网络新闻视频自动分类与主题跟踪技术

新闻视频的自动分类和主题跟踪是网络环境下多媒体技术的一个难题。文章从分析新闻视频的关键语义入手,提出了一种基于分层条件随机场的视频自动分类方法,通过融合文本和视觉底层特征实现新闻视频自动分类,然后利用增量k-means方法实现同主题视频跟踪,对优酷网上7种典型类型的新闻视频进行了实验,验证了该方法的有效性。

基于深度学习的网络舆情监测系统研究

随着国内互联网的快速发展,网络舆情监测工作已经成为相关部门、企业工作内容的一部分。构建舆情监测系统可以提前发现舆情危机,及时处理危机公关。文中提出了一个完整的网络舆情监测系统框架,该系统由信息采集层、数据资源层、数据分析应用层和应用服务层4部分组成。该系统首先根据关键词自动采集全网多数门户网站、微博和微信公众号中的数据,包括文章与评论;然后将这些数据进行清洗、分词并过滤停用词,利用Word2Vec模型进行词嵌入,得到矢量化文本;随后再将矢量化的文本导入LSTM深度学习模型中进行情感分析,进一步将数据分为敏感数据、中性数据和非敏感数据;最后将舆情预警信息通过可视化技术显示。文中所提出的网络舆情监测系统可以帮助监管部门及时监测和引导相关舆论,促进社会和谐发展。

文本分类方法在网络舆情分析系统中的应用研究

针对文本分类技术在网络舆情分析系统中的应用展开研究。介绍了文本分类的基本原理;实现了KNN和SVM两种分类算法;结合实际项目,展示了文本分类方法在网络舆情主题分类、主题检测与跟踪及舆情观点倾向性分析中需要解决的具体问题,给出应用实例。实验结果给出了KNN和SVM分类方法的微平均查准率,表明了这些方法的有效性。