深度詞匯網(wǎng)絡(luò)學(xué)習(xí)輿情監(jiān)測關(guān)鍵技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)以及通訊技術(shù)的飛速發(fā)展，以互聯(lián)網(wǎng)為基礎(chǔ)的新型輿情傳播媒體逐漸代替?zhèn)鹘y(tǒng)媒體，成為人們獲取與傳播輿情信息的主體。由于互聯(lián)網(wǎng)的實(shí)時(shí)性、高效性，輿情信息往往呈爆炸式增長，采用傳統(tǒng)方式進(jìn)行人工輿情分析預(yù)警難以滿足當(dāng)前需求，因此研究網(wǎng)絡(luò)輿情監(jiān)測相關(guān)技術(shù)，構(gòu)建監(jiān)測系統(tǒng)進(jìn)行自動分析預(yù)警，成為當(dāng)前研究熱點(diǎn)。本文研究了輿情監(jiān)測和分析中的關(guān)鍵技術(shù)，主要內(nèi)容如下:
　　(1)研究輿情監(jiān)測中的特征提取技術(shù)，提出了一種基于詞匯網(wǎng)絡(luò)的文本特征提取方法

2、。該方法中，通過提取文本特征詞頻、文本特征相關(guān)性及特征語義相似度等結(jié)構(gòu)性信息，將文本數(shù)據(jù)以圖的形式表示，采用網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)發(fā)現(xiàn)技術(shù)，抽取圖中關(guān)鍵節(jié)點(diǎn)作為文本特征。實(shí)驗(yàn)證明，通過該方法獲得的文本特征向量具有更好的聚類特性。
　　(2)研究了特征編碼技術(shù)，利用組稀疏深度學(xué)習(xí)對高維文本特征向量降維。并改進(jìn)Single-Pass增量聚類模型，以覆蓋率作為特征相似度計(jì)算方法，并在話題權(quán)值計(jì)算中提出備選特征向量，使其適用于深度學(xué)習(xí)降維后的特征向