8篇关于情感倾向分析的计算机毕业论文

今天分享的是关于情感倾向分析的8篇计算机毕业论文范文, 如果你的论文涉及到情感倾向分析等主题,本文能够帮助到你

基于模式匹配算法的诊疗交互系统研究与实现

这是一篇关于敏感词识别,情感倾向分析,DAT,AC算法,DAT-AC-SVM算法的论文, 主要内容为现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的设计方案。论文的主要工作有如下几个方面:(1)针对传统诊疗交互系统的不足,设计了便于医患交互的云病历系统。首先,该系统使用Spring Boot框架取代了传统的J2EE开发框架,基于前后端分离的思想,采用Vue框架进行客户端的开发。然后,通过分析云病历系统的需求,对其进行功能模块划分、数据库设计和整体架构设计,之后基于对系统的需求分析和整体设计,对该系统的各个模块进行了编码实现。最后,为了降低耦合度,将消息通知功能与其他功能代码隔离开来,封装成一个消息通知模块,为其他功能提供调用的接口,同时服务端使用Redis作为缓存以及消息队列,大大地提升了接口的响应能力。(2)在构建了面向云病历系统的敏感词库后,提出了一种针对敏感语义检测的DAT-AC-SVM方法。首先,对双数组字典树(Double-Array Trie,DAT)的建树过程以及双数组的构造方式进行优化并对其优化效果进行测试,针对其在多模式匹配情况下的不足引入AC(Aho-Corasick)算法加以改进,并对DAT-AC算法的性能进行测试。之后,考虑到敏感文本的情感倾向问题设计了基于支持向量机(Support Vector Machine,SVM)的敏感文本情感倾向检测方法,并将其与基于朴素贝叶斯模型的方法进行对比,突出了SVM模型的优势。最后,将DAT-AC算法与基于SVM的敏感文本情感倾向检测方法相结合以支撑云病历系统敏感词检测模块功能的实现。(3)根据设计,实现了云病历系统的功能模块,并对其功能模块进行了功能性和非功能性测试,重点介绍了敏感语义模块的测试结果。首先,分别从登录模块、个人信息管理模块、病历管理模块、管理员审核模块、留言模块和敏感语义检测模块着手,通过编写代码完成云病历系统的搭建。然后针对其模块进行功能性测试,着重描述了应用DAT-AC-SVM方法的敏感语义模块的检测过程。结果表明,所提出的DATAC-SVM方法可以有效地完成该模块的功能需求。最后也对云病历系统的非功能性进行了测试。

互联网金融违规事件舆情主题情感演化规律研究

这是一篇关于网络舆情,金融违规,主题提取,情感倾向分析的论文, 主要内容为随着大数据时代的发展和5G时代的来临,互联网已经颠覆了人类传统的生活社交方式,成为人们日常生活的重要部分,并体现在社交、金融交易等主要方面。各种新型的互联网社交平台大量出现,为公众提供了更多表达意见的机会,使他们能够更加自由地表达自己的情感和态度。因此,网上热门事件此起彼伏,网络舆情也不断出现。与此同时,我国的互联网金融领域发展也非常迅速。互联网金融将传统金融机构与网络公司紧密结合,利用平台和技术实现在线支付、融资、理财等服务。在快速发展的同时,由于监管缺失和信息不透明,互联网金融行业积累了大量的风险。如果互联网金融违规行为被发现并在互联网上曝光,就有很大的机会形成热点话题,吸引大批公众关注,造成网络舆情。因此,对互联网金融安全的研究越来越引起管理决策层的关注,同时也逐步融入到宏观经济研究体系中。本文针对凤凰金融逾期不还和相互宝无照保险两类典型的互联网金融违规行为,将舆情传播过程划分为阶段模型,并对其舆情主题和情感演化规律进行了分析。舆情主题分析采用共现知识图谱获取整体舆情主题,并使用LDA模型(Latent Dirichlet Allocation)对各阶段舆情主题进行分析,探讨舆情主题的演变规律。情感倾向分析构建基于词向量相似度的情感词典,基于语义规则对舆情数据评分并分类,使用LSTM模型(Long Short-Term Memory)对舆情的情感倾向进行分类预测,并绘制词云图,展示不同情感舆情关键词在每个阶段的变化情况。本研究对互联网金融违规行为的舆情进行分析,将金融违规行为的舆情主题划分为四类,并结合舆情阶段划分和情感倾向对舆情演化规律进行挖掘和讨论,具有创新性和参考性。本文的研究结果可为舆情预警工作提供重要依据,在舆情监督和文本分析等应用领域具有理论意义和实际价值。

