基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究

《基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、分類號ＴＰ３９１單位代碼：１０１於：研巧生學號２０１３５３２０４６巧級：公開：ｍ巧林大樂碩女樂位論文擎術擎化（）基于情感傾向牲的網(wǎng)絡輿情分祈及演化預測硏究ｃｌｉｏｎＰｒｏｆＮｔｗＰｕｂｌｉｃＲｅｓｅａｃｈｏｎＡｎａｌｓａｎｄＥｖｏｔｅｄｉｃｔｉｏｎｅｏｒｉｒｙｉｓｕＯｐｉｎｉｏｎｂａｓｅｄｏｎＥｍｏｔｉｏｎａｌＴｅｎｄｅｎｃｙ作者姓名：孫培星專業(yè)＊計算機軟件與巧論研究方向ＳＷｅｂ挖巧指導教師：彭濤教巧培養(yǎng)單位：計算化

2、科學與技術學院２０１６年５月基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究＾ｔｎＰｒｅｄｉｃｔｉｏｎｏｆＮｅｔｗｏｒｋｉｏＲｅｓｅａ忙ｈｏｎＡｎａｌｙｓｉｓａｎｄＥｖｏｌｕＰｕｂｌｉｃＯｐｉｎｉｏｎｂａｓｅｄｏｎＥｍｏｔｉｏｎａｌＴｅｎｄｅｎｃｙ作者姓名；孫培星專業(yè)名稱；計算機軟件與理論指導教師：彭濤教授學位類別；工學碩±答辯曰期：年ｉ月ｖｆ曰未經(jīng)本論女作者的書面授權，依法收存和保管本論文書面版本、電子版本的任何單位和個人，均不得對本論文

3、的全部或部分內(nèi)容進行任何形式的復制、修改、發(fā)行、出租、改編等有礙作者著作權的商業(yè)性使用（但純學術性使用不在此限）。否則應承擔侵權的法律責任。，吉林大學碩±學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的碩±學位論文，是本人在指導教師的指導下。除文中已經(jīng)注明引用的內(nèi)，獨立進行研巧工作所取得的成果容外，本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔。學位論文作者

4、簽名：句日期／知擊月日；）摘要摘要基于情感傾向性的網(wǎng)絡輿情分析及演化預測研究近年來，互聯(lián)網(wǎng)社交工具的快速普及對我國社會產(chǎn)生了巨大的影響，并成為人們了解世界、交換意見的重要平臺。在網(wǎng)絡技術發(fā)展的同時，互聯(lián)網(wǎng)和社會輿情逐漸融合，于是便產(chǎn)生了網(wǎng)絡輿情的概念，網(wǎng)絡輿情能夠真實、快速的反映社會輿論，尤其是最近幾年社交平臺的迅速崛起，網(wǎng)絡輿情在很大程度上引導著認識的基本認識，因此網(wǎng)絡輿情的情感傾向及演化變的尤為重要，對政府的行政方式和決策機制都產(chǎn)生了極大的影響。所以，網(wǎng)絡輿情分析技術便應運而生。本文在傳統(tǒng)

5、文本分類算法支持向量機的基礎上，針對網(wǎng)絡社交媒介引入特定的情感詞典，并將其應用在特征選擇方面，構造文本傾向性分類器，使用該分類器判別微博的情感極性（正向或負向）。同時，進一步研究網(wǎng)絡輿情的演化規(guī)律情況，即輿情熱度的變化規(guī)律，綜合考慮影響輿情熱度的驅(qū)動因素，最后通過實驗驗證論文中采用的方法的可行性與有效性。本文的主要研究內(nèi)容可以概括為以下四個方面：1.對HowNet中文詞典重新整理與補充，嘗試構建網(wǎng)絡輿情分析的特定情感詞典，為下文網(wǎng)絡輿情情感分類器的構建奠定了一定的實驗基礎；2.對原始實驗數(shù)據(jù)進行人工標

6、注，并進行數(shù)據(jù)預處理；3.將情感詞典應用到文本特征選擇上，提出將詞頻法和互信息法相結(jié)合的特征提取方法，選取滿足條件的特征并計算其權值，訓練模型，并通過實驗驗證本文所提方法的有效性；4.利用訓練得到的情感分類器對整體微博輿情進行極性判斷，得到負向輿情信息集合，使用回歸模型分析負面網(wǎng)絡輿情的演化規(guī)律，并對網(wǎng)絡輿情熱度進行研究，找出影響輿情熱度的因素，分析每種因素對輿情熱度影響的顯著性，建立多元線性回歸預測模型，最后分析預測負向輿情與整體輿情熱度的演化規(guī)律。實驗表明，在網(wǎng)絡輿情情感分類方面，引入情感詞典之后

7、，所選取的特征更加具有領域性和代表性，再將詞頻和互信息方法相結(jié)合更能很好的表征數(shù)據(jù)，實驗結(jié)果較單純使用詞頻和互信息的特征選擇方法更加有效。在網(wǎng)絡輿情演化分析方面，把影響輿情熱度的驅(qū)動因素作為多元線性回歸模型的自變量，分析自變量的顯著性以及它們之間是否存在多重共線性，并對模型的預測值和實際值做差值I摘要分析，證明了模型應用于預測的可行性。最后，使用回歸模型對負向輿情信息和整體輿情信息的熱度做對比，分析了時序網(wǎng)絡輿情的演化規(guī)律。關鍵詞：傾向性分類，輿情分析，特征選擇，多元線性回歸IIAbstractAbs

8、tractResearchonanalysisandevolutionpredictionofnetworkpublicopinionbasedonemotionaltendencyTherapidpopularizationofInternettechnologyhasagreatimpactonChina'ssociety,andbecomesanimportantplatformforpeopletounderstandtheworldandexc