您好,欢迎来到皮书数据库! | 皮书网首页
登录|注册 |无障碍阅读
国家知识资源服务中心 CARSI
您现在所在的位置:首页
基于CNN-SVM模型的社交媒体文本情感分类
  • 报告作者:魏蕾如
  • 报告字数:29539 字
  • 报告页数:35 页
  • 所属图书:社交媒体用户心理健康研究
  • 图书作者:魏蕾如
  • 出版日期:2021年07月
  • 浏览人数:
  • 下载次数:
摘要
社交媒体为心理异常人群以及关注心理健康用户提供了一个理想的平台,由于心理健康疾病污名化以及心理疾病表征,许多用户选择躲避现实而在社交媒体平台上更真实地表露自己的情感。与此同时,通过社交网络与其他患者以及相关人员进行情感交流,获得彼此的理解与支持,以寻求归属感。由此,心理异常用户之间会生成大量的包含用户的观点、情感和态度的主观性文本信息。针对这些反映用户主观态度的情感倾向性文本,需要构建一套有效的情感分析方法来识别心理异常用户的情感表达方式和特点。心理状态的改变会直接通过情绪的变化来表现。在心理健康问题的临床诊断中,对来访者心理健康状况进行评估的一个非常重要的指标是,是否具有持续性的负性情绪。根据负性情绪的强度以及存在症状的时间可以对受访者的心理健康状态进行初步的识别和判断。因此,负性情绪的识别是心理健康研究的首要任务和关键步骤。
>>
作者简介

魏蕾如: 河南信阳人,1983年1月出生,2017年12月毕业于武汉大学信息管理学院,获得管理学博士学位,现为郑州轻工业大学讲师。主要研究方向为社交媒体数据挖掘、在线评论情感分析。主持在研教育部人文社会科学青年基金项目1项、河南省重点研发与推广专项项目1项、河南省教育厅人文社会科学研究项目1项。参与国家自然科学基金项目1项、省部级项目多项,发表学术论文10余篇。

相关报告
文章目录