东北亚舆情文本细粒度命名实体识别方法研究

东北亚地区的国际形势变化与中国的发展密切相关,面向该地区构建舆情信息知识图谱可以有效地监测舆情热点,这不仅能够引导社会舆论健康发展及协助政府决策,而且对防范政治营销、提升国家语言能力、构建和谐稳定国际关系具有重大价值。命名实体识别是构建知识图谱的关键技术和核心任务,受到研究者广泛的关注。以社交媒体、门户网站与东北亚地区相关的实时热点舆情文本作为数据源,充分考虑到东北亚地区的区域特点和地缘结构,建立包含10个大类、35个子类的细粒度命名实体识别数据集,并提出基于预训练语言模型Ro BERTa和多层残差BiL STM-CRF架构(Ro BERTa-Res BiLSTM-CRF)的舆情实体识别模型,同时在模型完成标签预测后设计基于规则模板的后处理策略,以提高整体的实体识别性能。实验结果表明,所提出的舆情命名实体识别模型的性能优于主流的传统神经网络模型,验证了该方法的有效性。

网络舆情视角下大学生综合素质测评态度情感分析研究

本文利用python语言,结合第三方库requests、jieba和snownlp对知乎社交平台的大学生综合素质测评讨论话题进行数据爬取和情感倾向分析。首先,在数据获取方面,本文使用爬虫工具共收集了约1000条评论,并将其分为积极和消极两类。其次,通过数据可视化方法分析了学生们对于综合素质测评分数产生的意见和态度。最后,运用词频统计方法总结了学生们关注的问题,并提出了实施更加公平公正的综合测评方案的建议。

基于Python爬虫关于独生子女对双方父母养老态度的分析

“十四五”规划伊始,我国开启全面建成社会主义现代化国家新征程,随着人口出生率的不断下降,我国人口老龄化程度逐年加剧,老年人口数量逐年攀升,积极应对老龄化已经成为国家重大战略之一。养老逐渐成为每个独生子女家庭的问题,人口老龄化已成为现代社会的常态。在这一大背景下,中国家庭“老龄化”的现象也在不断加剧,主要表现为有老年人的家庭比重上升和家庭中老年人口比重增加。本文针对新时代新养老的热点问题,在我国人口老龄化加重的背景下进行创新实验,实验中首先使用Python网络爬虫技术,针对独生子女长大后面对父母养老问题的态度搜寻并进行数据爬取,之后根据文本情感进行分析并使用作图工具进行可视化展示,最终通过正负情感的对比分析得出结论。