社交媒体大数据智能情感分析技术 pdf下载

本专著系统介绍了社交媒体大数据智能情感分析的理论方法、关键技术及其在社会热点事件中的建模与应用。全书共分为三个篇章，一是理论基础篇，详细介绍了社交媒体智能情感分析的理论基础与主流大数据抓取及预处理技术；二是模型方法篇，创新提出了面向社会热点事件的智能情感分析框架，对社交媒体情感的形成、演化、干预与预测全过程进行智能建模分析；三是案例应用篇，通过实际案例介绍了如何应用社交媒体大数据智能情感分析方法解决实际问题。

谭旭，国防科技大学博士，教授，湖南大学、湘潭大学研究生导师。是“鹏城学者”长期特聘教授、广东省高校“千百十工程”省级培养对象、广东省高职教育专业领军人才、南粤优秀教师。现为广东省视频图像大数据公共安全应用科研团队负责人、广东省信息管理技术教学团队负责人、广东省高职教育计算机类专业教指委秘书长、中国仿真学会智能仿真优化与调度专委会委员。主持国家自科基金、教育部人文社科基金等项目21项，主编教材2部、专著1部,获中国仿真学会科学技术奖一等奖1项，广东省教育教学成果奖二等奖2项。

第1章社交媒体大数据情感分析的理论基础

1.1社交媒体大数据情感分析的研究背景

1.1.1社交媒体大数据与社会治理

1.1.2社交媒体大数据情感分析的困境与意义

1.2社交媒体大数据情感分析的基本概念

1.2.1社交媒体大数据的定义与特征

1.2.2社交媒体大数据的来源与分类

1.2.3社交媒体大数据情感分析的基本理论

1.3社交媒体大数据情感分析的研究进展、现状及趋势

1.3.1社交媒体文本数据挖掘方法

1.3.2社交媒体数据表示学习技术

1.3.3社交媒体文本情感计算任务

1.3.4社交媒体数据舆情计算应用

1.4本章小结

参考文献

第2章社交媒体大数据网络爬取与数据预处理

2.1什么是网络爬虫

2.1.1网络爬虫的定义

2.1.2网络爬虫的流程

2.1.3网络爬虫的类型

2.1.4网络爬虫的工具

2.2网页和网站的基础知识

2.2.1网页的构成

2.2.2网站的构成

2.2.3网页开发者工具

2.3基于Python的爬虫库

2.3.1Python爬虫库概览

2.3.2requests库安装和体验

2.3.3利用requests库爬取百度贴吧案例

2.4基于Python的爬虫框架

2.4.1Python爬虫框架概览

2.4.2Scrapy爬虫操作入门

2.4.3利用Scrapy爬取微博网站案例

2.5基于Python的文本数据预处理

2.5.1文本数据预处理的范畴

2.5.2文本数据预处理的工具与方法

2.5.3文本数据预处理流程

2.5.4文本数据预处理案例

2.6本章小结

参考文献

第3章社交媒体大数据智能情感分析方法与技术

3.1社交媒体大数据情感分析方法

3.1.1社交媒体大数据情感分析基础方法

3.1.2社交媒体大数据情感分析常用方法

3.1.3社交媒体大数据情感分析智能方法

3.2社交媒体大数据智能情感分析关键技术

3.2.1信息抽取技术

3.2.2情感分析技术

3.2.3谣言检测技术

3.2.4话题识别技术

3.2.5热点发现技术

3.3社交媒体大数据智能情感分析理论基础

3.3.1预训练模型

3.3.2循环神经网络模型

3.3.3卷积神经网络模型

3.3.4注意力机制

3.4本章小结

参考文献

第4章社交媒体大数据智能情感分析全流程建模

4.1社交媒体大数据主题分析模型建构

4.1.1社交媒体大数据主题建模原理

4.1.2改进的LDA主题分析模型

4.2社交媒体大数据智能情感分析模型建构

4.2.1RAE深度学习模型

4.2.2改进的BERT预训练模型

4.3社交媒体大数据智能情感预测模型建构

4.3.1基于计量经济学模型的舆情情感预测

4.3.2基于机器学习模型的舆情情感预测

4.4社交媒体大数据智能情感分析框架

4.5本章小结

参考文献

第5章基于社会热点事件的实例分析

5.1“魏则西事件”的社交媒体大数据情感分析全流程建模

5.1.1“魏则西事件”的案例选择与描述

5.1.2“魏则西事件”的数据收集与预处理

5.1.3“魏则西事件”的情感分析结果

5.1.4“魏则西事件”的主题建模结果

