计算机毕业设计Python+Spark知识图谱微博预警系统 微博推荐系统 微博可视化 微博数据分析 微博大数据 微博爬虫 微博预测系统 大数据毕业设计

发布于:2024-06-29 ⋅ 阅读:(40) ⋅ 点赞:(0)

课题名称

基于Bert模型对微博的言论情感分析设计与实现 

课题来源

课题类型

BY

指导教师

学生姓名

专    业

计算机科学与技术

学    号

开题报告内容:(调研资料的准备,设计/论文的目的、要求、思路与预期成果;任务完成的阶段内容及时间安排;完成设计所具备的条件因素等。)

一、选题背景   

   互联网技术的高速发展和人们在社交媒体上的活跃群体数量日益增加,人们已经习惯于采用社交媒体平台来创建各种话题进行讨论,最终形成海量的数据。其中,以新浪微博为主的社交媒体平台每天都产生大量的文本信息,用户在平台上的大量交互,使得部分文本中蕴含的观点在互联网上广泛传播。一些负面的,甚至是有害的信息若长期存在于网络且被广泛传播,这对网络空间生态的影响不言而喻,因此需要进行文本情感分类分析。当前,情感分析的研究主要是微博文本[1]、外卖评论[2]、中文新闻文本[3]等方面,情感分析对于深入探究社会问题,提高社会满意度方面也具有重要意义。本研究利用BERT自注意力的优点,将BERT当作embedding接入到CNN模型,进行微博文本情感分类,并在同一个数据集进行训练和验证,最后将各个模型的指标进行比较。

二、设计目的和要求

设计目的:

  • 情感分析:对微博上的文本进行情感分析,判断其是正面、负面还是中性的情感。这有助于了解公众对某些话题或事件的态度和情绪。
  • 话题监控:实时监测微博上的热门话题,分析其情感倾向,以把握舆论动态。
  • 危机预警:对于负面情感聚集的话题,可以进行预警,以便及时采取应对措施。
  • 市场调研:分析消费者对产品的反馈情感,为企业提供市场策略依据。
  • 社交网络研究:从情感角度深入了解社交网络中的信息传播模式和用户行为。

设计要求:

  • 实时性:系统应能实时处理大量的微博数据,提供实时的情感分析结果。
  • 准确性:情感分析的结果应尽量准确,减少误判。
  • 可扩展性:考虑到微博内容的多样性,系统应具备可扩展性,能够适应不断变化的语料库。
  • 易用性:对于非技术人员,系统应提供友好的用户界面,便于查看和分析结果。
  • 可复用性:设计的模型和方法应具有一定的通用性,不仅适用于微博,也可应用于其他社交媒体平台。
  • 数据安全与隐私保护:在处理用户数据时,应确保数据的安全性和用户的隐私不受侵犯。
  • 反馈机制:系统应提供反馈接口,允许用户对情感分析结果进行标注和修正,以不断优化模型。
  • 通过以上目的和要求,设计并实现一个基于Bert模型的微博言论情感分析系统将有助于多方面的应用和研究。

三、设计内容和思路

设计内容:

  • 数据收集:收集一定时间范围内的微博数据,包括文本内容和相关的标签或分类信息。
  • 预处理:对收集到的微博数据进行清洗和预处理,包括去除无关字符、停用词过滤、词干提取等。
  • 模型选择与训练:选择BERT模型作为基础模型,根据需求调整模型架构和参数。利用处理后的微博数据对模型进行训练,使其能够识别出正面、负面和中性的情感。
  • 特征提取:利用BERT模型提取微博文本的特征,这有助于更准确地判断其情感倾向。
  • 情感分类:基于提取的特征,使用分类器对微博文本进行情感分类。
  • 后处理与展示:对分类结果进行后处理,如统计不同情感的占比、生成情感热力图等。通过友好的界面展示分析结果,便于用户查看和分析。
  • 模型优化与迭代:根据实际应用中的反馈,持续优化模型以提高准确率。

设计思路:

  • 深入理解BERT模型:为了更好地应用BERT模型,需要深入了解其工作原理和特点。
  • 对比实验:为了验证BERT模型在微博情感分析中的效果,可与其他常见模型进行对比实验,如LSTM、CNN等。
  • 特征融合:考虑将BERT提取的文本特征与其他手工设计的特征或外部知识图谱进行融合,以提高分类准确率。
  • 多任务学习:考虑使用多任务学习的方法,使模型在情感分类的同时也能处理其他相关任务,如主题分类、关键词提取等。
  • 持续学习与更新:由于微博内容经常更新,考虑设计一个持续学习的机制,使模型能够不断适应新的数据分布。
  • 可解释性研究:为了更好地理解模型的决策过程,可以研究BERT模型的可解释性,从而增强用户对系统的信任度。

四、预期成果

1编写系统源代码;

