Indexed by：
Abstract：
突发公共卫生事件极易引起社会恐慌，新冠肺炎更是全球聚焦的重大热点事件，客观了解疫情期间的公众情绪响应，有利于政府及相关部门合理管控舆情.本研究以疫情流行期间网民微博博文为基础，通过文本挖掘的方式探索疫情期间网民情感倾向，提出一种以卷积神经网络和双向长短期记忆网络为基础，并融合注意力机制的多通道情感极性分析方法.该方法首先对微博文本数据进行分词和停用词的预处理，通过Word2Vec模型获取词向量表达式，使用多通道CNNs-BiLSTM模型抽取多尺度文本特征，融合注意力机制调整特征权重，以语义相关度进行文本情感倾向判断.通过COVID-19微博舆情数据开展实验验证，结果表明，该方法相较于其他基准模型获得了较高的准确率，能够充分利用多维矩阵捕获丰富的文本特征，具有一定的优越性.
Keyword：
Reprint 's Address：
Email：
Source ：
小型微型计算机系统
ISSN： 1000-1220
CN： 21-1106/TP
Year： 2023
Issue： 06
Volume： 44
Page： 1140-1145
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
