基于演化K-medoids方法的微博情感动态分析——以《穹顶之下》为例

[目的/意义]为了动态分析网民对微博热点问题的情感变化,提出了一种融合情感向量模型的演化K-medoids情感动态分析方法。[方法/过程]对评论文本进行分词、去噪,得到多个代表文本含义的实词;使用卡方统计法计算实词与文本类别的相关性,从而获取文本特征词;使用TF-IDF方法计算特征词权重,基于词语关联度建立了文本情感向量模型;将历史代价函数引入到K-medoids算法中,同时保证了相邻时段聚类结果的平滑性和同一时段聚类结果的优化性,从而得到演化的K-medoids动态算法;[结果/结论]以《穹顶之下》微博情感变化为例开展实例研究,结果表明演化K-medoids算法能够有效分析网民对热点事件的情感动态,克服了传统算法只能分析静态数据的缺陷,该结果可为政府有效进行舆情监控和疏导提供一定的参考和依据。