《電子技術應用》
您所在的位置：首頁 > 通信與網絡 > 設計應用 > 基于爬蟲和TFIDF-NB算法的微博情感分析
基于爬蟲和TFIDF-NB算法的微博情感分析
2021年電子技術應用第4期
楊 戈1，2,，楊麓濤1
1.北京師范大學珠海分校 智能多媒體技術重點實驗室，廣東 珠海519087,； 2.北京大學深圳研究生院 深圳物聯(lián)網智能感知技術工程實驗室，廣東 深圳518055
摘要： 針對微博網絡輿情信息量大,、無規(guī)則,、隨機變化的特點，提出TFIDF-NB(Term Frequency Inverse Document Frequency-Naive Bayes)用于微博情感分析,，設計與實現(xiàn)了一個基于Scrapy框架的微博評論爬蟲，將某熱點事件的若干條微博評論進行爬取并存進數據庫,，然后進行文本分割,、LDA(Latent Dirichlet Allocation)主題聚類，最后使用TFIDF-NB算法進行情感分類,。實驗結果表明,，TFIDF-NB算法平均準確率高于線性支持向量機算法和K近鄰算法，在精確率和召回率方面高于K近鄰算法,，具有較好的情感分類效果,。
中圖分類號： TN011；TP391.41
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200748
中文引用格式： 楊戈,，楊麓濤. 基于爬蟲和TFIDF-NB算法的微博情感分析[J].電子技術應用,，2021，47(4)：59-62,，66.
英文引用格式： Yang Ge,，Yang Lutao. Sentiment analysis of Weibo based on TFIDF-NB algorithm[J]. Application of Electronic Technique，2021,，47(4)：59-62,，66.
Sentiment analysis of Weibo based on TFIDF-NB algorithm
Yang Ge1，2,，Yang Lutao1
1.Key Laboratory of Intelligent Multimedia Technology,，Beijing Normal University(Zhuhai Campus)，Zhuhai 519087,，China,； 2.Engineering Lab on Intelligent Perception for Internet of Things(ELIP)，Shenzhen Graduate School,，Peking University,， Shenzhen 518055，China
Abstract： In view of the large amount of public opinion information on Weibo, irregular and random changes, this paper proposes a Weibo sentiment analysis method based on TFIDF-NB(Term Frequency Inverse Document Frequency-Naive Bayes) algorithm. By coding a Weibo comment crawler based on the Scrapy framework, several Weibo comments on a hot event are crawled and stored in the database. Then text segmentation and LDA(Latent Dirichlet Allocation) topic clustering are performed. And finally the TFIDF-NB algorithm is used for sentiment classification. Experimental results show that the accuracy of the algorithm is higher than that of the standard linear Support Vector Machine algorithm and the K-Nearest Neighbor algorithm, and it is higher than the K-Nearest Neighbor algorithm in terms of accuracy and recall, and it has a better effect on sentiment classification.
Key words : Weibo public opinion,；web crawler,；sentiment classification

0 引言

    網絡輿情是指網絡用戶對社會各方面熱點問題所發(fā)表的見解和建議的輿論,，是社會輿情的一種體現(xiàn)，是公眾對社會中各種熱點事件和問題所表達的態(tài)度,、想法,、情緒等的集合?；ヂ?lián)網的快速發(fā)展使得網絡輿情的形成和傳播速度不斷提升,，對社會的影響巨大。

    文獻[1]證明了網絡輿情的發(fā)展具有混沌的特性,，即表現(xiàn)為亂序,、無規(guī)則、隨機變化,。在網絡輿情傳播的過程中,，微博給網絡輿情的形成、發(fā)酵和傳播提供了一個強大的互聯(lián)網平臺,，給其用戶提供了一個向全世界分享信息,、發(fā)表評論和表達訴求的平臺，這些輿論內容在短時間內會大規(guī)模地擴散,，甚至會影響事件的走向,。

    本文首先實現(xiàn)一個基于Scrapy框架的微博評論爬蟲，將某熱點事件的若干條微博評論進行爬取并存進數據庫,，然后進行文本分割和LDA(Latent Dirichlet Allocation)主題聚類,，最后采用TFIDF-NB(Term Frequency Inverse Document Frequency-Navie Bayes)算法進行文本情感分類。

    (1)爬蟲

    爬蟲全稱為網絡爬蟲,，是一種可以對互聯(lián)網上的信息進行自動化瀏覽的網絡腳本或程序,，可實現(xiàn)對海量互聯(lián)網信息進行瀏覽、爬取等操作,，并將抓取到的信息存儲于本地中,。

    網絡爬蟲可以分為4種[2]：通用網絡爬蟲[3]、主題網絡爬蟲[4],、增量式網絡爬蟲[5],、深層網絡爬蟲[6-7]。

    (2)情感分類

    情感分析是指識別文本中潛在的想法,、情感和態(tài)度的方法[8],。情感分類是情感分析的核心內容，情感分類的作用是識別文本數據中的觀點,，對情感的積極或消極情緒進行分類[9],。

    目前情感分類主要有兩種方法，一種是基于詞典的方法[10-13],，另一種是基于機器學習的方法[14-16],。




本文詳細內容請下載:http://forexkbc.com/resource/share/2000003464




作者信息:

楊  戈1,，2，楊麓濤1

(1.北京師范大學珠海分校 智能多媒體技術重點實驗室,，廣東 珠海519087,；

2.北京大學深圳研究生院 深圳物聯(lián)網智能感知技術工程實驗室，廣東 深圳518055)

此內容為AET網站原創(chuàng),，未經授權禁止轉載,。