文献类型：期刊文章

作　　者：金占勇[1] 田亚鹏[1] 白莽[2]

JIN Zhan-yong;TIAN Ya-peng;BAI Mang(School of Economics and Management Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China;Party and Government Administration Office,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)

机构地区：[1]北京建筑大学经济与管理工程学院,北京100044 [2]北京建筑大学党政办公室,北京100044

出　　处：《情报科学》

基　　金：国家自然科学基金项目"突发灾害事件在线社交网络舆情信息管理体系研究"(71540015);北京建筑大学校设科研基金"基于行为特征分析的突发事件在线社交网络舆情研判研究"(00331615025);北京建筑大学市属高校基本科研业务费专项资金"基于免疫理论的突发灾害事件在线社交网络舆情管理体系研究"(X18135)

年　　份：2019

卷　　号：37

期　　号：5

起止页码：142-147

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】为推动深度学习在网络舆情管理中的应用,提高突发灾害事件网络舆情情感识别效率。【方法/过程】基于OCC模型建立了突发自然灾害网络舆情情感规则,并由word2vec构建文本向量作为长短期记忆网络(Long-short term memory,LSTM)的初始输入,对其训练得到突发灾害事件网络舆情多情感识别模型。【结果/结论】通过对比试验发现,OCC情感规则能够提升情感识别模型的正确率,基于LSTM和word2vec的突发灾害事件网络舆情情感识别模型在情感识别效果上优于TF-IDF文本向量化方法以及基于卷积神经网络(Convolutional neural network,CNN)和传统的机器学习方式(Support vector machine,SVM)的分类算法结果。

关 键 词：网络舆情 情感识别 OCC模型 长短期记忆网络  word2vec  

分 类 号：C912.6[经济学类] G254[社会学类]