基于BERT模型的舆情分类应用研究

作     者：胡春涛 秦锦康 陈静梅 张亮 

作者机构：江苏警官学院江苏210031 中国人民公安大学北京100038 

基　　金：国家社会科学基金项目“面向微博的舆情波动与扩散趋势预估模型研究”(项目编号:13BTQ046) 江苏省大学生实践创新训练计划项目“基于深度学习的自然语言语义分析及在舆情热点类别划分的应用”(项目编号:201810329016Y)研究成果之一 

出 版 物：《网络安全技术与应用》 (Network Security Technology & Application)

年 卷 期：2019年第11期

页      码：41-44页

摘      要：本文从技术发展的角度梳理了词向量技术的发展历史,进而引出并介绍了目前对自然语言处理任务具有重大意义的BERT模型.在此基础上,本文对BERT预训练模型进行Fine-turning,使用简单的迁移学习策略将该模型应用于舆情文本分类任务,并设计实验与LSTM连接CNN的模型进行比较.实验结果表明BERT模型在字符向量动态编码和语言特征提取能力上相较于传统模型具有显著优势.

主 题 词：文本分类 BERT 注意力机制 词嵌入 网络舆情 

学科分类：0401[教育学-教育学类] 04[教育学] 

馆 藏 号：203795033...