中文微博
中文微博的相关文献在2012年到2022年内共计100篇,主要集中在自动化技术、计算机技术、政治理论
等领域,其中期刊论文66篇、会议论文3篇、专利文献177614篇;相关期刊48种,包括人天科学研究、兰州理工大学学报、山西大学学报(自然科学版)等;
相关会议3种,包括第19届全国信息存储技术学术会议、第八届中国系统建模与仿真技术高层论坛、2012中国计算机大会等;中文微博的相关文献由252位作者贡献,包括于健、于瑞国、喻梅等。
中文微博—发文量
专利文献>
论文:177614篇
占比:99.96%
总计:177683篇
中文微博
-研究学者
- 于健
- 于瑞国
- 喻梅
- 徐天一
- 朱艳辉
- 李泽魁
- 赵妍妍
- 廖祥文
- 张丽瑶
- 徐华
- 杜锐
- 秦兵
- 陈国龙
- 高明霞
- 丁晟春
- 刘丹
- 刘太安
- 刘德润
- 刘志明
- 刘春岩
- 刘洋
- 刘璟
- 刘红玉
- 卢昱波
- 原旭莹
- 周剑峰
- 周咏梅
- 周庆
- 孙念
- 尚鸿运
- 巢文涵
- 张仰森
- 张功
- 张顺香
- 彭春林
- 李彦
- 李德玉
- 李景玉
- 李玉强
- 李舟军
- 李霄
- 杨定达
- 杨庆雨
- 杨顺成
- 林伟
- 梁礼欣
- 洪丹
- 温雯
- 王素格
- 田海龙
-
-
林伟
-
-
摘要:
微博短文本蕴含着较为丰富的情感信息,基于微博数据的情感分析已成为网络舆情监测的重要任务。为提高中文微博情感分类效果,提出一种基于粒子群优化(PSO)的长短期记忆(LSTM)模型(PSO-LSTM),该模型在LSTM模型的基础上进行了参数优化,能够更有效获取微博信息。实验以新冠肺炎疫情期间的微博数据集构建PSO-LSTM模型,与其它模型进行了比对实验。实验结果表明,PSO-LSTM模型能够有效提升中文微博情感分类的性能。
-
-
赵圆丽;
梁志剑
-
-
摘要:
针对当前立场检测任务中目标短语在文本中隐式出现导致分类效果差的问题,提出一种基于异核卷积双注意机制(HCDAM)的立场检测模型.采用三段式策略,为提高目标短语和文本的特征表示能力,采用Bert预训练模型获得基于字符级的包含上下文的词向量表示;为提高隐式目标短语的抽取能力,采取异核卷积注意模式获取含不同位置和语义信息的卷积特征;通过再注意力机制利用显隐式目标短语对文本进行立场信息特征抽取,通过softmax分类器进行分类.基于NLPCC语料的实验结果表明,通过采用异核卷积双注意策略,相比Bert-Condition-CNN模型,在总数据集上平均分类准确率提高了0.108,在5个话题上分类准确率分别提高了0.146、0.046、0.133、0.047、0.056.
-
-
卢昱波;
刘德润;
蔡奕超;
杨庆雨;
陈伟;
刘太安
-
-
摘要:
为改善中文微博领域现有中文分词不准确且微博文本不规范问题,提出将cw2vec和CNN-BiLSTM注意力相结合的混合深度学习模型方法进行中文微博情感分类。首先使用cw2vec进行中文词向量训练,转换为相应的向量作为分类模型输入,然后利用CNN提取局部特征,采用BiLSTM提取上下文特征进行深度学习,最后增加注意力模型获取重要特征,并使用Softmax函数进行分类。实验结果表明,使用cw2vec模型训练中文微博词时,准确率达到88.72%,使用cw2vec和CNN-BiLSTM注意力混合深度学习模型的精确率、召回率和F1值比单一深度学习模型分别提升1.88%、3.56%和2.72%,证明cw2vec和CNN-BiLSTM注意力混合深度学习模型结合方法在中文微博情感分类任务中的有效性。
-
-
卢昱波;
刘德润;
蔡奕超;
杨庆雨;
陈伟;
刘太安
-
-
摘要:
为改善中文微博领域现有中文分词不准确且微博文本不规范问题,提出将cw2vec和CNN-BiLSTM注意力相结合的混合深度学习模型方法进行中文微博情感分类.首先使用cw2vec进行中文词向量训练,转换为相应的向量作为分类模型输入,然后利用CNN提取局部特征,采用BiLSTM提取上下文特征进行深度学习,最后增加注意力模型获取重要特征,并使用Softmax函数进行分类.实验结果表明,使用cw2vec模型训练中文微博词时,准确率达到88.72%,使用cw2vec和CNN-BiLSTM注意力混合深度学习模型的精确率、召回率和F1值比单一深度学习模型分别提升1.88%、3.56% 和2.72%,证明cw2vec和CNN-BiLSTM注意力混合深度学习模型结合方法在中文微博情感分类任务中的有效性.
