关键词：食品安全;;深度学习;;情感分析;;文档表示
摘 要：近年来,食品安全事件频繁发生,让消费者陷入了极度不安。同时,随着互联网的快速发展和崛起,越来越多的民众通过互联网参与到舆情讨论中。通过互联网了解社情民意,关注舆情动向,判断民众对社会舆论的态度,对于认识引导网络舆情、保证食品行业健康发展和促进社会和谐稳定具有重要的现实意义。网络舆情分析中文本表示是所有后续分析的基础,目前舆情文本表示主要使用的算法是基于词的模型,而此类模型无法直接表示文档,导致无法对未登录词进行表示。针对此问题,本文基于深度学习中的GAN(Generative Adversarial Network,生成对抗网络)网络提出了文档表示模型 WADM(Wasserstein Adversarial Document Model),模型使用两个神经网络进行对抗学习,使用去燥自编码器作为其判别网络,由其隐层直接得到文档的分布表示,相比基于词的模型具有更强的文档表示能力。在舆情文本表示的基础上,本文研究了文本情感倾向性分析算法。现有文本情感倾向性分析算法主要是基于规则和统计机器学习的算法,需要手工设计规则和特征,较为繁琐。针对此问题,本文综合利用LSTM(LongShortTermMemory,长短时记忆网络)和CNN(Convolutional Neural Network,卷积神经网络)深度学习技术,提出了网络舆情情感倾向性分类算法 C-LSTM(Convolutional Long Short Term Memory),使用LSTM处理文本数据,并由CNN进行特征抽取和情感倾向性分类,解决了手工设计规则和特征较为繁琐的问题,并在一定程度上提高了分类准确率。最后本文实现了从食品安全网络舆情获取到分析的整个流程,从多种渠道收集舆情数据,并使用本文提出的WADM和C-LSTM算法进行了分析。实验结果表明,本文算法能够有效表示舆情文本,并较好地对话题中网民的情感态度进行了分类。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取