基于BERT与BiLSTM混合方法的网络舆情非平衡文本情感分析

[研究目的]舆情文本情感分析对突发公共事件管理有重要意义,舆情中非平衡数据往往给舆情文本情感分析带来干扰。深入分析非平衡舆情数据,可提高网络舆情文本深度分析的效率,为相关部门舆情分析与引导提供技术支持。[研究方法]将BERT与BiLSTM结合起来提出模型(M2BERT-BiLSTM),将BERT模型隐藏层的序列转换为向量,沿着句子长度的维度按照均值和最大值池化进行拼接处理;将拼接词语的语义特征输入到BiLSTM进行文本情感分析以缓解评测失衡;并将模型应用于“新型冠状病毒肺炎”事件文本情感分析中。[研究结论]实验结果表明,提出的模型在评价指标中效果较好,对网络舆情非平衡文本情感分析具有一定的有效性。利用分类数据提取特征词,依照Gephi模块度画出文本特征词网;通过剖析正负情感特征词网中的成团特征词,给出了关于“新型冠状病毒肺炎”事件网络舆情引导方向的建议。