• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于語義情感分析的網(wǎng)絡(luò)熱點爬蟲輿情分析系統(tǒng)

    2020-10-09 11:01:23田煜
    軟件 2020年8期

    摘 ?要: 網(wǎng)絡(luò)熱點作為在互聯(lián)網(wǎng)上短期爆發(fā)、形成一定公眾關(guān)注和討論的社會事件,公眾情感分析是進行測度輿情話題的有效手段。本文以某網(wǎng)絡(luò)熱點事件為例,使用Scrapy框架收集微博評論數(shù)據(jù)并保存至本地,利用jieba中文分詞工具分別以TF-IDF和TextRank兩種算法對文本數(shù)據(jù)進行處理并且對實驗結(jié)果進行比較,利用SnowNLP類庫進行情感分析,借助NLPIR分詞系統(tǒng)進行依存句法分析與可視化,最后利用Wordcloud庫生成詞云以快速直觀的獲取主要信息,展現(xiàn)了熱點話題事件中公眾對于輿論的態(tài)度。本文為有效控制和應(yīng)對網(wǎng)絡(luò)熱點事件、從不同維度處理分析事件和增強網(wǎng)絡(luò)熱點事件輿情管控等工作提供技術(shù)支撐。

    關(guān)鍵詞: 網(wǎng)絡(luò)數(shù)據(jù)獲取;輿情分析;語義情感;網(wǎng)絡(luò)熱點

    中圖分類號: TP391.1 ? ?文獻標(biāo)識碼: A ? ?DOI:10.3969/j.issn.1003-6970.2020.08.026

    本文著錄格式:田煜. 基于語義情感分析的網(wǎng)絡(luò)熱點爬蟲輿情分析系統(tǒng)[J]. 軟件,2020,41(08):89-93

    【Abstract】: Network hot spots as a short-term burst on the Internet, become a public concern and discussion of the media. Public sentiment analysis is an effective method to measure public option topics. This paper takes an example to crawl weibo comments and save the data to the local collection thorough Pythons Scrapy crawler framework. Jieba Chinese word segmentation tools was used to process the text data with two algorithm, TF-IDF and TextRank, and the experimental results were compared. Then SnowNLP classlib was used for sentiment analysis, and NLPIR word segmentation system carried out dependency syntax analysis and visualization. Finally, wordcloud library was used to generate word clouds to get the main information quickly and directly, which shows the public's attitude towards public opinion in hot topic events. This paper provides technical support for effectively controlling and responding to network hot events, dealing with and analyzing events from different dimensions, and strengthening public opinion control of network hot events.

    【Key words】: Network data acquisition; Public opinion analysis; Semantic emotion; Network hot spots

    0 ?引言

    中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)在2019年8月發(fā)布了第44次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》,報告顯示,截止2019年6月,我國網(wǎng)民規(guī)模達(dá)8.54億,較2018年底提升1.6%,其中手機網(wǎng)民所占的比例為99.1%,達(dá)8.47億。微博是一種基于用戶關(guān)系信息分享、傳播以及獲取的通過關(guān)注機制分享簡短實時信息的廣播式的社交網(wǎng)絡(luò)平臺。據(jù)微博發(fā)布的2019年第四季度及未經(jīng)審計的財務(wù)報告顯示,微博月活躍用戶達(dá)到5.16億。微博以其自身信息傳播的快捷性和信息量的海量性、互動的及時性和共享性等原因,日益成為網(wǎng)絡(luò)輿論發(fā)生群體極化現(xiàn)象的重要平臺[1]。大數(shù)據(jù)時代的來臨使得以微博為代表的自媒體取代傳統(tǒng)媒體成為輿論的重要產(chǎn)生地[2]。網(wǎng)民通過發(fā)表言論所體現(xiàn)出的態(tài)度,呈現(xiàn)出一定的情感傾向,網(wǎng)民的情感表達(dá)和動員能力成為推動輿情發(fā)展演變的重要力量[3]。

    依靠移動互聯(lián)網(wǎng)組織起來的粉絲圈,不僅在演藝界存在影響,更是影響著整個社會文化環(huán)境,此種現(xiàn)象逐漸成為引發(fā)爭議的焦點。在明星的影響力方面,微博是輿情導(dǎo)向的主戰(zhàn)場。明星的言論會給粉絲以及其他普通網(wǎng)民群體的不同方面的影響,但粉絲群體行為極端化傾向明顯,容易給網(wǎng)絡(luò)環(huán)境造成消極影響。所以做好網(wǎng)絡(luò)熱點輿情分析至關(guān)重要。

    本文主要分為數(shù)據(jù)采集與預(yù)處理、文本分類、情感分析與可視化、以某網(wǎng)絡(luò)熱點事件為例的輿情分析四個部分:第一節(jié)介紹了數(shù)據(jù)采集與預(yù)處理,利用基于Python的Scrapy框架實現(xiàn)網(wǎng)絡(luò)爬蟲爬取微博評論數(shù)據(jù)并保存至本地;第二節(jié)介紹了文本分類,采用TF-IDF方法和TextRank方法并且進行了結(jié)果的比較;第三節(jié)介紹了情感分析與可視化,利用SnowNLP庫和NLPIR工具分別進行情感分析和依存句法分析,利用基于Python語言的Wordcloud庫生成詞云;第四節(jié)將上述方法用在以某網(wǎng)絡(luò)熱點事件為例的網(wǎng)絡(luò)熱點輿情分析系統(tǒng)中。對于熱點事件的輿情預(yù)測預(yù)警、研判以及監(jiān)管的系統(tǒng)自動化實現(xiàn)具有一定的參考價值,實現(xiàn)對微博輿情監(jiān)管分析,為有效應(yīng)對網(wǎng)絡(luò)熱點事件,從不同維度不同尺度分析處理事件,給網(wǎng)絡(luò)熱點輿情管控等工作提供技術(shù)支撐。本文所設(shè)計的輿情分析系統(tǒng)框架圖如圖1所示。

