期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于深度学习的新疆热门微博评论的情感分析
被引量:
3
下载PDF
职称材料
导出
摘要
加强互联网舆情管理是国家治理体系和治理能力现代化发展的重要内容。基于深度学习,以微博上关于新疆的热门评论为样本,通过构建长短期记忆网络(LSTM)模型对每条评论进行评分,分析其正负性。情感分析结果对舆情治理具有一定的现实意义。
作者
黎洁君
机构地区
新疆财经大学统计与数据科学学院
出处
《现代盐化工》
2020年第5期179-181,共3页
Modern Salt and Chemical Industry
关键词
深度学习
长短期记忆网格
情感分析
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
引文网络
相关文献
节点文献
二级参考文献
34
参考文献
8
共引文献
221
同被引文献
41
引证文献
3
二级引证文献
5
参考文献
8
1
郭丽蓉.
大数据环境下的网络爬虫设计[J]
.山西电子技术,2018(2):50-52.
被引量:8
2
陈再发,刘彦呈,刘厶源.
长短期记忆神经网络在机械状态预测中的应用[J]
.大连海事大学学报,2018,44(1):85-90.
被引量:12
3
严明,郑昌兴.
Python环境下的文本分词与词云制作[J]
.现代计算机,2018,24(23):86-89.
被引量:31
4
祝永志,荆静.
基于Python语言的中文分词技术的研究[J]
.通信技术,2019,52(7):1612-1619.
被引量:56
5
胡朝举,梁宁.
基于深层注意力的LSTM的特定主题情感分析[J]
.计算机应用研究,2019,36(4):1075-1079.
被引量:30
6
李培.
基于Python的网络爬虫与反爬虫技术研究[J]
.计算机与数字工程,2019,47(6):1415-1420.
被引量:50
7
伍行素,陈锦回.
基于LSTM深度神经网络的情感分析方法[J]
.上饶师范学院学报,2018,38(6):10-14.
被引量:9
8
关鹏飞,李宝安,吕学强,周建设.
注意力增强的双向LSTM情感分析[J]
.中文信息学报,2019,33(2):105-111.
被引量:43
二级参考文献
34
1
漆志辉,杨天奇.
网络爬虫性能研究[J]
.微型机与应用,2011,30(5):72-74.
被引量:3
2
唐家渝,孙茂松.
新媒体中的词云:内容简明表达的一种可视化形式[J]
.中国传媒科技,2013(6):18-19.
被引量:14
3
吴江,唐常杰,李太勇,崔亮.
基于语义规则的Web金融文本情感分析[J]
.计算机应用,2014,34(2):481-485.
被引量:39
4
顾益军,夏天.
融合LDA与TextRank的关键词抽取研究[J]
.现代图书情报技术,2014(7):41-47.
被引量:70
5
梁军,柴玉梅,原慧斌,昝红英,刘铭.
基于深度学习的微博情感分析[J]
.中文信息学报,2014,28(5):155-161.
被引量:110
6
李婷婷,姬东鸿.
基于SVM和CRF多特征组合的微博情感分析[J]
.计算机应用研究,2015,32(4):978-981.
被引量:81
7
吴丹露,魏彤,许家清.
R语言环境下的文本可视化及主题分析——以社会服务平台数据为例[J]
.宁波工程学院学报,2015,27(1):19-25.
被引量:10
8
蔡瑞初,谢伟浩,郝志峰,王丽娟,温雯.
基于多尺度时间递归神经网络的人群异常检测[J]
.软件学报,2015,26(11):2884-2896.
被引量:29
9
管华.
对当今Python快速发展的研究与展望[J]
.信息系统工程,2015,28(12):114-114.
被引量:6
10
江务学.
基于结构优化递归神经网络的网络流量预测[J]
.西南大学学报(自然科学版),2016,38(2):149-154.
被引量:14
共引文献
221
1
吴晓春,洪晨,张岳.
高校实验仪器与设备管理问答系统[J]
.中国科技论文在线精品论文,2023(2):179-185.
2
马超群,杨竟澜,任奕帅,谢志斌.
基于H-LSTM模型的沪深300指数价格预测研究[J]
.计量经济学报,2021(2):437-451.
被引量:4
3
陈琪琪.
基于CNN-LSTM神经网络研究股票价格的变动[J]
.经济研究导刊,2020(2):157-160.
被引量:1
4
姚万勤,宋俊豪.
在技术与法律之间:网络爬虫刑法规制的边界[J]
.法治论坛,2023(1):3-17.