5.1.5“魏则西事件”以主题建模为基础的情感分析结果

5.1.6“魏则西事件”以情感分类为基础的情感预测结果

5.1.7“魏则西事件”的社交媒体大数据情感分析讨论

5.2“疫苗接种情绪”的社交媒体大数据情感分析全流程建模

5.2.1“疫苗接种情绪”的案例选择与描述

5.2.2“疫苗接种情绪”的数据收集与预处理

5.2.3“疫苗接种情绪”的主题建模结果

5.2.4“疫苗接种情绪”的情感分析结果

5.2.5“疫苗接种情绪”以情感分类为基础的主题建模结果

5.2.6“疫苗接种情绪”以情感分类为基础的情感预测结果

5.2.7“疫苗接种情绪”的社交媒体大数据情感分析讨论

5.3本章小结

参考文献

第6章总结与展望

6.1研究总结

6.2研究展望

　　随着大数据、人工智能、云计算等新一代信息技术的加速创新，互联网呈现出多元发展态势，极大地改变了我们的生活方式和认知世界的形式。社交媒体作为互联网的重要媒介表现形式，记录了人们海量的网络信息行为，蕴含了大量形式复杂多样、价值深埋有待挖掘的信息，使得公众对某些公共事件或议题的看法、观点、情绪、立场的传达更为直接，也为公众参与国家经济、政治、文化、社会、生态文明建设提供了更多的可能性和公平性。

　　社交媒体平台通过网络信息传递情感和意见，越来越呈现移动化、智能化、社交化的新型格局，助推着一场前所未有的数字化革命，也引导着政府机关和企事业单位及时倾听民众声音、同民众进行实时交流、促进社会和谐发展。然而，在社会转型的关键时期，社会问题和社会矛盾比以往更加复杂和多变，并且首先集中在社交媒体平台上，形成强大的舆论压力，也为相关部门应对网络舆情的管理和态势研判带来巨大的挑战。对社交媒体平台的信息进行合法、灵活的采集与分析，不仅可以理解和解释许多复杂的社会现象，而且可以进行精准的舆情监督和引导，亦是党和国家提高社会治理专业化、法制化、智能化水平的新需要。

　　团队在大量国内外前沿研究的基础上，结合机器学习、自然语言处理、大数据分析、社会传播等多学科理论和实用技术，从社交媒体大数据情感分析的核心理论方法、主流技术模型和典型场景应用等方面进行了全面刻画和多角度的创新研究。本书第1章剖析了社交媒体大数据情感分析的内涵以及多学科支撑理论，综述了研究的前沿动态； 第2章从入门实战的角度，详细介绍了社交媒体数据的主流获取方法以及考虑复杂、非结构化特性下的数据预处理技术； 第3章分步骤详细描述了基于机器学习方法的社交媒体大数据智能分析关键技术和前沿模型，为读者夯实相关理论模型基础； 第4章系统性地构建了社交媒体大数据智能情感分析及预测的完整框架模型，探讨了基于歧义表达情境下开展细粒度情感分析和舆情动态变化下的情感预测改进算法； 第5章采撷了典型的社会热点事件开展实证分析，结果表明本书所提出的社交媒体大数据情感分析方法能够较好地刻画突发公共事件网络舆情演化过程，并能为相关部门进行舆情监测和干预治理提供精准的决策支持。

　　本书可作为计算机科学、情报学、传播学、管理科学、公共管理等学科领域的高年级本科生及研究生教材，也可作为从事人工智能、大数据分析、自然语言处理、情报分析、管理决策相关研究的科研、设计和工程技术人员的参考书籍，还可作为各级政府和企事业单位开展网络舆情分析与管控研究的指导手册。

　　本书以严谨、科学的态度推介了各种主流的情感分析方法以及团队取得的阶段性研究成果，部分章节来源于团队已公开发表的学术论文。本书中的相关研究也得到了国防科技大学谭跃进教授、吕欣教授，西安电子科技大学邢立宁研究员，湘潭大学毛太田教授、邹凯教授，长沙学院李勇教授的指导和帮助。学生陆振昇、吴璞、欧俊威、蓝凯城参与了部分早期资料的整理和研究工作，在此一并表示感谢。

　　本书得到“鹏城学者”专项资助基金、教育部人文社会科学研究项目“基于深度学习的医疗纠纷突发事件网络舆情预警与干预”(编号： 17YJCZH157)、广东省普通高校创新团队“视频图像大数据公共安全应用创新团队”(编号： 2020KCXTD040)的支持。本书的顺利完稿也得益于大量国内外研究成果的参阅，在此谨向这些成果的作者以及由于篇幅所限未在参考文献中提及的相关文献作者致以诚挚的谢意和崇高的敬意。受限于研究视角和研究水平条件，本书难免存在不足或疏漏之处，敬请广大读者和各界专家批评指正。

作者

2023年4月