基于混合机器学习的网络舆论情感识别方法研究

作     者：王思丽 杨恒 刘巍 WANG Sili;YANG Heng;LIU Wei

作者机构：中国科学院西北生态环境资源研究院文献情报中心兰州730000 甘肃省知识计算与决策智能重点实验室兰州730000 

出 版 物：《情报工程》 (Technology Intelligence Engineering)

年 卷 期：2024年第10卷第2期

页      面：11-26页

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 081203[工学-计算机应用技术] 08[工学] 120502[管理学-情报学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：甘肃省哲学社会科学规划项目“基于大数据技术提升新闻媒体舆论监督能力研究”(2021YB158) 甘肃省自然科学基金项目“甘肃省医疗健康大数据资产管理模式与再利用机制研究”(23JRRA581) 

主　　题：混合机器学习 深度学习 网络舆论 情感识别 特征嵌入 

摘      要：[目的/意义]提高网络舆论情感识别的效率和准确性,为决策者评估舆情倾向提供有效技术方法支持。[方法/过程]综合利用机器学习和深度学习的优点,将情感极性向量Sentimet_Embedding、预训练词向量Word2Vec等多通道特征嵌入方法,双向长短期记忆网络BLSTM、卷积神经网络CNN等深度神经网络模型,以及随机失活Dropout、批标准化BN等技术策略有机结合,构建了融合文本情感极性和预训练语义特征的基于混合机器学习的网络舆论情感识别模型,并通过收集社交媒体评论文本数据集对模型的可行性与有效性进行了验证。[局限]方法及模型性能尚未达到最优,未来仍有许多可以改进的空间。[结果/结论]研究结果表明,通过多通道特征嵌入方法及混合叠加神经网络模型能够显著提高网络舆论情感识别模型的性能;基于混合机器学习的网络舆论情感识别模型比传统机器学习或单一深度学习分类模型的识别精度高。