5
尹萍,杨为进.
加强创新意识,重视仪器研制工作[J]
.现代科学仪器,2000,17(1):3-4.
被引量:3
6
付淇.
社会化短文本及其技术研究[J]
.景德镇学院学报,2018,33(2):113-117.
7
何峰,王冠睿,裴京.
长短期记忆LSTM神经形态芯片设计的两步映射方法[J]
.集成电路应用,2018,35(7):14-17.
8
郭丽蓉.
基于Scrapy的科研数据分析平台设计[J]
.电子技术与软件工程,2018(23):136-137.
被引量:1
9
裴颂文,王露露.
基于注意力机制的文本情感倾向性研究[J]
.计算机工程与科学,2019,41(2):343-353.
被引量:8
10
王明键,梁浩纯,高大拯,冯时.
面向情绪感知的多功能对话系统的设计与实现[J]
.软件工程,2019,22(3):35-39.
同被引文献
41
1
常晓龙,张晖.
融合语素特征的中文褒贬词典构建[J]
.计算机应用,2012,32(7):2033-2037.
被引量:7
2
梁军,柴玉梅,原慧斌,昝红英,刘铭.
基于深度学习的微博情感分析[J]
.中文信息学报,2014,28(5):155-161.
被引量:110
3
刘智鹏,何中市,何伟东,张航.
基于深度学习的商品评价情感分析与研究[J]
.计算机与数字工程,2018,46(5):921-927.
被引量:5
4
梅英,谭冠政,刘振焘.
面向智慧学习环境的学习者情感预测方法[J]
.计算机辅助设计与图形学学报,2017,29(2):354-364.
被引量:8
5
苏秀芝,左国才,张珏.
基于深度学习框架的短文本情感分析方法研究[J]
.数字技术与应用,2019,37(2):80-80.
被引量:2
6
曹宇,李天瑞,贾真,殷成凤.
BGRU:中文文本情感分析的新方法[J]
.计算机科学与探索,2019,13(6):973-981.
被引量:34
7
崔圣杰,李珊珊,孙琦.
基于深度学习的微博情感分析综述[J]
.信息技术与信息化,2019(6):149-151.
被引量:5
8
杨丹,张梦,朱毅.
基于深度学习的中文情感分析研究[J]
.电脑知识与技术,2019,15(7X):188-190.
被引量:1
9
李鑫,李晓戈.
基于深度学习的APP-Store评论情感分析[J]
.计算机与数字工程,2019,47(10):2417-2422.
被引量:3
10
王安君,黄凯凯,陆黎明.
基于Bert-Condition-CNN的中文微博立场检测[J]
.计算机系统应用,2019,28(11):45-53.
被引量:10
引证文献
3
1
张苑,祝小兰,杨东晓.
基于深度学习的疫情情感分析[J]
.智能计算机与应用,2022,12(3):40-45.
被引量:1
2
梁一鸣,申莹,赵永翼.
基于LSTM的电影评论情感分析研究[J]
.数字通信世界,2021(2):27-28.
被引量:4
3
王浩.
基于深度学习的情感分析系统设计[J]
.信息与电脑,2021,33(19):80-82.
二级引证文献
5
1
栾迪,董玉娜.
基于双向LSTM的影评情感分析算法设计[J]
.电脑与电信,2021(9):38-41.
被引量:4
2
谷剑芳.
ARIMA和LSTM算法的应用比较[J]
.数字技术与应用,2022,40(1):58-60.
被引量:1
3
谷剑芳.
LSTM、RFM算法和箱型图在电子社保卡互联网行为中的应用[J]
.数字技术与应用,2022,40(4):161-163.
被引量:1
4
汤洁仪,李大军,刘波.
基于BERT-BiLSTM-CRF模型的地理实体命名实体识别[J]
.北京测绘,2023,37(2):143-147.
被引量:6
5
丁健宇,祁云嵩,赵呈祥.
基于特征融合的多模态社交媒体情感分析[J]
.计算机与数字工程,2024,52(4):1087-1092.
1
周娟,李艳.
从航天发射活动看航天企业的舆情管理策略[J]
.航天工业管理,2020(10):30-32.
2
唐君.
大数据时代高校思想政治教育工作方式探究[J]
.山海经,2020(34):0346-0346.
3
陆敬筠,胡舜奕,俞建光.
基于LDA-BiLSTM模型的高校网络舆情监测方法及实证[J]
.情报理论与实践,2020,43(11):156-161.
被引量:11
现代盐化工
2020年 第5期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部