2毕业设计说明书

五、设计时间安排

第1周:查阅相关资料,完成文献综述。

第2周:结合课题要求,提交开题报告,并完成开题答辩。

第3~5周:进行系统分析、总体设计和详细设计。

第6~9周:实现系统编码、调试及软件测试撰写毕业设计。

10~12周:修改毕业设计至定稿,资格审查。

第13~14周:毕业设计答辩及资料归档。

六、完成设计所需要的条件

(1)软硬件环境:硬件环境有win10笔记本电脑配置有16G内存、256G固态硬盘(用于存储、计算、开发);软件环境有Python、JDK1.8、Hadoop、Spark、Hive、Maven、nodejs等。

(2)数据库:MySQL数据库

(3)开发环境与工具:Vmvare、IDEA、Pycharm、Navicat

七、参考文献                                                                       

[1] 融合知识图谱与Bert+CNN的图书文本分类研究[J]. 孔令蓉;迟呈英;战学刚.电脑编程技巧与维护,2023(01)

[2] 基于CNN与Bi-LSTM混合模型的中文文本分类方法[J]. 王佳慧.软件导刊,2023(01)

[3] 基于BERT-CNN的新闻文本分类的知识蒸馏方法研究[M]. 叶榕;邵剑飞;张小为;邵建龙.电子技术应用,2023(01)

[4] 基于BERT变种模型的情感分析实现[J]. 毛银;赵俊.现代计算机,2022(18)

[5] 基于文本分词朴素贝叶斯分类的图书采访机制探索[J]. 王红;王雅琴;黄建国.现代情报,2021(09)

[6] 基于改进的BERT-CNN模型的新闻文本分类研究[J]. 张小为;邵剑飞.电视技术,2021(07)

[1] 融合知识图谱与Bert+CNN的图书文本分类研究[J]. 孔令蓉;迟呈英;战学刚.电脑编程技巧与维护,2023(01)

[2] 基于CNN与Bi-LSTM混合模型的中文文本分类方法[J]. 王佳慧.软件导刊,2023(01)

[3] 基于BERT-CNN的新闻文本分类的知识蒸馏方法研究[M]. 叶榕;邵剑飞;张小为;邵建龙.电子技术应用,2023(01)

[4] 基于BERT变种模型的情感分析实现[J]. 毛银;赵俊.现代计算机,2022(18)

[5] 基于文本分词朴素贝叶斯分类的图书采访机制探索[J]. 王红;王雅琴;黄建国.现代情报,2021(09)

[6] 基于改进的BERT-CNN模型的新闻文本分类研究[J]. 张小为;邵剑飞.电视技术,2021(07)

[7] 基于BERT模型的文本情感分类研究[D]. 王杭涛.桂林电子科技大学,2022

[8] 面向文本分类的BERT-CNN模型[M]. 秦全;易军凯.北京信息科技大学学报(自然科学版),2023

[9] 基于BERT-CNN中间任务转移模型的短文本讽刺文本分类研究[J]. 周海波;李天.智能计算机与应用,2023

[10] 基于BERT-BiLSTM-CRF的SPECT诊断文本病灶提取研究[J]. 张淋均.信息与电脑(理论版),2021

[11] 基于BERT模型的文本评论情感分析[J]. 杨杰;杨文军.天津理工大学学报,2021

[12] 一种基于BERT的文本实体链接方法[J]. 谢世超;黄蔚;任祥辉.计算机与现代化,2023

[13] 结合Bert与超图卷积网络的文本分类模型[J]. 李全鑫;庞俊;朱峰冉.计算机工程与应用,2023

[14] 分层文本分类在警情数据中的应用[J]. 殷小科;王威;王婕;张沛然;乐汉;林基伟;张海婷.现代计算机,2021

[15] 基于BERT的金融文本情感分析模型[M]. 朱鹤;陆小锋;薛雷.上海大学学报(自然科学版),2023

[16] 基于文本双表示模型的微博热点话题发现[J]. 刘梦颖;王勇.计算机与现代化,2021

[17] 基于BERT的文本情感分析[J]. 刘思琴;冯胥睿瑞.信息安全研究,2020

指导教师签名:     指导教师手签  2023.1.6-1.13定稿时删除该说明)        年   月    日                                                                  

核心算法代码分享如下:

import sys

import numpy as np
from torch.utils.data import DataLoader
from torch import nn
import torch.nn.functional as F
import torch
from sklearn.metrics import precision_score,recall_score,accuracy_score

import dataloader


class ALS_MLP (nn.Module):
    def __init__(self, n_users, n_items, dim):
        super(ALS_MLP, self).__init__()
        '''
        :param n_users: 用户数量
        :param n_items: 物品数量
        :param dim: 向量维度
        '''
        # 随机初始化用户的向量,
        self.users = nn.Embedding( n_users, dim, max_norm=1 )
        # 随机初始化物品的向量
        self.items = nn.Embedding( n_items, dim, max_norm=1 )

