基于LDA与snowNLP的学术造假事件主题挖掘与情感分析.docx

基于LDA与snowNLP的学术造假事件主题挖掘与情感分析

目录

基于LDA与snowNLP的学术造假事件主题挖掘与情感分析（1）．．．．．．4

内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

方法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.1LDA模型介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2SnowNLP工具使用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.3主题挖掘流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.4情感分析框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

数据准备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.2数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

实验设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

4.1预测算法选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

4.2实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

5.1主题挖掘结果．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

5.2情感分析结果．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

讨论与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

6.1学术造假现象的发现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

6.2情感倾向性研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

7.1研究结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

7.2展望未来工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

基于LDA与snowNLP的学术造假事件主题挖掘与情感分析（2）．．．．．23

内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

1.2研究目的与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

1.3文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

相关技术介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

2.1主题模型LDA．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1.1LDA模型原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

2.1.2LDA模型步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.2snowNLP情感分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

3.1数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

3.2数据清洗．．．