【技术实现步骤摘要】
基于微博评论构建公民接种新冠疫苗的情感分类方法
[0001]本专利技术涉及数据分析
，尤其涉及一种基于微博评论构建公民接种新冠疫苗的情感分类方法。
技术介绍
[0002]现如今，随着科学技术和网络营销的快速发展，人们对社交媒体的依赖程度显著增加。《2021年全球数字报告》显示，互联网技术已成为人们生活不可或缺的一部分。截止2021 年1月，全球有42亿社交媒体用户。同比去年，这一数字增长了4.9亿，同比增长超过13％。尤其是面临特殊事件时，广大公民以互联网为载体，在网上发表自己情感、态度、意见，并相互传播与互动，使得信息传播速度快、范围广。所产生的海量数据，如果仅依靠人工进行文本的分析和挖掘，无疑是一件非常庞大且繁复的工作。如果能够从海量数据中，自动提取文本特征，从积极和消极评论中提取更深层次的语义信息，从而更加有利于分析舆论导向，有利于政府及时做出决策。因此，基于社交媒体研究公民对某一事件的情感分析是非常有意义的。
技术实现思路
[0003]针对现有技术存在的问题，本专利技术提供一种基于微博评论构建公...
【技术保护点】
【技术特征摘要】
1.一种基于微博评论构建公民接种新冠疫苗的情感分类方法，其特征在于，包括以下步骤：步骤1：对微博评论数据进行预处理；通过正则化将微博评论数据进行预处理，并存储为tsv格式；所述正则化包括数据清洗，数据集成，数据规约以及数据变换；步骤2：对微博评论数据进行增强，实现自然语言翻译；通过数据回译，利用翻译软件将步骤1获得的数据翻译为英文，再反向翻译为中文以增强数据的多样性；步骤3：对步骤1和步骤2所获得tsv数据和增强后的中文数据进行标签标注；步骤4：将tsv数据和增强后的中文数据映射为词向量；给定一条微博评论句子S＝{w1,w2,
…
，w
n
}，其中w
n
为单词，n为单词个数，将每个单词映射成一个连续向量，组成向量空间E∈R
n*d
，其中d为词嵌入维度，词嵌入包括一般嵌入以及特定领域嵌入；步骤5：构建卷积神经网络模型LSTM+Attention，将词嵌入向量送入LSTM循环神经网络，经过输入层，隐藏层的非线性变化，再将隐藏层输出的向量送入注意力机制，即Attention机制，生成权重，最后输出每个句子的分类；步骤6：将s
i
输入到LSTM+Attention模型里最后一层
‑
Softmax层得到分类标签y，分类标签y为一个5维向量，且向量加和为1，找到最大概率类，即得到情感极性类别。2.根据权利要求1所述的一种基于微博评论构建公民接种新冠疫苗的情感分类方法，其特征在于，步骤3中所述标签标注使用手工标注，将所有数据分为5类，其中第一类为接种疫苗且无不良反应；第二类为号召接种疫苗；第三类为接种新冠疫注意事项；第四类为疫苗预约不上；第五类为拒绝接种疫苗或者接种后产生不良身体反应。3.根据权利要求1所述的一种基于微博评论构建公民接种新冠疫苗的情感分类方法，其特征在于，步骤4中所述一般嵌入是使用词向量算法GloVe算法对中文语料库训练所得出的300维词嵌入向量E1，得到句子S的一般嵌入为E1＝[e1,e2,
…
e
n
],E1∈R
n*d
.e1指的是将第一个单词映射为d维的向量，n表示单词个数；所述特定领域嵌入是使用word2vec算法，语料库为tsv数据和增强后的中文数据，得到句子S的特定领域嵌入为E2＝[c1,c2,
…
c
n
],E2∈R
n*d
.c1指的是将第一个单词映射为d维的向量，n表示单词个数。4.根据权利要求1所述的一种基于微博评论构建公民接种新冠疫苗的情感分类方法，其特征在于，步骤5中所述LSTM循环神经网络采用控制门的机制，由单元状态、输入门、输出门、遗忘门组成；LSTM循环神经网络的运行过程如下所示：步骤S1：输入门，设i
t
表示在t时刻输入值X
t
保存到单元状态值C
t
的权重，a
t
表示在t时刻输入值X
t
时的单元状态；i
t
＝σ((W
i
*(h
t
‑1,X
t
)+b
i
)(1)a
t
＝tanh...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。