近年來我國網(wǎng)民人數(shù)隨著互聯(lián)網(wǎng)的迅速發(fā)展而急劇增加,其中學生網(wǎng)民人數(shù)最多,截至2019年6月,學生群體占網(wǎng)民總人數(shù)的26.0%。部分學生網(wǎng)民在網(wǎng)絡上發(fā)布的自殺、抑郁、欺凌、焦慮等信息稱為網(wǎng)絡異常行為信息,他們在微博、論壇、貼吧等平臺使用文字、音頻、視頻、圖片等信息表達自己的情感,其中發(fā)布的自殺傾向信息對社會影響最大,是本文研究的重點。傳統(tǒng)的學生群體識別和自殺傾向檢測方法因精確率不高已經不能滿足當下的需要,隨著大數(shù)據(jù)和人工智能的到來,用更加智能的方法檢測就顯得尤為重要。針對在校學生群體的識別,本文提出使用深度學習的中TextCNN算法,分別對TextCNN、FastText、TextRNN模型進行實驗,對比發(fā)現(xiàn)TextCNN模型對于在校學生群體識別的效果最好。對于網(wǎng)絡異常行為的檢測,本文提出基于情感分類的網(wǎng)絡異常行為檢測,在情感分類的基礎上,對情感負面的用戶進行網(wǎng)絡異常行為分析,重點是對具有自殺傾向的網(wǎng)絡異常行為進行檢測。自殺傾向檢測的方法是首先利用TF-IDF算法提取關鍵詞,用向量空間模型表示文本信息。然后分別對RF、KNN、LR、NB、SVM和DT等機器學習算法進行實驗。對比發(fā)現(xiàn),RF... 

【文章來源】：武漢郵電科學研究院湖北省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

網(wǎng)民職業(yè)結構分布圖

邏輯回歸函數(shù)圖像

部分打標為學生標簽的發(fā)言信息

【參考文獻】：
期刊論文
[1]基于機器學習的社交媒體文本情感分析研究[J]. 嚴軍超,趙志豪,趙瑞.  信息與電腦(理論版). 2019(20)
[2]基于樸素貝葉斯的文本情感分類及實現(xiàn)[J]. 梁柯,李健,陳穎雪,劉志鋼.  智能計算機與應用. 2019(05)
[3]基于關鍵詞和關鍵句抽取的用戶評論情感分析[J]. 喻影,陳珂,壽黎但,陳剛,吳曉凡.  計算機科學. 2019(10)
[4]基于機器學習的社交媒體用戶分類研究[J]. 李綱,周華陽,毛進,陳思菁.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2019(08)
[5]自殺傾向的話語表述——大學生“走飯”微博分析[J]. 高一虹,孟玲.  外語與外語教學. 2019(01)
[6]《中國農村教育發(fā)展報告2019》顯示——鄉(xiāng)村教師隊伍建設成效明顯[J].   中國農村教育. 2019(04)
[7]基于彈幕情感分析和聚類算法的視頻用戶群體分類[J]. 洪慶,王思堯,趙欽佩,李江峰,饒衛(wèi)雄.  計算機工程與科學. 2018(06)
[8]基于fastText的中文文本分類[J]. 代令令,蔣侃.  計算機與現(xiàn)代化. 2018(05)
[9]基于機器學習的大學生自殺風險預測與分析[J]. 丁楠.  現(xiàn)代電子技術. 2017(21)
[10]混合分類/回歸模型的用戶年齡識別方法[J]. 陳敬,李壽山,王晶晶,周國棟.  中國科學:信息科學. 2017(08)

博士論文
[1]情感詞典構建方法及其應用研究[D]. 鄧東.北京交通大學 2019

碩士論文
[1]多特征情感詞典在文本情感分析問題中的研究[D]. 王碩.吉林大學 2019
[2]基于文本挖掘的社交網(wǎng)絡抑郁用戶檢測[D]. 邱家洪.江西財經大學 2018
[3]社交網(wǎng)絡對大學生自殺行為的影響及對策研究[D]. 于婉琳.北京郵電大學 2017
[4]微博文本情感分類研究[D]. 陳思.吉林大學 2016
[5]面向不平衡數(shù)據(jù)分類問題的核邏輯回歸算法的設計與實現(xiàn)[D]. 王鵬.西安電子科技大學 2015



本文編號：3078394