人工智能在网络舆情分析中的应用研究.pdf

信息记录材料２０２４年５月第２５卷第５期

人工智能在网络舆情分析中的应用研究

唐锦源

（成都工贸职业技术学院四川成都６１１７３１）

【摘要】本文旨在探索人工智能在网络舆情分析中的应用，提出了一种改进型支持向量机（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）方法，以

－

提升情感分析的准确性。本文通过深入研究基于词频逆文档频率（ｔｅｒｍｆｒｅｑｕｅｎｃｙ⁃ｉｎｖｅｒｓｅｄｏｃｕｍｅｎｔｆｒｅｑｕｅｎｃｙ，ＴＦ⁃ＩＤＦ）的特征提取方

－

法，同时引入正则化项和优化的核函数，以适应复杂的网络舆情数据。并在ＳｅｍＥｖａｌ２０１６Ｔａｓｋ４数据集上进行实验，验证了本文方

法在网络舆情分析中的有效性。实验结果表明，相较于传统ＳＶＭ，本文所提方法在准确率、精确度、召回率和Ｆ１值等多个指标上均

取得显著提升，证实了其在情感分析任务上的卓越性能。

【关键词】人工智能；网络舆情分析；ＳＶＭ；正则化；核函数

－－－

【中图分类号】ＴＰ３９９【文献标识码】Ａ【文章编号】１００９５６２４（２０２４）０５０１１２０３

０引言估这个词在整个文本集合中的信息量。ＴＦ⁃ＩＤＦ的计算公

随着信息社会的深入发展，网络舆情分析的重要性日式将两项因素相乘，得到一个综合考虑局部和全局信息的

益凸显。在信息爆炸的时代，舆情分析不仅能够帮助企业特征值。对于某个特定文档而言，ＴＦ⁃ＩＤＦ词汇代表了当

精准了解公众的态度和情感倾向，更能够为政府决策、社前文档中频繁出现且在整个文本集合中相对稀缺的词语，

－

［１３］这些词语具有较强的区分能力。ＴＦ⁃ＩＤＦ通过给予关键词

会治理提供及时、准确的参考依据。在此背景下，如

何运用先进的人工智能技术对网络舆情进行深入分析，成更大的权重，能够有效提取文本中的重要信息，为后续的

－

［４５］文本分析任务提供了有力的特征表示方法。

为学术界和实际应用中的热点问题。

目前，国内外学者在网络舆情分析领域展开了广泛而在网络舆情分析中，ＴＦ⁃ＩＤＦ被广泛应用于抽取文本

－数据的关键信息，以便更深入地理解舆情内容。首先，假

深入的研究。在特征提取方面，基于词频逆文档频率

－

［６７］＝

（ｔｅｒｍｆｒｅｑｕｅｎｃｙ⁃ｉｎｖｅｒｓｅｄｏｃｕｍｅｎｔｆｒｅｑｕｅｎｃｙ，ＴＦ⁃ＩＤＦ）的设一个包含Ｎ篇文档的文本集合，记为Ｄ｛ｄ，ｄ，…，

１２

方法已经成为一种常见的手段，通过统计词汇的重要性来ｄ｝，其中每篇文档ｄ由单词序列组成，对于每篇文档ｄ