【微博情绪识别—BERT与深度网络的结合策略与实现15000字论文】 .pdfVIP

微博情绪识别-BERT与深度网络的结合策略与实现

摘要

随着移动互联网技术的蓬勃发展，涌现了许许多多社交平台，用户可以随时

随地很方便地分享自己的生活和想法，因此，社交平台已经成为用户分享信息的

主要工具。其中，微博以其庞大的用户基数，成为最活跃的社交平台之一。微博

平台每天都会产生海量的信息，众多用户在微博上表达自己的情绪，因此对微博

文本情绪识别的研究十分重要。而疫情期间的限制出行政，使微博成为了人们

宣泄情绪的主要社交平台之一，对网民情绪进行识别有助于政府更好地掌握民众

的情绪波动，为政府做好舆情弓I导和疫情防控宣传提供数据支持。本文针对疫情

期间网民微博文本展开情绪识别研究，实验基于BERT预训练模型，具体研究任

务如下。

(1)研究情绪识别领域的相关技术手段，学习已有的算法思想，研究深度

学习的模型结构。对于实验用到的文本数据，分析文本内容的相关属性，对文本

进行预处理操作，并将处理后的数据应用于模型实验中。

(2)使用BERT预训练模型构建基本的算法模型，并将BERT与卷积神经

网络和循环神经网络相结合，以探索性能更优的模型。本文使用pytorch框架对

模型进行构建，使用5折交叉验证对模型进行