面向社交网络的情感社区检测,可应用于公共健康、舆情监测等领域.以新浪微博为平台建立一种情感社区检测框架,首先融合微博情感表情特征和情感词典,提出基于朴素贝叶斯算法的半词典半表情(naive Bayes based semi-lexicon and semi-emoj...面向社交网络的情感社区检测,可应用于公共健康、舆情监测等领域.以新浪微博为平台建立一种情感社区检测框架,首先融合微博情感表情特征和情感词典,提出基于朴素贝叶斯算法的半词典半表情(naive Bayes based semi-lexicon and semi-emoji,SL-SE-NB)分类模型以实现对文本的情感极性预测;提出一种基于潜在狄利克雷分配(latent Dirichlet allocation,LDA)话题模型的用户-超话题-关键词(user-topic-keywords,UTK)模型抽取用户话题;基于标签传播算法(label propagation algorithm,LPA)并加入话题概念,提出基于种子集与最小边介数的标签传播情感社区发现算法(label propagation algorithm based seeds and min-edge betweenness,SMB-LPA).最后通过实验验证了所提出算法的有效性和高效性.展开更多
企业品牌舆论监控、网络敏感社区及重点社区识别是当前企业舆情监控的重点工作。作为网络社会的子集,不同的网络社区(社交媒体中联系密切的群体)由于社区网络结构的不同、社区成员情感倾向的不同,导致企业负面新闻在其中的传播会表现出...企业品牌舆论监控、网络敏感社区及重点社区识别是当前企业舆情监控的重点工作。作为网络社会的子集,不同的网络社区(社交媒体中联系密切的群体)由于社区网络结构的不同、社区成员情感倾向的不同,导致企业负面新闻在其中的传播会表现出来不同的特质。从网络社区的角度出发,研究不同社区情感倾向及社区网络结构下,企业负面新闻在其中产生的影响;进而提出了基于文本挖掘及情感分析的社区负面舆论传播预测模型。根据心理学测量视角Profile of Mood States(POMS)测度社区成员情感倾向(Tendency),以事件划分时间窗口;通过对连续六个月抓取的网络数据使用文本挖掘相关算法分析每个事件窗口内社区成员六种情感的分布(愤怒、紧张、失望等);在情感分布及网络结构上进行聚类,识别不同类别的情感倾向的网络社区;在些基础上建立社区情感倾向及舆论传播预测模型。测试结果表明:该模型在对网络社区情感倾向的识别及舆论传播倾向预测方面有较高的准确度,在舆论传播监控、敏感社区及重点社区识别等方面有一定的指导意义。展开更多
文摘面向社交网络的情感社区检测,可应用于公共健康、舆情监测等领域.以新浪微博为平台建立一种情感社区检测框架,首先融合微博情感表情特征和情感词典,提出基于朴素贝叶斯算法的半词典半表情(naive Bayes based semi-lexicon and semi-emoji,SL-SE-NB)分类模型以实现对文本的情感极性预测;提出一种基于潜在狄利克雷分配(latent Dirichlet allocation,LDA)话题模型的用户-超话题-关键词(user-topic-keywords,UTK)模型抽取用户话题;基于标签传播算法(label propagation algorithm,LPA)并加入话题概念,提出基于种子集与最小边介数的标签传播情感社区发现算法(label propagation algorithm based seeds and min-edge betweenness,SMB-LPA).最后通过实验验证了所提出算法的有效性和高效性.
文摘企业品牌舆论监控、网络敏感社区及重点社区识别是当前企业舆情监控的重点工作。作为网络社会的子集,不同的网络社区(社交媒体中联系密切的群体)由于社区网络结构的不同、社区成员情感倾向的不同,导致企业负面新闻在其中的传播会表现出来不同的特质。从网络社区的角度出发,研究不同社区情感倾向及社区网络结构下,企业负面新闻在其中产生的影响;进而提出了基于文本挖掘及情感分析的社区负面舆论传播预测模型。根据心理学测量视角Profile of Mood States(POMS)测度社区成员情感倾向(Tendency),以事件划分时间窗口;通过对连续六个月抓取的网络数据使用文本挖掘相关算法分析每个事件窗口内社区成员六种情感的分布(愤怒、紧张、失望等);在情感分布及网络结构上进行聚类,识别不同类别的情感倾向的网络社区;在些基础上建立社区情感倾向及舆论传播预测模型。测试结果表明:该模型在对网络社区情感倾向的识别及舆论传播倾向预测方面有较高的准确度,在舆论传播监控、敏感社区及重点社区识别等方面有一定的指导意义。