第五届‘数维杯’舆情监测与情感分析：建模与应用

"A202001502.pdf" 这篇论文主要探讨了如何运用数学建模技术解决舆情监测与情感倾向分析的问题。在当前信息化社会，网络传播速度极快，舆情管理成为了一项重要的任务。团队构建了四个模型：舆情信息筛选模型、舆情数据抓取模型、舆情传播控制模型和舆情等级处理模型。 舆情信息筛选模型采用了一种基于TF-IDF特征的方法，以特定主题的评论数据为样本，通过支持向量机（SVM）算法，特别是RBF核函数，实现对舆情的分类。这种方法能够有效地将评论数据映射到新的特征空间，使数据变得线性可分。论文中，模型在80%的搜狗新闻评论数据上进行训练，剩余20%用于测试，最终得到了92.10%的准确率，显示模型具有较高的实用性。 对于舆情数据抓取，团队设计了数据挖掘算法，主要针对微博话题、评论以及豆瓣电影数据。利用Python的requests库，模拟浏览器行为获取XHR格式的URL，解析JSON文件，并将数据存储为CSV格式。这些数据包括用户的位置、性别和年龄等关键信息，有助于更深入的舆情分析。 在舆情传播控制方面，研究者建立了一个情感字典，包含基础情感、网络情感、表情符号、程度副词和否定词五类词汇，用于分析和判断舆情的情感倾向。通过Stackelberg博弈理论，分析政府与公众意见之间的动态关系，以评估干预策略对舆情正向比例的影响。 最后，提出了一个舆情等级处理模型，该模型结合疫情传播的时间、规模和网民情感倾向，采用线性加权法对舆情信息进行分级处理。此模型依赖于前两个模型，即舆情信息筛选模型和舆情数据抓取模型，确保了数据质量和处理的有效性。 这篇论文展示了数学建模在舆情分析中的强大应用，通过一系列的算法和模型，实现了从舆情数据的收集、筛选、情感分析到有效处理的全过程，为舆情管理提供了科学的决策支持工具。