    1 ?數(shù)據(jù)采集與預(yù)處理

    1.1 ?數(shù)據(jù)采集

    數(shù)據(jù)采集的主要工作是從網(wǎng)絡(luò)數(shù)據(jù)系統(tǒng)中采集數(shù)據(jù)。采集數(shù)據(jù)則主要是通過讀取器實現(xiàn)。讀取器通過封裝實現(xiàn)與互聯(lián)網(wǎng)數(shù)據(jù)系統(tǒng)簡捷便宜的連接,然后負(fù)責(zé)讀取外部數(shù)據(jù)源并將外部數(shù)據(jù)轉(zhuǎn)化成通用格式的數(shù)據(jù)[4]。

    對新浪微博網(wǎng)站爬取的過程可以考慮兩種方式:采用微博開放平臺API接口獲取數(shù)據(jù)或者使用編寫的爬蟲進行數(shù)據(jù)的爬取。由于微博開放平臺API對于數(shù)據(jù)有訪問次數(shù)的限制,所以制定合適的爬取策略十分重要。本文采用Scrapy開源框架進行數(shù)據(jù)獲取。

    Scrapy框架是一個基于Twsited的異步處理框架,是通過Python實現(xiàn)的爬蟲框架,架構(gòu)清晰,模塊之間的耦合程度相對較低,而且可擴展性也比較強,能夠給靈活完成各種需求[5]。Scrapy的組成框架如圖2所示。

    爬蟲Spider的工作流程:首先解析第一個URL,獲取它的請求,在其返回時檢索回調(diào)函數(shù);之后再回調(diào)函數(shù)中,對解析網(wǎng)頁進行響應(yīng),返回項目對象和請求對象的迭代,請求中還將包含一個回調(diào)信息,由Scrapy下載;然后對其進行回調(diào)處理,在回調(diào)函數(shù)中,對網(wǎng)站內(nèi)容進行解析,使用Xpath選擇器生成解析后的數(shù)據(jù)項;最后,從爬蟲返回的信息通常都進入到項目管道中[6]。

    在對于微博網(wǎng)站爬取過程中,會出現(xiàn)驗證身份的信息。常用的方法主要有:提交表單、帶著Cookie進行請求,通過直接獲得Ajax動態(tài)加載的數(shù)據(jù)接口進行數(shù)據(jù)提取,以及遠(yuǎn)程文檔保存等[7]。本文所需數(shù)據(jù)量為一個月內(nèi),相較于超大數(shù)據(jù)挖掘,對于用戶登錄的需求并不明顯,所以采用的是帶Cookie的請求。

    1.2 ?數(shù)據(jù)預(yù)處理

    數(shù)據(jù)的預(yù)處理主要是對原始數(shù)據(jù)的清洗、抽取元數(shù)據(jù),對于網(wǎng)絡(luò)的文本信息預(yù)處理主要是文本的分詞、去停用詞(主要是一些標(biāo)點、單字和一些沒有具體意義的詞,如:的、了等重復(fù)出現(xiàn)的詞)、文本特征向量提取、詞頻統(tǒng)計、文本的模型化表示等操作[8]。不同的預(yù)處理方法會導(dǎo)致不同的分類性能[9]。數(shù)據(jù)預(yù)處理的主要目的在于:識別以及去除嚴(yán)重影響分析的言論以及對于輿情發(fā)展無用的言論,確保數(shù)據(jù)分析的效率和準(zhǔn)確性。由于某些主流媒體導(dǎo)向性言論可能會對評論造成一定影響,對輿論本身正面和負(fù)面的明顯態(tài)度對立嚴(yán)重,且時間間隔短導(dǎo)致的評論爬取數(shù)量少,為避免出現(xiàn)較大的判斷誤差另外,還需要取出無意義的詞語比如語氣助詞,這樣可以在避免出現(xiàn)較大誤差的同時減少一部分運算量。

    在網(wǎng)絡(luò)熱點事件分析中,數(shù)據(jù)預(yù)處理最主要的步驟是數(shù)據(jù)清洗。首先查找缺失值,在獲取到第一份原始數(shù)據(jù)時,需要檢查數(shù)據(jù)的完整性。對數(shù)據(jù)缺失值的查找和計算相應(yīng)的比例利用Python實現(xiàn)。對于缺失值的處理有兩種方式:直接將缺失值所在的行或者列刪除;用其他數(shù)據(jù)的平均值,眾數(shù),或者上下值來填充這個數(shù)據(jù)表格中的缺失值。可以利用基于Python語言的Pandas工具進行數(shù)據(jù)清洗。Pandas是Python的一個數(shù)據(jù)分析包,提供強大的類庫,通過清洗數(shù)據(jù)最后得到清晰明了的數(shù)據(jù)。Pandas有三種數(shù)據(jù)結(jié)構(gòu)形式,分別是Series、DataFrame和索引對象,其中DataFrame是最常見的Pandas對象,它是一種表格型數(shù)據(jù)結(jié)構(gòu),類似于Excel,每一個值都有一個行索引和一個列索引,不同列的數(shù)據(jù)類型可以不一樣。將爬取的網(wǎng)絡(luò)熱點事件評論數(shù)據(jù)Excel或者csv表格導(dǎo)入并轉(zhuǎn)換為DataFrame對象,進行相關(guān)的操作,比如處理缺失數(shù)據(jù)、刪除不完整行等。

    2 ?文本分類

    在文本分類階段采用TF-IDF算法。TF-IDF是Term Frequency- inverse Document Frequency的縮寫,它作為一種簡單有效的詞加權(quán)方法,在信息檢索和數(shù)據(jù)挖掘領(lǐng)域得到了廣泛的應(yīng)用。若一個詞條頻繁出現(xiàn)于一個類的文檔內(nèi),那么表示此詞條可很好體現(xiàn)這個類的文本屬性,對于此類詞條,應(yīng)賦予其較高權(quán)重,同時可將其當(dāng)作此類文本的特征詞,用來和其他類文檔作鑒別[10]。

    其中,d為阻尼系數(shù),取值范圍為0到1,代表從圖中某一特定點指向其他任意點的概率,一般取值為0.85。使用TextRank算法計算圖中各點的得分時,需要給圖中的點指定任意的初值,并遞歸計算直到收斂,即圖中任意一點的誤差率小于給定的極限值時就可以達(dá)到收斂,一般該極限值取0.0001。

