基于深度学习的新闻评论热度预测研究.pdf

《基于深度学习的新闻评论热度预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的新闻评论热度预测研究RESEARCHONPREDICTIONOFNEWSREVIEWVOTEBASEDONDEEPLEARNING连冬阳哈尔滨工业大学2018年6月国内图书分类号：TP391.1学校代码：10213国际图书分类号：004.9密级：公开工程硕士学位论文基于深度学习的新闻评论热度预测研究硕士研究生：连冬阳导师：刘远超副教授申请学位：工程硕士学科：计算机技术所在单位：计算机科学与技术学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391.1U.D.C:

2、004.9DissertationfortheMaster’sDegreeinEngineeringRESEARCHONPREDICTIONOFNEWSREVIEWVOTEBASEDONDEEPLEARNINGCandidate：LianDongyangSupervisor：AssociateProf.LiuYuanchaoAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofCo

3、mputerTechnologyDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要随着互联网技术的发展，对于在线评论的研究也越来越多，并且取得了不错的进展，例如根据在线商品评论内容的有用性可以对评论进行排序，将更有价值的评论推送给买家，帮助买家完成购买决策。在新闻评论研究方面，多集中在挖掘新闻评论所蕴含的情感因素或者对新闻评论的质量进行评价。现在大多数新闻网站都设置了评论以及对评论进行投票

4、的功能，精彩的评论往往能获得更多的投票，本文旨在研究新闻评论与新闻评论收到的投票数之间的内在联系，并通过提出的模型，可以对新闻评论的投票数进行预测，本文的研究内容主要分为以下几个方面：（1）将评论收获的投票数作为评论的热度，提出了新闻评论热度预测任务。（2）构建了新闻评论的原始语料库。通过对国内新闻网站的分析，本文选择了今日头条和网易新闻作为新闻源，使用爬虫技术抓取了新闻及其评论相关信息存入本地持久化。（3）根据在线商品评论有用性预测和新闻评论质量等研究中使用的方法对原始语料进行特征工程处理，提取了文本特征，情感特征，主题分布特征

5、，时间和新闻热度五大特征，将评论热度预测任务转化为分类任务，制定了评价指标。（4）使用机器学习方法进行训练并预测新闻评论热度。本文选择支持向量机，随机森林和XGBoost三种分类器，并进行了特征组合的对比实验，将最优的结果作为Baseline。（5）使用深度学习模型卷积神经网络进行建模，首先使用预训练的词向量作为输入进行评论热度预测。然后对卷积神经网络做了改进，将卷积池化后的特征向量与文本相似度等人工特征进行拼接，送入神经网络进行分类，进一步提升了预测结果。关键词：新闻评论热度预测；XGBoost；CNNI哈尔滨工业大学工程硕士学

6、位论文AbstractWiththedevelopmentoftheInternetandtheWorldWideWebmakesitappearthatmanyresearchershavestartedtostudyonlinereviewsandhavealreadymadegoodprogress.Forexample,accordingtotheusefulnessofonlineproductreviews,thereviewscanbesortedandthenbuyerscangetcommentswithmore

7、valuableinformation,whichmakesiteasiertocompletepurchasedecisions.Moreover,mostnewsresearchfocusedonexcavatingtheemotionalfactorscontainedinnewscommentary,evaluatingthequalityofnewscommentary.Almostallnewssiteshavesetupcommentsandvotefunctionnowadays,inthiswayhighqual

8、ityreviewscanalwaysgetmorevotes.Thepurposeofthispaperistostudytheintrinsiclinkbetweennewscommentaryandthenumberofvotesreceiv