基于RNN-LSTM新冠肺炎疫情下的微博舆情分析 |
| |
引用本文: | 任伟建,刘圆圆,计妍,康朝海.基于RNN-LSTM新冠肺炎疫情下的微博舆情分析[J].吉林大学学报(信息科学版),2022(4):581-588. |
| |
作者姓名: | 任伟建 刘圆圆 计妍 康朝海 |
| |
作者单位: | 1. 东北石油大学电气信息工程学院;2. 东北石油大学黑龙江省网络化与智能控制重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(61933007;61873058); |
| |
摘 要: | 目前微博已经成为网络舆论传播和挖掘民意的重要平台,为分析疫情事件对网民情绪的影响,科学高效地做好防控宣传和舆情引导工作,为此融合不同的深度学习方法对2020年初发生的新冠疫情的微博评论进行情感分析。提出一种基于RNN(Recursive Neural Network)和LSTM(Long Short-Term Memory)混合模型并在嵌入层中使用FastText词向量表示方法,以降低词向量中的噪声数据,从而获得语义丰富且噪声少的高质量词向量,并与朴素贝叶斯、支持向量机、 RNN、 LSTM多种情感分析方法进行比较。结果表明,所提出的情感分析模型正确率达到了98.71%,证明了该模型能有效提升情感分析正确率。
|
关 键 词: | 情感分析 微博语料 FastText词向量 长短时记忆网络 |
|
|