融合语言特征的反讽文本识别模型研究

目前,情感分析是自然语言处理领域的一个重要方向.作为其中一种特殊的修辞手法,反讽尤其是中文反讽目前国内相关研究较少,存在反讽识别准确率不高的问题.为了提高中文反讽识别的准确性,研究了一种改进后的融合微博特有语言特征的词袋模型,并分别在支持向量机(Support Vector Machine,SVM)、朴素贝叶斯(Nai...     

基于LDA模型的高校疫情防控舆情分析

针对新冠疫情期间高校疫情管控过程中所出现的舆情问题,提出一种基于词频分析与LDA模型的舆情情感分析方法。首先,从微博上挖掘与疫情防控有关的话题,采用Python爬虫爬取8219条微博留言;然后,运用情感分析与LDA模式,对正负情绪进行主题挖掘,并使用PyLDAvis进行可视化展示;最后,利用社会网络和Gephi对正面和负面的舆论影响进行相关性分析。实验结果表明,研究可为高校有效管理提供理论依据和技术支撑。     

基于数据挖掘的微博人气用户特征分析与研究

通过网络爬虫从新浪微博站点上爬取人气百强用户信息数据,利用Clementine软件的C5.0决策树模型对这些数据进行分析。结果表明:人气用户中,娱乐明星占据着大部分,并且微博中的名人具有关注数小,被关注数大的特征。名人效应非常显著,"非著名话唠"想要引起大家的观注依然困难。     

突发环境事件中微博影响力的预测研究

构建突发环境事件中微博影响力预测模型,有助于相关部门及早发现问题,并采取行动,保障网络舆情平稳发展。因此,本文以“xx突发环境事件”为研究对象,根据微博转发、点赞和评论次数衡量其影响力,选取微博用户、内容、时间特征,建立基于AdaBoost算法的微博影响力预测模型,并对微博特征重要性进行分析,结果表明该模型的预测精度可达到93.2%,能够较好地完成预测任务。此外,微博的内容、时间特征、用户基本信息、用户活跃度均对微博影响力产生作用,长文本的、通知类的微博影响力更高,白天发布的微博影响力要比晚上发布的高,政府媒体用户和大V用户发布的微博影响力更高,原创度高的用户发布的微博影响力也会更高。     

基于在线社会网络的网络爬虫的研究和设计

在线社会网络是一个由亿万级用户及联接关系构成的大规模集合,其中以新浪微博为典型代表,目前已经成为人们日常交流的重要方式.如何在新浪微博中分析其用户的特征和网络拓扑结构成为研究在线社会网络的基础,本文设计一个网络爬虫系统,通过新浪微博开放平台提供的应用程序编辑接口（API）采集数据,实验证明,该方法切实可行.     

企业微博营销

微博营销是一种新兴的网络营销方式，具有鲜明的特点，正广受企业营销人员的关注。本文探讨了微博营销的特点和难点，并总结了企业实施微博营销的策略和技巧。     

百货类企业微博广告传播效果刍议——镇江八佰伴为例阐述微博广告传播方略

本文阐述了如何提高八佰伴微博广告传播效果的途径,主要应该从以下几个方面考:提高内容质量来达到预期微博营销效果、增强用户的粘性、优化八佰伴软广告效果、充分利用草根微博、名人微博提高八佰伴微博营销广告效果。     

微博信息传播模型研究

本文尝试认真梳理关于微博信息传播过程的模型研究，在分析文献的基础上，提出微博信息传播过程的新特征和新方法，以进一步明晰研究方向。     

聚类算法在高校学生微博的应用研究

为研究聚类算法在高校学生微博的应用情况,针对K-means算法和分层聚类算法在聚类中心选择不精确的问题,基于高校学生使用微博的背景,对微博文本挖掘应用中聚类算法的应用进行改进。通过文本的矢量表示、文本相似度计算和聚类算法的实现,验证了聚类算法在微博热门话题检测的准确性和效率,并针对实验数据提出几点针对性的措施。