摘要: 突发和争议案件容易激发公众的好奇心，引起社会公众的关注.公众关注的同时就会形成诸多的网络舆情，公众的愤慨、焦虑等负面情绪也容易随之扩散、爆发.随着社交网络的成熟，微博成为信息的载体.微博用户发表的信息包含不同的情感特征，挖掘这些特征对... 展开 突发和争议案件容易激发公众的好奇心，引起社会公众的关注.公众关注的同时就会形成诸多的网络舆情，公众的愤慨、焦虑等负面情绪也容易随之扩散、爆发.随着社交网络的成熟，微博成为信息的载体.微博用户发表的信息包含不同的情感特征，挖掘这些特征对于舆情预警、公众情绪引导、案件网络管控等有重要的意义. 本文主要以李心草溺亡案件为例，基于微博数据进行案件的情感分析和舆情分析.在案件的情感分析方面，首先采用爬虫技术爬取微博上相关案件的新闻、用户评论内容及用户信息等数据.其次是对爬取的数据进行预处理，将与本文研究内容无关的杂乱数据删除.然后使用现有分词工具进行分词，去停用词等操作，在此基础上进行案件关键词的提取，最后建立词向量模型，采用支持向量机和长短时记忆网络(Long Short-Term Memory)算法对公众的情感倾向进行建模训练，通过查准率、召回率、AUC(Area Under the Curve)等分类评价指标进行比较发现，LSTM算法较支持向量机算法有较大的提升，能够达到预测公众情感倾向的目的;在案件的舆情分析方面，主要从舆情传播途径走势、评论用户信息、评论内容等角度对案件进行统计分析，总结出关注舆情案件的公众及公众情绪变化的特征规律. 收起