基于內容的互聯(lián)網(wǎng)輿情信息挖掘關鍵技術研究.pdf

1、山東大學博士學位論文基于內容的互聯(lián)網(wǎng)輿情信息挖掘關鍵技術研究姓名：劉玉國申請學位級別：博士專業(yè)：計算機軟件與理論指導教師：李慶忠20110420山東大學博士學位論文的挖掘，構建了基于后綴樹的文本情感表示模型，并利用詞序列核直接對后綴樹情感表示模型進行計算，得到在特征空間中的相似度，從而完成后綴樹表示模型與支持向量機分類模型的融合，生成基于詞序列核的支持向量機分類器。該方法克服了當前文本情感表示模型中語義信息缺失的問題。實驗表明，該方法能

2、夠更精確的完成輿情信息傾向性分析。(3)在基于內容的敏感信息監(jiān)控中，針對過濾類別模板固定而且難以優(yōu)化的問題，提出了一種基于動態(tài)遺傳算法的模板生成方法：針對被過濾信息在長度、包含的語義等方面存在較大差異的現(xiàn)象，提出了一種基于文檔特性的權重計算方法，提高了敏感信息監(jiān)控效率。本文提出的基于動態(tài)遺傳算法的敏感信息過濾方法，通過自動優(yōu)化克服了傳統(tǒng)過濾方式中模板一旦生成就很難改變的問題，提高了過濾精度。該方法首先將經過挖掘處理的網(wǎng)絡輿情信息文本進行

3、切詞、權重計算等預處理，形成特征項及其權重組成的向量；然后將經過預處理的文本形成遺傳算法的基因串并進行選擇、交叉以及變異等遺傳操作，最終選出優(yōu)化的文本向量；由于實驗過程中發(fā)現(xiàn)遺傳算法存在隨意性，使得操作過程容易陷入局部最優(yōu)，因此引入遺傳算法參數(shù)的動態(tài)調整策略，動態(tài)調整遺傳算子，尋找遺傳算法最優(yōu)解：同時在匹配階段還對被過濾信息提出了結合文檔權重、位置權重等文檔特性的權重計算方法。實驗表明，基于動態(tài)遺傳算法的敏感信息監(jiān)控方法能夠得到更好的處