舆情系统中特征选择和情感分析的研究与实现

这是一篇关于舆情分析,文本分类,特征选择,情感倾向分析的论文, 主要内容为网络舆情是指互联网上网民对社会焦点、热点问题所持的带有较强影响力、倾向性的不同观点和言论。如今,越来越多的人们开始利用互联网表达自己的情绪和观点。网络已逐渐发展成为社会民意的集散地。由于网络环境相对宽松,缺乏相应的监管措施,一些人往往将网络视为自己发泄不满情绪的场所,肆无忌惮地发泄不满情绪,引导错误的舆情方向。再加上我国正处于社会转型阶段,各类矛盾集中,有些社会管理部门往往对于舆论习惯性隐瞒、回避,从而导致社会矛盾的集中爆发。在如今大数据的时代背景下,通过传统的人工方式对互联网上海量的社会舆论信息进行区分甄别,既效率低下,往往也不现实。因此,需要舆情分析系统针对网络上海量信息进行获取并快速处理分析,对误导性舆论及时发出预警,对我国社会各方面事业的发展至关重要。本文对网络舆情分析系统所涉及的一些技术进行了研究,其中主要工作以及创新点如下:1)本文从理论方面详细介绍了舆情分析系统各个模块的实现原理。并将特征选择算法和文本情感分析作为两个基本研究点进行了重点研究。2)详细分析了文档频度、信息增益、互信息以及卡方检验等四种传统特征选择算法各自的不足。并在此基础上,提出了一种基于特征项类内平均度、类间区分度的特征选择算法。最后,设计了实验方案并证明了改进后的算法的高效性与合理性。3)通过对文本情感倾向技术的重点研究,设计了一种基于语义的文本情感倾向分析方法。主观句中的情感词决定了句子情感的方向,其他一些修饰词决定了句子情感的程度。该方法以主观句-情感词为基础。通过筛选出文档中所有的主观句,分别对每一个主观句进行情感倾向评分,然后取其平均值,即为文本的情感评分。通过实验,证明了本文设计的文本情感分析方法对文本正向情感和负向情感的判定具有不错的效果。4)采用JAVA语言实现了一个基于B/S架构下的舆情分析系统。

基于电商产品评论的图形化数据分析系统设计

这是一篇关于商品评论,情感倾向分析,系统设计与实现,BERT-BiLSTM的论文, 主要内容为电商产品评论数据是用户进行网上购物时重要的参考依据,而在单个商品评论数据量普遍较大且好评比例极高的现状下,想要快速的从评论数据中获取商品整体有效的信息,则需要对商品评论数据进一步的加工处理以及分析。商品评论数据中蕴含的情感倾向,是商品能否满足用户需要的重要信息。目前文本情感倾向分析相关研究已有了较大进展,但是大多是基于预先获取的文本数据进行训练与分析,这并不满足普通用户对商品评论数据分析的需要,所以本文设计了一种通过搭积木即可获取评论数据的方式,并与BERT-Bi LSTM融合模型以及情感词典相结合,实现了可简单快捷获取商品评论数据并进行文本情感分析的图形化数据分析系统。本文通过系统的需求分析、架构设计、具体实现、系统测试四个步骤,设计实现了一个图形化评论数据分析系统。该系统从功能上分为三大模块:数据模块,情感分析模块,操作及展示模块。(1)数据模块,设计并实现了实时评论数据获取、数据清洗、数据存储,提供两种实时评论获取方式,一种是直接输入商品链接获取商品评论数据,另一种是通过组合预先定义好的图形爬取模块实现数据爬取。(2)情感分析模块,包括情感词提取分析以及情感倾向模型构建与分析。本文通过整合多种主流情感词典对评论数据进行情感词抽取,并对结果进行图表分析展示。情感倾向分析模型采用了BERT-Bi LSTM模型对评论数据进行情感倾向二分类,并与其他多个模型进行对比实验,验证了该模型在文本情感二分类中的优越性。(3)操作及展示模块,接受用户操作指令,并将评论数据分析结果以情感词词云、柱状图以及评论数据分类列表等形式展示。最后通过对系统的功能以及性能测试,验证了各个模块均能正常运行并协调工作,证实了本系统在实时评论数据获取上的高效性、在情感倾向分析上的准确性。