《BERT融合CNN、RNN实现复杂场景下微博情绪识别研究》15000字论文.docVIP

PAGE

PAGE2

PAGE

PAGE3

BERT融合CNN、RNN实现复杂场景下微博情绪识别研究

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策，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，为政府做好舆情引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训练。

（3）在对模型性能的评估方法上，通过测试结果中预测值的准确率对模型的性能进行评估。通过实验后得出，将BE