摘要
对大学生特定时间的社交媒体评论文本进行情感倾向分析,不仅可以帮助教师更好地了解该群体的情感特点,还可以为有关部门针对该群体的决策提供科学参考.文章采用SVM、KNN、DT和NB四种机器学习算法分别构建情感分类模型,同时采用查准率P、召回率R和F值作为评估指标对情感分类模型进行对比,最终选择SVM模型对157名大学生2019年1月至2020年2月期间的13048条微博文本数据进行了情感分析.研究结果表明,负向情感出现的时间段集中在2019年11月和2020年1至2月.在这两个时间段内,研究群体更关注"军训""期末""疫情"等事件,由此,学校管理者可针对这些话题或事件进行有针对性的干预,从而在一定程度上缓解学生的负向情绪,保障大学生的心理健康.
基金项目
国家社科基金青年项目(17CSH043)
天津市大学生创新创业训练计划项目(201910065029)
NETL
NSTL
万方数据