一种基于领域语义关系图的短文本实时分析模型
[目的]对网络社区相关舆情领域判别问题进行研究，提出基于领域语义关系图的短文本分析模型，弥补基于知识库和基于机器学习方法的不足，提高模型准确度和时效性.[方法]以高校学生舆情领域为实验对象，从多源网络社区获取478 303篇文本数据，结合语义抽取规则，构建总计5 248节点、16 488条边的高校舆情领域语义关系图；并实现该图的自动扩展；同时，提出一种基于领域语义关系图的短文本分析模型，实现社区文本领域分析.[结果]在文本领域相关性判别方面，本文模型准确度F值最高可达83.94％，相比同等环境中的支持向量机方法、朴素贝叶斯方法和基于深度学习卷积神经网络方法，准确度分别提升8.56％、5.97％、4.27％.[局限]网络社区文本数据量有限；参数反馈机制不够完善.[结论]与基于机器学习方法比较，本文模型准确度有所提升；时效方面，能够达到秒级别处理，实现实时分析.
语义关系图 文本分析 语义计算
田钟林 吴旭 颉夏青 许晋 陆月明
北京邮电大学网络空间安全学院 北京100876;北京邮电大学可信分布式计算与服务教育部重点实验室 北京100876 北京邮电大学网络空间安全学院 北京100876;北京邮电大学可信分布式计算与服务教育部重点实验室 北京100876;北京邮电大学图书馆 北京100876
国内会议
兰州
中文
239-248
2019-07-10（万方平台首次上网日期，不代表论文的发表时间）