

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、當今,微博在創(chuàng)新科技影響下得到迅猛發(fā)展,使得越來越多的人們在其平臺上發(fā)表對自己關注的各種信息的評論,該平臺已經(jīng)成為人們?nèi)粘I畹囊徊糠帧T谖⒉┢脚_上時時刻刻都會產(chǎn)生大量由用戶發(fā)表的言論信息,包括新聞人物、突發(fā)事件、購物體驗等等。這些信息中不僅帶有用戶的情感傾向,而且所含有的主題信息包含著重要的社會價值和商業(yè)價值。因此,分析微博上的評論信息的情感傾向,挖掘出主題信息,找出人們所關心和需要的信息就顯得尤為重要,也成為了當前許多學者的研究熱點
2、。
本論文的研究重點是如何從微博評論信息中挖掘出潛在的、具有價值的、蘊含情感的主題信息。論文的主要工作和創(chuàng)新點如下:
?。?)考慮到評論信息中正向情感的表達和負向情感的表達對主題結(jié)果的意義完全不同,本文提出了一種將文本分類和主題挖掘相結(jié)合的微博主題挖掘算法SC-LDA(Sentiment Classification-Latent Dirichlet Allocation,SC-LDA)。SC-LDA算法的基本思想是:
3、對微博上的評論信息進行分詞處理后的數(shù)據(jù)首先利用支持向量機(Support Vector Machine,SVM)進行情感分類,得到正向情感和負向情感兩類數(shù)據(jù),然后再利用LDA(Latent Dirichlet Allocation,LDA)模型對已分類的評論信息進行相關主題挖掘。
(2)對本文提出的主題挖掘算法(SC-LDA)進行了仿真實驗,仿真結(jié)果表明 SC-LDA對測試數(shù)據(jù)集的大小不敏感,對數(shù)據(jù)源的來源不敏感。同時對獲取的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于評論的在線多媒體微博主題挖掘算法研究.pdf
- 基于回歸預測的SVM算法在中文微博情感分類中的應用研究.pdf
- 基于主題特征的情感分類及推薦算法研究.pdf
- 基于回應消息的微博情感分類研究.pdf
- 基于mixtureLDA的新浪微博主題挖掘與應用.pdf
- 基于語義及情感的微博分類等級判定方法研究.pdf
- 基于文本分類的微博情感傾向研究.pdf
- 基于中文微博的情感分類技術研究.pdf
- 基于微博的意見領袖挖掘算法研究.pdf
- 房價微博情感分類研究.pdf
- 中文微博情感分類研究.pdf
- 基于微博的熱點事件挖掘與情感分析.pdf
- 基于K關聯(lián)圖的流分類算法及其在微博情感分析中的應用.pdf
- 基于微博的情感分析算法研究與實現(xiàn).pdf
- 面向中文微博的情感分類研究.pdf
- 基于遞歸神經(jīng)網(wǎng)絡的微博情感分類研究.pdf
- 基于詞典的財經(jīng)微博信息的情感態(tài)度挖掘.pdf
- 基于CMB-LDA的微博主題挖掘.pdf
- 基于文本情感分類的商品評論主題挖掘
- 基于Hadoop的微博用戶情感分類研究與實現(xiàn).pdf
評論
0/150
提交評論