基于OCC模型和LSTM模型的财经微博文本情感分类研究

为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。

高校团组织网络化转型探索调研报告——以安徽财经大学为例

近三年来，在团中央学校部的号召下，全国各地的高校团组织以微博为起点开展了持续性的网络化转型探索。2013年3月，共青团安徽财经大学委员会在全校范围内发出了《关于进一步推进我校共青团组织网络化转型的通知》，正武揭开了网络化转型的序幕。为了响应我校团委的号召，安徽财经大学的一行师生在今年暑假前往了位于杭州的网易研发中心进行了调研，旨在进一步了解学生组织在学生工作网络化转型过程中应发挥的作用，同时结合专业知识为学校团组织的发展献言建策。