基于BiLSTM-CRF的政府微博舆论观点抽取与焦点呈现

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。

基于CNN-BiLSTM-CRF的企业舆情监控模型构建

在互联网+环境下,将舆情监控应用到企业决策中是一个趋势。本文提出一种与企业需求契合度高且能更充分地提取情感特征的模型。将社交平台和互联网营销平台评论信息进行预处理,并使用Word2vec技术获取文本的词向量表示,通过CNN提取特征、BiLSTM提取上下文语义特征,再加入条件随机场模型对标签序列进行优化。最后使用K-means聚类得到企业网络舆论焦点。经在真实数据集上对比实验,验证了模型的有效性。