李振鹏，陈碧珍，罗静宇

大理大学数学与计算机科学学院, 大理 671003

出版日期:2020-05-25发布日期:2020-08-21

Research on Network Public Opinion Classification Based on Text Mining

LI Zhenpeng, CHEN Bizhen ,LUO Jingyu

College of Mathematics and Computer Science, Dali University, Dali 671003

Online:2020-05-25Published:2020-08-21







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

文章基于机器学习中的无监督学习Kmeans文本聚类算法,依据中宣部舆情分类标准,实证研究了天涯杂谈2012年1月1日到2015年12 月31日帖子的舆情分布情况.并对各类别的点击量和回复量之间的显著性差异进行了秩和检验.结论如下: 1)政治性网络舆情所占比重最大,其次是社会性网络舆情,经济性网络舆情与文化性网络舆情占比相差不大,占比最小的为复合性网络舆情; 2)各类舆情4 年的占比基本保持稳定; 3)不同类别帖子的回复量和点击存在显著性差异.

分享此文:

()

[1]	杨靛青，韩清云. 基于TOPSIS的网络舆情态势等级模糊多指标综合评价模型[J]. 系统科学与数学, 2020, 40(8): 1352-1364.
[2]	李振鹏，黄帅. 基于LDA主题模型的网络舆情研究[J]. 系统科学与数学, 2020, 40(3): 434-447.
[3]	邱涛，吴文琦，许王莉. 高维两样本位置参数秩和检验[J]. 系统科学与数学, 2020, 40(12): 2445-2458.
[4]	贾玉改，唐锡晋. 在线群体对社会风险事件关注焦点研究[J]. 系统科学与数学, 2017, 37(11): 2178-2191.
[5]	曹丽娜，唐锡晋. BBS话题的地理分布分析[J]. 系统科学与数学, 2016, 36(5): 671-682.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13893