-
-
杨顺成;
李彦;
赵其峰
-
-
摘要:
微博中,用户往往会对于某一话题表达出自己的态度立场:支持、反对或者中立,对用户评论进行立场检测以获得用户立场倾向,可以更好地进行舆情管控、产品调研、用户分析等工作.传统的立场检测任务往往被归类于情感分析,或者单一考虑用户立场倾向,并未结合特定话题目标.基于图卷积网络(GCN)与双向长短期记忆网络(Bi-LSTM)方法进行微博立场检测,先根据双向LSTM捕获句子的特征,再依据句子间的句法关系以及句中词语间的依赖关系,根据依存句法树建立图卷积网络,通过对话题建立注意力机制算出注意力分数,最后通过Softmax层进行立场倾向分类.实验结果表明:所采用的网络在NLPCC2016数据集有效地提高了准确度,采用图卷积网络能有效进行立场检测.
-
-
杨顺成;
李彦;
赵其峰
-
-
摘要:
微博中,用户往往会对于某一话题表达出自己的态度立场:支持、反对或者中立,对用户评论进行立场检测以获得用户立场倾向,可以更好地进行舆情管控、产品调研、用户分析等工作。传统的立场检测任务往往被归类于情感分析,或者单一考虑用户立场倾向,并未结合特定话题目标。基于图卷积网络(GCN)与双向长短期记忆网络(Bi-LSTM)方法进行微博立场检测,先根据双向LSTM捕获句子的特征,再依据句子间的句法关系以及句中词语间的依赖关系,根据依存句法树建立图卷积网络,通过对话题建立注意力机制算出注意力分数,最后通过Softmax层进行立场倾向分类。实验结果表明:所采用的网络在NLPCC2016数据集有效地提高了准确度,采用图卷积网络能有效进行立场检测。
-
-
张璞;
陈超;
陈韬;
王永
-
-
摘要:
针对中文微博用户性别分类研究工作较少, 微博特征提取不完善, 分类准确率有待提升的问题, 提出一种两分类器融合的中文微博用户性别分类方法.从微博文本数据中提取一系列手工特征构建分类器, 得到分类结果;利用卷积神经网络模型自动提取特征, 对用户的性别进行分类并得到分类结果;将两个分类器的结果利用XGBoost模型进行融合, 得到最终的用户性别分类结果.实验结果表明, 该方法相比一系列对比方法有更好的分类结果.%Aiming at the problem that Chinese micro-blog user gender classification research is less, micro-blog feature extraction is not perfect, and classification accuracy needs to be improved, agender classification method based on two classifier fusion for Chinese micro-blog users was proposed.A series of manual features was extracted to build a classifier from micro-blog texts and the classification results were got.The automatic features extracted by convolutional neural network model were used to build another classifier and obtain the classification results.The results of the two classifiers were fused using the XGBoost model to obtain the final user gender classification results.Experimental results show that the proposed method has better classification results than a series of contrast methods.
-
-
房辉;
汤文兵;
桂海霞;
张顺香
-
-
摘要:
中文微博命名实体的有效识别对使用微博进行社会舆论监测具有重要意义.鉴于微博更新速度快、语言不规范、噪声多,使得命名实体识别成本高、识别效率低.针对这些问题,提出基于众包标注的中文微博命名实体识别的方法.对众包工作者的能力进行评估,使用最大期望算法(EM算法)对评估后的能力值进行分析学习,过滤掉每个标注者的噪声并对众包标注的结果进行优化,从而确定最后的命名实体.实验结果表明,该方法能够有效地提高中文微博中命名实体识别的准确率.
-
-
常曹育;
吴陈
-
-
摘要:
基于当前机器学习方法在中文微博文本情感分析处理过程中的复杂性、低准确率等问题,文中提出在统计情感词的基础上,结合情感影响因子和语义规则,并加入表情特征这一重要元素,优化文本情感加权计算方法,提高情感判断的准确率.通过对爬取到的原创微博数据集进行实验分析,验证了新情感分析算法的可行性.
-
-
-
于潇;
张全新;
李元章;
谭毓安
- 《第19届全国信息存储技术学术会议》
| 2013年
-
摘要:
本文使用组合分析方法对中文微博的情感倾向进行判定.首先使用微博的内容特征进行主客观分类,分离主观微博和客观微博;然后在主观微博数据集中,使用有监督分类的方法(SVM),依然采用微博的内容特征判别微博情感极性,得到正面微博数据集合和负面微博数据集合;最后利用微博的关联特征对分类结果进行优化.实验结果表明该组合方法可以有效地判别微博情感倾向.
-
-
陈儒华;
贾焰;
周斌;
汪祥;
刘洋
- 《第八届中国系统建模与仿真技术高层论坛》
| 2013年
-
摘要:
目前微博已经成为重要的信息发布与获取平台,越来越多的用户通过检索微博获取感兴趣的话题信息.本文针对目前微博对检索的结果仅按博文的创建时间或作者组织,没有整理分散碎片化的博文信息而导致无法快速了解检索话题内容的问题,提出对微博的检索结果聚类划分,以子话题的形式展示检索结果.首先利用主题模型对微博检索结果构造主题向量,然后使用Single-pass增量聚类算法对主题向量聚类划分成子话题,最后提出一种主题倾向性的标签提取算法TopicRank,提取子话题标签.实验结果表明划分有意义的子话题的准确率87.5%,标签提取算法较基准实验准确率提高11.9%。
-