        #初始化用户向量的隐层
        self.u_hidden_layer1 = self.dense_layer(dim, dim // 2)
        self.u_hidden_layer2 = self.dense_layer(dim//2, dim // 4)

        #初始化物品向量的隐层
        self.i_hidden_layer1 = self.dense_layer(dim, dim // 2)
        self.i_hidden_layer2 = self.dense_layer(dim//2, dim // 4)

        self.sigmoid = nn.Sigmoid()

    def dense_layer(self,in_features,out_features):
        #每一个mlp单元包含一个线性层和激活层,当前代码中激活层采取Tanh双曲正切函数。
        return nn.Sequential(
            nn.Linear(in_features, out_features),
            nn.Tanh()
        )

    def forward(self, u, v, isTrain=True):
        '''
         :param u: 用户索引id shape:[batch_size]
         :param i: 用户索引id shape:[batch_size]
         :return: 用户向量与物品向量的内积 shape:[batch_size]
         '''
        u = self.users(u)
        v = self.items(v)

        u = self.u_hidden_layer1(u)
        u = self.u_hidden_layer2(u)

        v = self.i_hidden_layer1(v)
        v = self.i_hidden_layer2(v)

        #训练时采取dropout来防止过拟合
        if isTrain:
            u = F.dropout(u)
            v = F.dropout(v)

        uv = torch.sum( u*v, axis = 1)
        logit = self.sigmoid(uv*3)
        return logit

def doEva(net, d):
    d = torch.LongTensor(d)
    u, i, r = d[:, 0], d[:, 1], d[:, 2]
    with torch.no_grad():
        out = net(u,i,False)
    y_pred = np.array([1 if i >= 0.5 else 0 for i in out])
    y_true = r.detach().numpy()
    p = precision_score(y_true, y_pred)
    r = recall_score(y_true, y_pred)
    acc = accuracy_score(y_true,y_pred)
    return p,r,acc

def train( epochs = 10, batchSize = 1024, lr = 0.001, dim = 256, eva_per_epochs = 1):
    '''
    :param epochs: 迭代次数
    :param batchSize: 一批次的数量
    :param lr: 学习率
    :param dim: 用户物品向量的维度
    :param eva_per_epochs: 设定每几次进行一次验证
    '''
    #读取数据
    user_set, item_set, train_set, test_set = \
        dataloader.readRecData(test_ratio = 0.1)
    #初始化ALS模型
    net = ALS_MLP(len(user_set), len(item_set), dim)
    #定义优化器
    optimizer = torch.optim.AdamW( net.parameters(), lr = lr, weight_decay=0.2)
    #定义损失函数
    criterion = torch.nn.BCELoss()
    #开始迭代
    for e in range(epochs):
        all_lose = 0
        #每一批次地读取数据
        for u, i, r in DataLoader(train_set,batch_size = batchSize, shuffle = True):
            optimizer.zero_grad()
            r = torch.FloatTensor(r.detach().numpy())
            result = net(u,i)
            loss = criterion(result,r)
            all_lose += loss
            loss.backward()
            optimizer.step()
        print('epoch {}, avg_loss = {:.4f}'.format(e,all_lose/(len(train_set)//batchSize)))

        #评估模型
        if e % eva_per_epochs==0:
            p, r, acc = doEva(net, train_set)
            print('train: Precision {:.4f} | Recall {:.4f} | accuracy {:.4f}'.format(p, r, acc))
            p, r, acc = doEva(net, test_set)
            print('test: Precision {:.4f} | Recall {:.4f} | accuracy {:.4f}'.format(p, r, acc))

def als_mlp_predict(userId=1, itemSize=100, count=4, dim=64):
    # 读取数据
    user_set, item_set, train_set, test_set = \
        dataloader.readRecData( test_ratio=0.1)

    # 预测一个用户的所有的评分形成一个元祖
    train_set = []
    for i in range(1, itemSize):
        train_set.append((userId, i, 0))
    # print(train_set)
    # print(train_set)
    # 初始化ALS模型
    net = ALS_MLP(len(user_set), len(item_set), dim)

    d = torch.LongTensor(train_set)
    u, i, r = d[:, 0], d[:, 1], d[:, 2]
    with torch.no_grad():
        out = net(u, i)

    predict = []
    preds = out.tolist()
    # print(len(preds))
    # 找出最大值,通过这种方式可以求出多个
    for i in range(0, count):
        m = max(preds)
        idx = preds.index(m)
        predict.append(dict(iid=idx, score=m))
        del preds[idx]

    # print(predict)
    return predict

def test(dim = 64):
    result = als_mlp_predict(1, 2000, 5)
    print(result)

if __name__ == '__main__':
    # train()
    # test()
    param1 = sys.argv[1]
    # param1 = "1"
    result = als_mlp_predict(int(param1), 55, 4)
    list = []
    # print(result)
    for r in result:
        list.append(dict(iid=r['iid'], rate=r['score']))
    print(list)


网站公告

今日签到

点亮在社区的每一天
去签到