首页|基于改进LDA-CNN-BiLSTM模型的社交媒体情感分析研究

基于改进LDA-CNN-BiLSTM模型的社交媒体情感分析研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对社交媒体情感分析忽略情感特征的长距离语义关系,无法精确捕获带有情感色彩的特征词,过度依赖人工标注等问题,本文提出一种改进LDA-CNN-BiLSTM模型,旨在实现对微博舆情事件的情感分析研究.首先,通过对微博舆情事件评论文本进行数据采集和数据预处理,获取"喜悦""愤怒"和"哀伤"三种类别情感文本.其次,构建融合LDA模型、情感词典和人工标注的算法并用于情感特征词提取,使用Word2Vec将经过特征提取后的情感文本转换为词向量.最后,构建CNN-BiLSTM模型,利用卷积神经网络提取文本的关键特征,长短时记忆网络捕获长距离语义特征,从而完成情感分类任务.实验结果表明,本文方法的精确率、召回率、F1值和准确率分别为0.8946、0.8841、0.8893和0.8778,整体实验结果均优于现有的机器学习和深度学习模型,并且融合LDA模型和情感词典的实验结果均有明显提升,其F1值比实验中的六种机器学习模型平均提升3.66％,比七种深度学习模型平均提升1.84％.综上,本文方法能够应用于社交媒体的情感分析任务,并有效感知舆情事件的情感态势,具有一定的研究价值.
Research on Social Media Sentiment Analysis Based on Improved LDA-CNN-BiLSTM Model

杨秀璋、刘建义、任天舒、宋籍文、武帅、姜婧怡、陈登建、周既松、李娜

展开 >

贵州财经大学信息学院,贵阳 550025

贵州高速公路集团有限公司,贵阳 550027

涟水县财政局,淮安 223400

中国船舶工业系统工程研究院,北京 100094

展开 >

情感分析 社交媒体 LDA模型 CNN-BiLSTM 文本挖掘

国家自然科学基金贵州省科技计划贵州省科技计划贵州省教育厅青年科技人才成长项目贵州财经大学校级项目(2019)

62062019黔科合基础[2019]1041黔科合基础[2020]1Y279黔教合KY字[2021]1352019XQN01

2022

10.3969/j.issn.1007-1423.2022.02.004

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(2)
  • 4
  • 17