    TF-IDF方法與TextRank方法各有優(yōu)劣,體現(xiàn)在兩個方面:從依賴語料方面,TF-IDF的IDF值依賴于語料環(huán)境,這給他帶來了統(tǒng)計上的優(yōu)勢,即它能夠預(yù)先知道一個詞的重要程度,這是它優(yōu)于TextRank的地方,而TextRank算法認(rèn)為每個詞的重要程度是一樣的。從詞語的互相關(guān)聯(lián)性,TF-IDF是純粹用詞頻的思想來計算一個詞的得分最終提取關(guān)鍵詞,而TextRank用到了詞之間的關(guān)聯(lián)性。分析網(wǎng)絡(luò)熱點事件需要將這兩種算法結(jié)合起來,詞頻是重要的一方面,同時詞之間的關(guān)聯(lián)性也是需要考慮的方面。

    3 ?情感分析與可視化

    文本情感分析(也稱意見挖掘)是指用自然語言處理、文本挖掘以及計算機語言學(xué)等方法來識別和提取原素材中的主觀信息。文本情感分析是自然語言處理領(lǐng)域的一個重要的研究課題,也是網(wǎng)絡(luò)監(jiān)控領(lǐng)域的一個重要課題[12]。

    從自然語言處理技術(shù)的角度來看,情感分析的任務(wù)是從評論的文本中提取出評論的實體,以及評論者對該實體所表達(dá)的情感傾向,情感分析在數(shù)據(jù)挖掘、web挖掘、文本挖掘和信息檢索方面有廣泛額研究。本文將對提取出的數(shù)據(jù)做出一分為二的極性分析:即“正向情感”和“反向情感”。

    由于當(dāng)前自然語言處理庫基本都是針對英文的,而中文沒有空格分割特征詞,Python做中文文本挖掘較難,后續(xù)開發(fā)了一些針對中文處理的庫,例如SnowNLP、jieba、BosonNLP等。SnowNLP是一個常用的Python文本分析庫,是受到TextBlob啟發(fā)而發(fā)明的。SnowNLP的基本模型是貝葉斯模型(Bayes),貝葉斯模型的訓(xùn)練過程實質(zhì)上是在統(tǒng)計每一個特征出現(xiàn)的頻次。

    4 ?以某網(wǎng)絡(luò)熱點事件為例的輿情分析

    4.1 ?數(shù)據(jù)采集流程

    微博網(wǎng)站分為移動端和網(wǎng)頁版,主要爬取移動版,域名為https://m.weibo.cn/。考慮到遇到crontab定時爬取時,帶有一個cookie需要不定期更換,本文在采集時,先用requests庫請求請求登錄地址得到response對象后,調(diào)用cookie()方法得到的cookie請求url鏈接。

    4.2 ?文本分類

    jieba分詞工具是基于python的第三方中文分詞組件,用于自然語言處理,支持三種分詞模式:精確模式、全模式、搜索引擎模式。jieba庫中已經(jīng)對TF-IDF進行了實現(xiàn),并預(yù)先統(tǒng)計出了漢語中每個詞的逆文檔頻率。其分詞算法總體是:使用基于前綴詞典的詞圖掃描,生成所有可能生成詞所構(gòu)成的有向無環(huán)圖,再采用動態(tài)規(guī)劃查找最大概率路徑,找到基于詞頻的最大切分組合;對于未登錄詞,采用基于漢字成詞能力的HMM模型(使用Viterbi算法)來預(yù)測分詞[13]。

    用jieba庫進行詞頻統(tǒng)計,如圖3所示。

    再分別用analyse.extract_tage(text)和analyse.tex-trank(text)方法提取出兩組不同的關(guān)鍵詞。本文列出兩種方法提取前20個關(guān)鍵詞的結(jié)果和結(jié)合結(jié)果,如下表所示。

    TF-IDF注重詞頻,詞頻和IDF的乘積越大越關(guān)鍵,TextRank注重詞語之間的關(guān)聯(lián),和別的詞關(guān)聯(lián)性越大的詞越重要。TextRank算法雖然考慮到了詞之間的關(guān)系,但是仍然傾向于將頻繁詞作為關(guān)鍵詞,由于涉及到構(gòu)建詞圖及迭代計算,所以提取速度較慢。在網(wǎng)絡(luò)輿情分析的場景下,更加注重結(jié)果的時效性和運算的效率。因此,在網(wǎng)絡(luò)熱點輿情分析上,TF-IDF算法更切合輿論范圍。

    4.3 ?情感分析與數(shù)據(jù)可視化

    可視化圖表是輿情分析的最重要的手段,能夠?qū)?shù)據(jù)信息直觀的展示出來,對數(shù)據(jù)的深度挖掘和信息直觀感受起到至關(guān)重要的作用,將雜亂無章的數(shù)據(jù)進行可視化展示,能夠更直觀的反映數(shù)據(jù)間的關(guān)系,更好地了解數(shù)據(jù)間的比例關(guān)系及變化趨勢,對研究對象做出合理的推斷和預(yù)測[14]。

    本文的情感分析利用基于Python語言的Snow-NLP類庫進行情感傾向分析,借助NLPIR大數(shù)據(jù)搜索與挖掘共享平臺進行依存句法分析,將分析結(jié)果以可視化圖的方式展現(xiàn)。NLPIR漢語分詞系統(tǒng)是由中科院張華平團隊開發(fā),支持多種編碼、多種操作系統(tǒng)、多種開發(fā)語言的平臺,其主要功能包括中英文分詞、關(guān)鍵詞提取、新詞識別與自適應(yīng)分詞、情感分析等[15]。

