及情感分析模型.以武汉理工大学研究生坠亡事件为话题,利用Word2vec将文本转化为词向量,并且通过机器学习聚类方法对舆情各个生命周期过程进行主题概括,采用基于词典文本分析方法,对评论文本进行多元情感分析,对表现突出的情感大类作细粒度分析,最终实现基于主题与情感分析的多元细粒度公众情感变化分析模型.该分析模型可在特定舆情事件下得出公众在各阶段的关注中心及情绪变化规律,实现舆情主题与情感变化的协同演化研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎瑞霞	上海工程技术大学管理学院	28	35	3.0	5.0
2	宋祖康	上海工程技术大学管理学院	4	7	2.0	2.0
3	辜丽琼	上海工程技术大学管理学院	6	7	2.0	2.0