基于TextCNN和Attention的微博舆情事件情感分析

传统方法对微博舆情事件情感分析缺乏深层次语义支持,且特征稀疏、上下文关系单薄,导致情感分类准确率较低,无法第一时间感知舆情突发事件。针对这些问题,提出一种基于TextCNN和注意力机制的舆情事件情感分析模型。首先采集微博舆情事件文本知识并进行数据预处理,接着利用TextCNN模型的卷积层和池化层从多个角度提取局部特征,再结合Attention机制组合句子向量完成情感分类任务。实验结果表明,文章提出的方法在准确率、精确率、召回率和F1值上均有所提升,其值分别是0.9813、0.9821、0.9804和0.9812,优于传统的随机森林、SVM、逻辑回归和朴素贝叶斯方法,能在微博舆情事件情感分析中较好地进行识别,为后续应用于公共突发事件预测及舆情分析提供帮助。