    4.3.1 ?情感分析

    相關(guān)資料顯示SnowNLP類庫在購物類的評論的準(zhǔn)確率較高,所以在進行情感分析前替換其自帶語料庫為網(wǎng)絡(luò)熱點所在領(lǐng)域的相關(guān)語料庫。在網(wǎng)絡(luò)熱點輿論事件情感分析中,需要將數(shù)據(jù)訓(xùn)練情感分析的模型。準(zhǔn)備正負(fù)樣本,并分別保存,利用SnowNLP訓(xùn)練新的模型,保存新模型。在其核心代碼中,classify函數(shù)和train函數(shù)是兩個核心的函數(shù)。其中,train函數(shù)用于訓(xùn)練一個情感分類器,classify函數(shù)用于預(yù)測。這兩個函數(shù)同時使用到了handle函數(shù),handle函數(shù)的主要工作為:對輸入文本分詞和去掉停用詞。在SnowNLP類庫中,詞性標(biāo)注主要通過s.tags,計算情感分?jǐn)?shù)為s.sentiments,s.summary()方法表示輸出一個關(guān)鍵句子。為了更加直觀的顯示情感分析結(jié)果,將數(shù)據(jù)輸入NLPIR平臺生成可視化圖如下圖所示。

    NLPIR平臺進行情感分析的主要技術(shù)有兩點:情感詞的自動識別與權(quán)重自動計算,利用共現(xiàn)關(guān)系,采用Bootstrapping的策略,反復(fù)迭代,生成新的情感詞及權(quán)重;情感判別的深度神經(jīng)網(wǎng)絡(luò):基于深度神經(jīng)網(wǎng)絡(luò)對情感詞進行擴展計算,綜合為最終的結(jié)果。從情感分析圖中可以得知,公眾的負(fù)面情緒占主要部分。

    4.3.2 ?依存句法分析

    NLPIR提出使用Yamada算法的結(jié)構(gòu)化轉(zhuǎn)移依存句法分析模型,在Yamada算法的基礎(chǔ)上,加入全局的訓(xùn)練以及預(yù)測,優(yōu)化了特征集合。在該模型的精度(85.5%)接近于目前轉(zhuǎn)移依存句法最好結(jié)果(86.0%),并且在所有精度85%以上的依存句法模型中,達(dá)到了最快的分析速度?;谠~表的文本挖掘方法有較明顯的缺點,只基于詞表,相當(dāng)于只應(yīng)用詞本身的意思,而不考慮詞的多義性和其在句子中有上下文時的特定含義。這樣就會使得結(jié)果混入較多噪聲,準(zhǔn)確率較低[16]。通過NLPIR對輸入文件的分析,其依存句法可視圖如圖5所示。

    參考Stanford Corenlp工具的詞性分析表,在圖5中出現(xiàn)的縮寫符號和釋義見表2。

    4.3.3 ?詞云圖

    “詞云”顧名思義就是將網(wǎng)絡(luò)文本中詞頻最高的詞語通過突出的形式表現(xiàn)出來,是互聯(lián)網(wǎng)媒體時代出現(xiàn)的新型展示方式[15]。“詞云”就是對網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出,形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”,從而過濾掉大量的文本信息,使讀者快速領(lǐng)略文本的主旨[17]。目前互聯(lián)網(wǎng)上已經(jīng)有很多在線詞云工具,例如國外的WordArt、Wordle、WordItOut、Tagxedo、Tagul等。

    本文利用Python中的wordcloud庫生生詞云。利用wordcloud制作詞云時,一般經(jīng)過三個步驟:一是使用wordcloud.WordCloud函數(shù)設(shè)置詞云對象的有關(guān)屬性(或者參數(shù));二是利用wordcloud.generate(text)函數(shù)或wordcloud.generate_from_frequencies (frequen-cies[,…])函數(shù)生成詞云,前者是根據(jù)文本生成詞云,后者是根據(jù)詞頻生成詞云;三是利用word?cloud. to_file(file_name)函數(shù)將詞云輸出到文件進行保存[18]。

    5 ?總結(jié)與展望

    網(wǎng)絡(luò)平臺擔(dān)負(fù)傳播和弘揚社會主義核心價值觀的使命,引導(dǎo)追星群體樹立正確的榜樣觀和追星觀。目前數(shù)據(jù)挖掘和數(shù)據(jù)分析的技術(shù)越來越成熟,本文以某網(wǎng)絡(luò)熱點事件為例進行基于語義情感分析的網(wǎng)絡(luò)熱點輿情分析。首先使用Scrapy框架收集微博評論數(shù)據(jù),在設(shè)計過程中增加了關(guān)鍵詞匹配,令爬蟲更加精確地搜索相關(guān)內(nèi)容并爬取至本地,利用jieba分詞功能分別以TF-IDF和TextRank兩種算法對數(shù)據(jù)進行處理并且進行比較,并且將兩種方法結(jié)合起來生成20個關(guān)鍵詞,情感分析方面利用SnowNLP進行情感分析,借助NLPIR工具進行依存句法分析,最后利用基于Word-cloud庫生成詞云以快速直觀的獲取主要信息。通過本文的網(wǎng)絡(luò)熱點輿情分析,完善網(wǎng)絡(luò)監(jiān)督和舉報機制,明確上網(wǎng)規(guī)范,各大社交網(wǎng)站平臺落實好監(jiān)督審核機制,調(diào)動廣大網(wǎng)民積極抵制不良行為,構(gòu)建和諧社會。本文設(shè)計的網(wǎng)絡(luò)熱點輿情分析方法具有一定的參考價值,在今后的研究及實踐中,有助于為相關(guān)機構(gòu)從數(shù)據(jù)中挖掘出更多有用的信息。

    本文所設(shè)計的網(wǎng)絡(luò)熱點輿情分析系統(tǒng)涉及多方面的理論、方法和技術(shù),本系統(tǒng)還有許多新的問題需要解決,需要在實際應(yīng)用中不斷積累和完善。在以下幾個方面需要做進一步的研究和開發(fā):擴大時間范圍數(shù)據(jù)并劃分為輿情發(fā)展的各個階段,觀察網(wǎng)絡(luò)熱點事件的階段性變化和大眾情感變化,實現(xiàn)更精確的提取關(guān)鍵詞和情感分析的方法;考慮數(shù)據(jù)文本中的中性詞語的不同情感傾向,使網(wǎng)絡(luò)熱點輿情分析的結(jié)果更完整和準(zhǔn)確。

    參考文獻

    [1] 唐笑. 網(wǎng)絡(luò)輿論中群體極化現(xiàn)象的擴散及規(guī)制[D]. 山東師范大學(xué), 2019.

