Skip to content

对舆情事件进行词云展示,对评论进行情感分析和观点抽取。情感分析基于lstm 的三分类,观点抽取基于AP 算法的聚类和MMR的抽取

Notifications You must be signed in to change notification settings

jcsyl/news-analyst

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

news-analyst

#####词云展示涉及的算法:

Tf-idf:提取句子中关键词 tf-idf提取关键词是一种简单有效的提取关键词的方法.其思想主要在于预先统计在语料中出现的所有词的词频,计算出idf值, 然后再针对要提取关键词的文章或句子的每个词计算出tf值,乘起来便是tf-idf值.值越大表示作为关键词的优先级越高.

TextRank:提取文档中关键词构建词云 tf-idf是纯粹用词频的思想,完全没有用到词之间的关联性. 而textrank用到了词之间的关联性(将相邻的词链接起来), 以词为节点,以共现关系建立起节点之间的链接.即文本进行分词,去除停用词或词性筛选等之后,设定窗口长度为K,即 最多只能出现K个词,进行窗口滑动,在窗口中共同出现的词之间即可建立起无向边。

####情感分析涉及的算法:

Word2Vec算法:通过Word2Vec算法得到每个词语的高维向量(词向量,Word Embedding)表示,词向量把相近意思的词 语放在相近的位置。我们只需要有大量的某语言的语料,就可以用它来训练模型,获得词向量.词向量可以方便做聚类,用 欧氏距离或余弦相似度都可以找出两个具有相近意思的词语。

LSTM三分类模型:LSTM是一种特定的循环神经网络,增加了记忆单元c、输入门i、遗忘门f及输出门o,这些门及记忆单元组合 起来大大提升了循环神经网络处理长序列数据的能力。将一个句子中所有词向量输入到LSTM神经网络中,得到最后时刻的输出 用于分类即可判断句子的情感极性(消极,积极、中性)

####观点抽取涉及的算法:

AP聚类算法进行文本聚类: AP(Affinity Propagation)算法,称为仿射传播聚类算法、近邻传播聚类算法、亲和传播聚类算法,是根据数据点之间的相似 度来进行聚类,可以是对称的,也可以是不对称的。 该算法不需要先确定聚类的数目,而是把所有的数据点都看成潜在意义上 的聚类中心(exemplar)。这里通过词向量和词向量对应的tf-idf 值构建文本向量表示,文本之间的相似性通过两个文本向 量的余弦相似性得到。最后通过AP聚类算法得到观点数量,并从观点中筛选典型评论

About

对舆情事件进行词云展示,对评论进行情感分析和观点抽取。情感分析基于lstm 的三分类,观点抽取基于AP 算法的聚类和MMR的抽取

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages