情感与主题建模:自然灾害舆情研究社会计算模型新探
|
摘要
在社会计算视角的指导下,借助自然语言处理中的情感分析和主题建模技术建构自然灾害微博舆情的社会计算模型,并选取江苏盐城"6·23"龙卷风冰雹特别重大灾害为案例对该社会计算模型进行了验证性应用。研究表明,社交媒体平台成为获取和评估自然灾害舆情的重要渠道,在海量数据面前,传统的舆情研究方法显然已经无能为力,需要在大数据路径技术上介入,并在不断发展中探求情感和主题分类要素在此类研究中的新作用。
引文
(1)王飞跃:《从社会计算到社会制造:一场即将来临的产业革命》,《中国科学院院刊》,2012年第6期。
(2)谢耘耕、刘锐、乔睿、张旭阳、袁会:《大数据与社会舆情研究综述》,《新媒体与社会》,2014年第4期。
(3)王飞跃:《从社会计算到社会制造:一场即将来临的产业革命》,《中国科学院院刊》,2012年第6期。
(4)孟小峰、李勇、祝建华:《社会计算:大数据时代的机遇与挑战》,《计算机研究与发展》,2013年第12期。
(5)徐明华、冯亚凡:《社会计算视域下传播学研究的嬗变与反思》,《现代传播》,2017年第12期。
(6)企鹅智酷:《2016微博用户研究:新欢、旧爱、核心价值与迫切之疾》,腾讯科技,http://tech.qq.com/a/20160907/010154.htm,2016年。
(7)O’Connor B,Balasubramanyan R,Routledge B R,et al.From Tweets to Polls:Linking Text Sentiment to Public Opinion Time Series.International Conference on Weblogs and Social Media,ICWSM2010,Washington,DC,USA,2010 May.pp.122-129.
(8)崔安颀:《微博热点事件的公众情感分析研究》,清华大学博士学位论文,2013年,第73-79页。
(9)谢思发、林琛、苏旋、江弋:《Hadoop平台的微博热点事件挖掘》,《小型微型计算机系统》,2014年第4期。
(10)马彬、洪宇、陆剑江、姚建民、朱巧明:《基于线索树双层聚类的微博话题检测》,《中文信息学报》,2012年第6期。
(11)Liu,B.:Sentiment Analysis and Opinion Mining.Morgan&Claypool Publishers,30(1),2012.pp.152-153.
(12)Wilson,T.,Wiebe,J.,&Hoffmann,P.:Recognizing Contextual Polarity in Phrase-level Sentiment Analysis.Hlt-Emnlp,7,2005.pp.347-354.
(13)Bifet A,Frank E.:Sentiment Knowledge Discovery in Twitter Streaming Data.Discovery Science International Conference,DS2010,Canberra,Australia,2010 October.pp.1-15.
(14)Taboada,M.,Brooke,J.,Tofiloski,M.,Voll,K.,Stede,M.:Lexicon-based Methods for Sentiment Analysis.Computational Linguistics,37(2),2011.pp.267-307.
(15)张培晶、宋蕾:《基于LDA的微博文本主题建模方法研究述评》,《图书情报工作》,2012年第24期。
(16)Papadimitriou,C.H.,Raghavan,P.,Tamaki,H.,Vempala,S.:Latent semantic indexing:a probabilistic analysis.Journal of Computer&System Sciences,61(2),2000.pp.217-235.
(17)Hofmann,T.:Probabilistic Latent Semantic Indexing.International ACM SIGIR Conference,42,1999.pp.50-57.
(18)Blei,D.M.,Ng,A.Y.,Jordan,M.I.:Latent Dirichlet Allocation.J Machine Learning Research Archive,3,2003.pp.993-1022.
(19)曾嘉、严建峰、龚声蓉:《复杂文本网数据的主题建模进展》,《计算机学报》,2012年第12期。
(20)邱明涛、马静、张磊、姚兆旭:《基于可扩展LDA模型的微博话题特征抽取研究》,《情报科学》,2017年第4期。
(21)陈晓美、高铖、关心惠:《网络舆情观点提取的LDA主题模型方法》,《图书情报工作》,2015年第21期。
(2)谢耘耕、刘锐、乔睿、张旭阳、袁会:《大数据与社会舆情研究综述》,《新媒体与社会》,2014年第4期。
(3)王飞跃:《从社会计算到社会制造:一场即将来临的产业革命》,《中国科学院院刊》,2012年第6期。
(4)孟小峰、李勇、祝建华:《社会计算:大数据时代的机遇与挑战》,《计算机研究与发展》,2013年第12期。
(5)徐明华、冯亚凡:《社会计算视域下传播学研究的嬗变与反思》,《现代传播》,2017年第12期。
(6)企鹅智酷:《2016微博用户研究:新欢、旧爱、核心价值与迫切之疾》,腾讯科技,http://tech.qq.com/a/20160907/010154.htm,2016年。
(7)O’Connor B,Balasubramanyan R,Routledge B R,et al.From Tweets to Polls:Linking Text Sentiment to Public Opinion Time Series.International Conference on Weblogs and Social Media,ICWSM2010,Washington,DC,USA,2010 May.pp.122-129.
(8)崔安颀:《微博热点事件的公众情感分析研究》,清华大学博士学位论文,2013年,第73-79页。
(9)谢思发、林琛、苏旋、江弋:《Hadoop平台的微博热点事件挖掘》,《小型微型计算机系统》,2014年第4期。
(10)马彬、洪宇、陆剑江、姚建民、朱巧明:《基于线索树双层聚类的微博话题检测》,《中文信息学报》,2012年第6期。
(11)Liu,B.:Sentiment Analysis and Opinion Mining.Morgan&Claypool Publishers,30(1),2012.pp.152-153.
(12)Wilson,T.,Wiebe,J.,&Hoffmann,P.:Recognizing Contextual Polarity in Phrase-level Sentiment Analysis.Hlt-Emnlp,7,2005.pp.347-354.
(13)Bifet A,Frank E.:Sentiment Knowledge Discovery in Twitter Streaming Data.Discovery Science International Conference,DS2010,Canberra,Australia,2010 October.pp.1-15.
(14)Taboada,M.,Brooke,J.,Tofiloski,M.,Voll,K.,Stede,M.:Lexicon-based Methods for Sentiment Analysis.Computational Linguistics,37(2),2011.pp.267-307.
(15)张培晶、宋蕾:《基于LDA的微博文本主题建模方法研究述评》,《图书情报工作》,2012年第24期。
(16)Papadimitriou,C.H.,Raghavan,P.,Tamaki,H.,Vempala,S.:Latent semantic indexing:a probabilistic analysis.Journal of Computer&System Sciences,61(2),2000.pp.217-235.
(17)Hofmann,T.:Probabilistic Latent Semantic Indexing.International ACM SIGIR Conference,42,1999.pp.50-57.
(18)Blei,D.M.,Ng,A.Y.,Jordan,M.I.:Latent Dirichlet Allocation.J Machine Learning Research Archive,3,2003.pp.993-1022.
(19)曾嘉、严建峰、龚声蓉:《复杂文本网数据的主题建模进展》,《计算机学报》,2012年第12期。
(20)邱明涛、马静、张磊、姚兆旭:《基于可扩展LDA模型的微博话题特征抽取研究》,《情报科学》,2017年第4期。
(21)陈晓美、高铖、关心惠:《网络舆情观点提取的LDA主题模型方法》,《图书情报工作》,2015年第21期。