    [2] 張聰聰, 李思彤, 湯藝, 殷復(fù)蓮. 基于數(shù)據(jù)挖掘的國際涉華輿情分析關(guān)鍵技術(shù)研究[J]. 軟件, 2018, 39(12): 172-176.

    [3] 郭子鈺. 微博輿情的情感分析與社會動員[D]. 云南師范大學(xué), 2019.

    [4] 陳硒. 面向大數(shù)據(jù)處理的劃分聚類新方法[J]. 數(shù)碼世界, 2017(1): 107.

    [5] 吳霖. 分布式微信公眾平臺爬蟲系統(tǒng)的研究與應(yīng)用[D]. 南華大學(xué), 2015.

    [6] 王海玲, 周志彬. 基于Scrapy框架的爬蟲設(shè)計[J/OL]. 軟件導(dǎo)刊: 1-5[2020-04-15]. http://kns.cnki.net/kcms/detail/42. 1671.TP.20200102.1625.034.html.

    [7] 劉宇, 鄭成煥. 基于Scrapy的深層網(wǎng)絡(luò)爬蟲研究[J]. 軟件, 2017, 38(07): 111-114.

    [8] 王書夢, 吳曉松. 大數(shù)據(jù)環(huán)境下基于MapReduce的網(wǎng)絡(luò)輿情熱點發(fā)現(xiàn)[J]. 軟件, 2015, 36(07): 108-113.

    [9] Changming Zhu, Daqi Gao. Influence of Data Prepro?ces-sing[J]. Journal of Computing Science and Engineering, 2016, 10(2).

    [10] Lynnette Purda, David Skillicorn. Accounting Variables, De?ce?ption, and a Bag of Words: Assessing the Tools of Fraud De?tection[J]. Contemporary Accounting Research, 2015, 32(3).

    [11] 李志強, 潘蘇含, 戴娟, 胡佳佳. 一種改進的TextRank關(guān)鍵詞提取算法[J/OL]. 計算機技術(shù)與發(fā)展, 2020(03): 1-5 [2020- 03-29]. http://kns.cnki.net/kcms/detail/61.1450.TP.20191205. 1104.002.html.

    [12] FengXu, XuefenZhang, 2, et al. Investigation on the Chinese Text Sentiment Analysis Based on Convolutional Neural Networks in Deep Learning. 2019, 58(3): 697-709.

    [13] 嚴(yán)明, 鄭昌興. Python環(huán)境下的文本分詞與詞云制作[J]. 現(xiàn)代計算機(專業(yè)版), 2018(34): 86-89.

    [14] 徐會軍, 盧靖煌. 基于大數(shù)據(jù)視角的微博輿情演化分析[J]. 電子技術(shù)與軟件工程, 2019(23): 183-185.

    [15] 齊小英. 基于NLPIR的人工智能新聞事件的語義智能分析[J]. 信息與電腦(理論版), 2019, 31(20): 104-107.

    [16] 任彬, 車萬翔, 劉挺. 基于依存句法分析的社會媒體文本挖掘方法——以飲食習(xí)慣特色分析為例[J]. 中文信息學(xué)報, 2014, 28(06): 208-215.

    [17] 盛成成, 朱勇, 劉濤. 基于微博社交平臺的輿情分析[J]. 智能計算機與應(yīng)用, 2019, 9(01): 57-59+64.

    [18] 嚴(yán)明, 鄭昌興. Python環(huán)境下的文本分詞與詞云制作[J]. 現(xiàn)代計算機(專業(yè)版), 2018(34): 86-89.

