基于深度语义发现的自媒体网络舆情情绪分类模型构建  

A Sentiment Classification Model for Self-Media Online Public Opinion Based on Deep Semantic Discovery

作　　者：李芳 曲豫宾 杨帆 LI Fang;QU Yu-bin;YANG Fan(Jiangsu College of Engineering and Technology,Nantong 226001,China)

机构地区：[1]江苏工程职业技术学院,江苏南通226001

出　　处：《通化师范学院学报》2022年第6期73-79,共7页Journal of Tonghua Normal University

基　　金：广西可信软件重点实验室研究项目(KX202046);江苏工程职业技术学院科研计划项目(GYKY/2019/9);南通市市级科技计划指令性项目(JC2021124);江苏省现代教育技术研究课题(2021-R-94735);中国高等教育学会2021年度专项课题(21SZYB23);江苏高校哲学社会科学研究专题项目(2020SJB0836);江苏高校“青蓝工程”项目和江苏高校境外研修计划项目;江苏省教育科学“十四五”规划2021年度课题(D/2021/01/133)。

摘　　要：针对自媒体网络舆情情绪分类问题,采用预训练模型建立自媒体网络舆情情绪分类模型,考虑数据中存在的类不平衡问题,设计深度语义框架,并在开放数据集中进行了实证研究.研究结果表明,该深度语义框架具有较强的泛化能力;而且采用代价敏感损失函数的分类模型,其分类性能获得了较大提升,在常见性能评价指标F1上,其中位数提升了18.05%.For the classification problem of the sentiment analyse of self-media opinion,a pre-trained model is used to build the semantic classification model,and a deep semantic framework is designed considering the class imbalance problem. An empirical study is conducted in the open dataset. The results show that the classification performance of the semantic model with cost-sensitive loss function has been improved by 18.05% in terms of median F1.

关 键 词：文本分类 类不平衡 预训练模型 自媒体 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]