首页|基于RNN-LSTM新冠肺炎疫情下的微博舆情分析

基于RNN-LSTM新冠肺炎疫情下的微博舆情分析

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Public Opinion Analysis on Weibo Based on RNN-LSTM in COVID-19

任伟建、刘圆圆、计妍、康朝海

展开 >

东北石油大学电气信息工程学院,黑龙江大庆163318

东北石油大学黑龙江省网络化与智能控制重点实验室,黑龙江大庆163318

情感分析 微博语料 FastText词向量 长短时记忆网络

6193300761873058

2022

吉林大学学报(信息科学版)
吉林大学

吉林大学学报(信息科学版)

CSTPCD
影响因子：0.607
ISSN：1671-5896
年,卷(期)：2022.40(4)
  • 3
  • 8