    欧美性猛交╳xxx乱大交人| 欧美最新免费一区二区三区| 免费在线观看成人毛片| 欧美性感艳星| 国产精品av视频在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 日韩大尺度精品在线看网址| 国产精品嫩草影院av在线观看 | 久久久久久久午夜电影| 欧美+亚洲+日韩+国产| 国产精品亚洲美女久久久| 免费看日本二区| 最近最新免费中文字幕在线| 久久久成人免费电影| 成年女人看的毛片在线观看| 天堂av国产一区二区熟女人妻| 热99re8久久精品国产| 听说在线观看完整版免费高清| 色噜噜av男人的天堂激情| 成熟少妇高潮喷水视频| 免费观看人在逋| 亚洲av美国av| 欧美又色又爽又黄视频| 大型黄色视频在线免费观看| 亚洲精品456在线播放app | 日本免费a在线| 又黄又爽又免费观看的视频| 日韩 亚洲 欧美在线| 国产亚洲精品久久久久久毛片| 成人综合一区亚洲| 毛片女人毛片| 又紧又爽又黄一区二区| 97超级碰碰碰精品色视频在线观看| 日韩中字成人| 少妇高潮的动态图| 免费人成在线观看视频色| 可以在线观看的亚洲视频| 嫩草影院入口| 91久久精品国产一区二区成人| 美女高潮喷水抽搐中文字幕| 尾随美女入室| 男人狂女人下面高潮的视频| 少妇人妻精品综合一区二区 | 3wmmmm亚洲av在线观看| 国产一区二区三区视频了| 欧美高清成人免费视频www| 日韩欧美在线二视频| 熟女人妻精品中文字幕| 欧美成人a在线观看| 久久久久久大精品| 深夜a级毛片| 不卡一级毛片| 亚洲va日本ⅴa欧美va伊人久久| 成人二区视频| 18禁裸乳无遮挡免费网站照片| 久久久久久久午夜电影| 亚洲美女视频黄频| 久久热精品热| 看免费成人av毛片| 99精品在免费线老司机午夜| 一级av片app| 能在线免费观看的黄片| 国产精华一区二区三区| 高清日韩中文字幕在线| 国产乱人视频| 变态另类成人亚洲欧美熟女| 国内精品一区二区在线观看| 18+在线观看网站| 老女人水多毛片| 亚洲av电影不卡..在线观看| 成年免费大片在线观看| aaaaa片日本免费| 麻豆精品久久久久久蜜桃| 狠狠狠狠99中文字幕| 一区福利在线观看| 日韩精品青青久久久久久| 日韩欧美 国产精品| 动漫黄色视频在线观看| 欧美人与善性xxx| 午夜福利在线观看吧| 亚洲av熟女| 波多野结衣高清作品| 色在线成人网| 欧美一区二区精品小视频在线| 欧美+日韩+精品| 成人美女网站在线观看视频| 中文字幕高清在线视频| 久久精品国产亚洲av涩爱 | 99久久九九国产精品国产免费| 成人美女网站在线观看视频| 欧美最黄视频在线播放免费| 亚洲,欧美,日韩| 精品久久久噜噜| 亚洲不卡免费看| 国产日本99.免费观看| 久久九九热精品免费| 色精品久久人妻99蜜桃| 观看美女的网站| 丰满乱子伦码专区| 天堂√8在线中文| 精品一区二区免费观看| 一区福利在线观看| 亚洲欧美日韩无卡精品| 亚洲中文字幕日韩| 最近在线观看免费完整版| 欧美日韩乱码在线| 国产精品日韩av在线免费观看| 精品一区二区免费观看| 欧美日韩精品成人综合77777| 亚洲精品在线观看二区| 夜夜看夜夜爽夜夜摸| 日本熟妇午夜| 91在线观看av| 日韩一区二区视频免费看| 观看免费一级毛片| 亚洲av电影不卡..在线观看| 国产亚洲欧美98| 非洲黑人性xxxx精品又粗又长| 精品欧美国产一区二区三| av视频在线观看入口| 日韩强制内射视频| 免费高清视频大片| 深爱激情五月婷婷| 91在线精品国自产拍蜜月| 久久久成人免费电影| eeuss影院久久| 日本与韩国留学比较| 欧美bdsm另类| 美女高潮喷水抽搐中文字幕| 色综合站精品国产| 91麻豆精品激情在线观看国产| 男人舔女人下体高潮全视频| 亚洲综合色惰| 国产成人福利小说| 一区福利在线观看| 国产乱人视频| ponron亚洲| 动漫黄色视频在线观看| 欧美+亚洲+日韩+国产| 国产 一区精品| 丰满人妻一区二区三区视频av| 日韩中字成人| 亚洲精品成人久久久久久| 免费在线观看影片大全网站| 精品一区二区三区人妻视频| 99久久九九国产精品国产免费| 不卡视频在线观看欧美| 国产毛片a区久久久久| 国产免费男女视频| 久久国产精品人妻蜜桃| 啦啦啦韩国在线观看视频| 在线观看舔阴道视频| 国产精品乱码一区二三区的特点| 尾随美女入室| 日韩一区二区视频免费看| 欧美+日韩+精品| 九九在线视频观看精品| 神马国产精品三级电影在线观看| 日本免费一区二区三区高清不卡| 亚洲av中文av极速乱 | 搡老妇女老女人老熟妇| 观看美女的网站| 男女视频在线观看网站免费| 亚洲精品久久国产高清桃花| 春色校园在线视频观看| 高清毛片免费观看视频网站| 成年免费大片在线观看| 中出人妻视频一区二区| 日本撒尿小便嘘嘘汇集6| x7x7x7水蜜桃| 久久久久性生活片| 韩国av在线不卡| 麻豆精品久久久久久蜜桃| 日本黄色片子视频| 男人狂女人下面高潮的视频| 国产v大片淫在线免费观看| 老司机午夜福利在线观看视频| 女人被狂操c到高潮| 国产单亲对白刺激| 精品日产1卡2卡| 中文字幕免费在线视频6| 欧美日韩亚洲国产一区二区在线观看| 亚洲av电影不卡..