基于貝葉斯理論的網(wǎng)絡(luò)輿情主題分類模型研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，網(wǎng)民的數(shù)量越來(lái)越多，很多人通過互聯(lián)網(wǎng)來(lái)關(guān)注輿情，人們?cè)诰W(wǎng)絡(luò)上瀏覽自己感興趣的輿情，并且發(fā)表評(píng)論、宣泄情感。然而網(wǎng)絡(luò)輿情信息繁雜，網(wǎng)民進(jìn)行瀏覽時(shí)具有一定的盲目性，目前各大門戶網(wǎng)站、論壇等對(duì)網(wǎng)絡(luò)輿情主題進(jìn)行了規(guī)劃，但在一定程度具有抽象性。因此，對(duì)網(wǎng)絡(luò)輿情主題進(jìn)行分類，不僅方便用戶瀏覽輿情新聞，同時(shí)是對(duì)網(wǎng)絡(luò)輿情進(jìn)行有效預(yù)警，能夠使相關(guān)部門正確引導(dǎo)網(wǎng)絡(luò)輿情。
　　關(guān)于中文文本分類的方法已有多種，其中常見的分類方法有樸素貝

2、葉斯、K-近鄰和支持向量機(jī)三種。本文在利用結(jié)構(gòu)簡(jiǎn)單、分類高效的樸素貝葉斯對(duì)網(wǎng)絡(luò)輿情主題分類進(jìn)行研究時(shí)發(fā)現(xiàn)，樸素貝葉斯的條件獨(dú)立性假設(shè)限制了其應(yīng)用范圍，降低了分類精度，并且該方法在面對(duì)增量的網(wǎng)絡(luò)輿情信息時(shí)，需要通過學(xué)習(xí)來(lái)修正先驗(yàn)信息，而每一次學(xué)習(xí)所有文本都需要參與，缺乏靈活性。
　　針對(duì)上述問題，本文運(yùn)用增量學(xué)習(xí)機(jī)制和動(dòng)態(tài)約簡(jiǎn)對(duì)樸素貝葉斯分類方法進(jìn)行優(yōu)化，結(jié)合文本挖掘技術(shù)，提出了一種優(yōu)化的網(wǎng)絡(luò)輿情主題分類模型。本文的研究重點(diǎn)主要有以

3、下幾個(gè)方面：
　　1.網(wǎng)絡(luò)輿情文本信息的收集，通過利用網(wǎng)絡(luò)爬蟲技術(shù)收集信息，并且結(jié)合HTML解釋器和網(wǎng)頁(yè)凈化技術(shù)對(duì)輿情信息進(jìn)行解析和提取，利用優(yōu)化的特征加權(quán)方法表示網(wǎng)絡(luò)輿情文本，提高網(wǎng)絡(luò)輿情文本表示的準(zhǔn)確性。
　　2.利用增量學(xué)習(xí)機(jī)制和(F??)廣義動(dòng)態(tài)約簡(jiǎn)對(duì)樸素貝葉斯分類方法進(jìn)行優(yōu)化，提高其分類精度。(F??)廣義動(dòng)態(tài)約簡(jiǎn)通過引入動(dòng)態(tài)約簡(jiǎn)精度系數(shù)?，減少參與屬性約簡(jiǎn)的文本數(shù)，釋放了條件獨(dú)立性假設(shè)，降低計(jì)算復(fù)雜度，提高其分類