一种基于领域语义关系图的短文本实时分析模型

摘要：

[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.

关键词：语义关系图、文本分析、语义计算

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家重点研发计划项目“XXX文本识别”;2018可信分布式计算与服务教育部重点实验室主任基金项目“XXX监测”;中央高校基本科研业务费专项的研究成果之一

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：239-247