在线观看| 别揉我奶头 嗯啊视频| 久久久久久久久久久丰满 | 天天一区二区日本电影三级| 看免费成人av毛片| 麻豆成人av在线观看| 两个人的视频大全免费| 日本五十路高清| 久久精品国产自在天天线| 国产成人一区二区在线| 在线播放无遮挡| 亚洲中文日韩欧美视频| 老女人水多毛片| 成人精品一区二区免费| 久久久久精品国产欧美久久久| 极品教师在线视频| 精品日产1卡2卡| 窝窝影院91人妻| 国产av一区在线观看免费| 91精品国产九色| 99在线视频只有这里精品首页| 久久久色成人| 非洲黑人性xxxx精品又粗又长| 免费黄网站久久成人精品| 亚洲av中文字字幕乱码综合| 免费av不卡在线播放| 亚洲精品亚洲一区二区| 日韩欧美精品v在线| 久久中文看片网| 丰满乱子伦码专区| 色哟哟·www| 日本a在线网址| 欧美xxxx黑人xx丫x性爽| 18禁裸乳无遮挡免费网站照片| 色播亚洲综合网| 亚洲四区av| 校园春色视频在线观看| 99热这里只有精品一区| 可以在线观看毛片的网站| 日韩一区二区视频免费看| 黄色一级大片看看| 亚洲 国产 在线| 久久中文看片网| 国产一区二区三区在线臀色熟女| 99久久无色码亚洲精品果冻| 俺也久久电影网| 99热这里只有是精品在线观看| 高清在线国产一区| 亚洲中文日韩欧美视频| 国产精品国产高清国产av| 国产精品亚洲一级av第二区| 最好的美女福利视频网| 91久久精品电影网| av天堂在线播放| 国产高清激情床上av| 88av欧美| 极品教师在线免费播放| 日本 欧美在线| 亚洲国产色片| 一级av片app| 久久久久久久亚洲中文字幕| 又黄又爽又免费观看的视频| 欧美三级亚洲精品| 此物有八面人人有两片| 五月伊人婷婷丁香| 村上凉子中文字幕在线| 婷婷色综合大香蕉| 搡老妇女老女人老熟妇| 午夜激情福利司机影院| 日韩欧美国产在线观看| 日韩一区二区视频免费看| 日本熟妇午夜| 亚洲欧美日韩无卡精品| 亚洲自偷自拍三级| 97热精品久久久久久| 成熟少妇高潮喷水视频| 色5月婷婷丁香| 免费观看在线日韩| 亚洲精品一区av在线观看| 国产精品三级大全| 一本一本综合久久| 国产综合懂色| 欧美不卡视频在线免费观看| 老熟妇仑乱视频hdxx| 精品国产三级普通话版| 亚洲自偷自拍三级| 毛片一级片免费看久久久久 | 男人狂女人下面高潮的视频| 看黄色毛片网站| 国产午夜福利久久久久久| 深夜a级毛片| 久久精品影院6| 日韩亚洲欧美综合| 国产综合懂色| 日本熟妇午夜| 99久久久亚洲精品蜜臀av| 无遮挡黄片免费观看| 久久精品久久久久久噜噜老黄 | www日本黄色视频网| 嫩草影院精品99| 麻豆成人午夜福利视频| 蜜桃久久精品国产亚洲av| 国产激情偷乱视频一区二区| 看十八女毛片水多多多| 国产精品福利在线免费观看| 国产精品日韩av在线免费观看| 久9热在线精品视频| 国产 一区 欧美 日韩| av.在线天堂| 搡女人真爽免费视频火全软件 | 国产精品98久久久久久宅男小说| 日韩欧美 国产精品| 我的女老师完整版在线观看| 欧美激情在线99| 美女高潮的动态| 免费一级毛片在线播放高清视频| 在线天堂最新版资源| 草草在线视频免费看| 亚洲av熟女| 精品99又大又爽又粗少妇毛片 | 变态另类丝袜制服| 免费大片18禁| 日韩亚洲欧美综合| 欧美国产日韩亚洲一区| 在线国产一区二区在线| 亚洲人成网站在线播放欧美日韩| 午夜福利18| 色综合站精品国产| 毛片女人毛片| av.在线天堂| 午夜福利18| 色综合站精品国产| 免费观看的影片在线观看| 亚洲avbb在线观看| 国产伦一二天堂av在线观看| 欧美一区二区精品小视频在线| 免费av毛片视频| 观看美女的网站| 99热6这里只有精品| 日本一本二区三区精品| 国产精品98久久久久久宅男小说| 色在线成人网| 日韩欧美免费精品| 性色avwww在线观看| 桃色一区二区三区在线观看| 成人综合一区亚洲| 国产女主播在线喷水免费视频网站 | 国产精品国产高清国产av| 999久久久精品免费观看国产| 免费不卡的大黄色大毛片视频在线观看 | 亚洲欧美激情综合另类| 国产伦在线观看视频一区| 亚洲精品亚洲一区二区| 久久久久久久午夜电影| 熟女人妻精品中文字幕| 日本一本二区三区精品| 国产亚洲精品久久久久久毛片| 亚洲国产精品sss在线观看| 五月玫瑰六月丁香| 男人的好看免费观看在线视频| 亚洲三级黄色毛片| 人妻夜夜爽99麻豆av| 国产成人福利小说| 欧美xxxx黑人xx丫x性爽| 色视频www国产| 在线观看舔阴道视频| 国产 一区精品| 日本爱情动作片www.在线观看 | 男女视频在线观看网站免费| a在线观看视频网站| 日本黄色片子视频| 看片在线看免费视频| 999久久久精品免费观看国产| 国产一区二区在线观看日韩| 黄色视频,在线免费观看| 女人被狂操c到高潮| 色综合色国产| 久久婷婷人人爽人人干人人爱| 国模一区二区三区四区视频| 男人狂女人下面高潮的视频| 免费看光身美女| 日韩欧美国产一区二区入口| 亚洲av免费在线观看| 1024手机看黄色片| 精品国内亚洲2022精品成人| 人人妻,人人澡人人爽秒播| 国产精品一区二区三区四区久久| 亚洲国产精品成人综合色| 亚洲图色成人| 在线观看免费视频日本深夜| 男女做爰动态图高潮gif福利片| 嫩草影院入口| 乱码一卡2卡4卡精品| av在线蜜桃| 久久久久久久午夜电影| 一级黄片播放器| 国产精品不卡视频一区二区| 婷婷精品国产亚洲av在线| 日本a在线网址| 亚洲精品乱码久久久v下载方式| 欧美精品啪啪一区二区三区| 搡老岳熟女国产| 一个人免费在线观看电影| 中出人妻视频一区二区| 欧美精品啪啪一区二区三区| 午夜福利欧美成人| 男女之事视频高清在线观看| xxxwww97欧美| 国产伦一二天堂av在线观看| 99国产极品粉嫩在线观看| 校园人妻丝袜中文字幕| 直男gayav资源| 国产高潮美女av| 噜噜噜噜噜久久久久久91| 能在线免费观看的黄片| 午夜日韩欧美国产| 国产男靠女视频免费网站| 免费看美女性在线毛片视频| 免费看日本二区| 一级黄色大片毛片| 国产av不卡久久| 色视频www国产| 国产精品乱码一区二三区的特点| 少妇丰满av| 最后的刺客免费高清国语| 精品一区二区三区av网在线观看| 国产免费一级a男人的天堂| 我要看日韩黄色一级片| 久久精品国产亚洲av天美| 亚洲va日本ⅴa欧美va伊人久久| 一级a爱片免费观看的视频| 久久久精品欧美日韩精品| 成人二区视频| 亚洲av五月六月丁香网| 亚洲av免费在线观看| 韩国av在线不卡| 女同久久另类99精品国产91| 亚洲最大成人av| 国产久久久一区二区三区| 成人国产综合亚洲| 在线免费观看的www视频| 麻豆av噜噜一区二区三区| 亚洲国产高清在线一区二区三| 麻豆国产97在线/欧美| 三级毛片av免费| 又黄又爽又免费观看的视频| 久久中文看片网| 久9热在线精品视频| 中文字幕av在线有码专区| 美女免费视频网站| 欧美色视频一区免费| 不卡视频在线观看欧美| 免费电影在线观看免费观看| 精品久久久久久久久久免费视频| 我的老师免费观看完整版| 成人特级av手机在线观看| 97超级碰碰碰精品色视频在线观看| 久久久久久久久久成人| 国产精品久久久久久精品电影| av女优亚洲男人天堂| 欧美激情久久久久久爽电影| 亚洲熟妇中文字幕五十中出| 久久精品国产99精品国产亚洲性色| 99久久九九国产精品国产免费| 亚洲一级一片aⅴ在线观看| 午夜激情福利司机影院| 白带黄色成豆腐渣| 精品午夜福利在线看| 成人二区视频| 免费观看在线日韩| 制服丝袜大香蕉在线| 别揉我奶头 嗯啊视频| 欧美一区二区精品小视频在线| 偷拍熟女少妇极品色| 人妻丰满熟妇av一区二区三区| 日韩人妻高清精品专区| 欧美一区二区亚洲| 午夜久久久久精精品| 97碰自拍视频| 夜夜爽天天搞| 免费人成在线观看视频色| 少妇人妻一区二区三区视频| 成人无遮挡网站| 亚洲av中文字字幕乱码综合| 少妇被粗大猛烈的视频| 最近在线观看免费完整版| 熟妇人妻久久中文字幕3abv| 美女黄网站色视频| 热99re8久久精品国产| 成年版毛片免费区| 国产精品三级大全| 亚洲男人的天堂狠狠| 一进一出抽搐gif免费好疼| 狠狠狠狠99中文字幕| 成人综合一区亚洲| 91av网一区二区| 在现免费观看毛片| 国产伦在线观看视频一区| 97超视频在线观看视频| 成人鲁丝片一二三区免费| 永久网站在线| 国产老妇女一区| 国产极品精品免费视频能看的| 国内毛片毛片毛片毛片毛片| 国产高清三级在线| 久久精品夜夜夜夜夜久久蜜豆| 国产麻豆成人av免费视频| 三级男女做爰猛烈吃奶摸视频| 欧美一区二区亚洲| 国内精品久久久久精免费| 久久亚洲精品不卡| 乱系列少妇在线播放| 欧美日韩综合久久久久久 | 亚洲va在线va天堂va国产| 亚洲最大成人中文| 日韩强制内射视频| 免费在线观看日本一区| 搡女人真爽免费视频火全软件 | 哪里可以看免费的av片| 在线播放国产精品三级| 国产一区二区三区av在线 | 一个人看的www免费观看视频| 亚洲无线在线观看| 久久精品国产鲁丝片午夜精品 | 午夜免费激情av| 在线播放无遮挡| 天堂√8在线中文| 国产大屁股一区二区在线视频| 国产 一区精品| 久久久久性生活片| 亚洲成人久久性| 18禁裸乳无遮挡免费网站照片| 国产精品99久久久久久久久| 亚洲内射少妇av| 蜜桃久久精品国产亚洲av| 国产 一区精品| 国产亚洲欧美98| 此物有八面人人有两片| 真人一进一出gif抽搐免费| 国产视频一区二区在线看| av在线天堂中文字幕| 国产 一区 欧美 日韩| 亚洲精品一区av在线观看| 久9热在线精品视频| 欧美日韩综合久久久久久 | 熟女人妻精品中文字幕| 亚洲电影在线观看av| 亚洲五月天丁香| 人妻制服诱惑在线中文字幕| 国产一区二区三区在线臀色熟女| 亚洲在线观看片| 国产伦精品一区二区三区视频9| 在线免费十八禁| 精品一区二区三区视频在线观看免费| 午夜福利在线观看吧| 黄色一级大片看看| 我要搜黄色片| 日韩一区二区视频免费看| 国产精品一及| 精品久久久久久成人av| 色在线成人网| 在线免费观看不下载黄p国产 | 女人十人毛片免费观看3o分钟| 欧美高清成人免费视频www| 长腿黑丝高跟| 国产高清三级在线| 色综合亚洲欧美另类图片| 欧美成人免费av一区二区三区| 日韩欧美国产一区二区入口| 久9热在线精品视频| 国产精品久久久久久久电影| 国产高清有码在线观看视频| 国产精品不卡视频一区二区| 精品久久国产蜜桃| 中文字幕久久专区| 精品乱码久久久久久99久播| 国产久久久一区二区三区| 精华霜和精华液先用哪个| aaaaa片日本免费| 日韩人妻高清精品专区| 久久九九热精品免费| 九九在线视频观看精品| 亚洲精品影视一区二区三区av| 成人国产综合亚洲| 搡老妇女老女人老熟妇| 尾随美女入室| 极品教师在线免费播放| 尾随美女入室| 熟女电影av网| 亚洲精品久久国产高清桃花| 欧美日韩综合久久久久久 | 精品日产1卡2卡| 国产不卡一卡二| 又爽又黄无遮挡网站| 国产精品福利在线免费观看| 午夜激情福利司机影院| 22中文网久久字幕| 欧美xxxx性猛交bbbb| 一区二区三区高清视频在线| 99精品久久久久人妻精品| 久久久久久九九精品二区国产| 乱系列少妇在线播放| av在线观看视频网站免费| 一级av片app| 久久精品久久久久久噜噜老黄 | 特大巨黑吊av在线直播| 五月伊人婷婷丁香| 亚洲美女搞黄在线观看 | 国产高清激情床上av| 免费黄网站久久成人精品| 黄色女人牲交| 国产精品永久免费网站| 国产蜜桃级精品一区二区三区| 国产久久久一区二区三区| 国内揄拍国产精品人妻在线| 成熟少妇高潮喷水视频| avwww免费| 亚洲男人的天堂狠狠| 日日撸夜夜添| 亚洲在线自拍视频| 精品久久国产蜜桃| 韩国av一区二区三区四区| 国内毛片毛片毛片毛片毛片| 欧美激情国产日韩精品一区| 一夜夜www| 欧美日韩瑟瑟在线播放| 99国产精品一区二区蜜桃av| 亚洲av二区三区四区| 午夜免费激情av| 三级国产精品欧美在线观看| 国产亚洲精品久久久com| 我的老师免费观看完整版| 国产麻豆成人av免费视频|