14、疫情数据挖掘：新冠推文情感分析与高光谱解混技术探索

疫情数据挖掘：新冠推文情感分析与高光谱解混技术探索

1. 新冠推文情感分析

1.1 社交媒体在疫情中的作用

在疫情的艰难时期，社交媒体发挥了至关重要的作用。它提供的新冠疫情信息，能让人们了解感染总人数，促使人们采取防护措施，也为援助者提供了帮助他人的途径。同时，社交媒体上的新冠推文还能助力商业发展，人们能快速获取食品、药品等基本物资的供应信息，避免受骗。积极的推文能增强人们的心理韧性，消极的推文也可能激发人们的积极思考。此外，若没有社交媒体，很难得知各地线上课程的信息。不过，社交媒体也可能误导人们，大量与新冠相关的信息传播，源于人们的恐慌情绪。

1.2 研究目标与数据收集

本研究聚焦于推特社交媒体数据，对文本进行情感分析，将消息分为积极或消极印象词。研究从收集新冠疫情数据集开始，数据集涵盖了 2020 年 1 月至 4 月的所有推文，包括转发用户的消息。使用支持向量机（SVM）算法来挖掘数据集中隐藏的情感，像“疫苗”“接种疫苗”和“注射”等词汇本身就带有积极或消极的情感倾向。

1.3 提出的系统

收集了社交媒体上的 n 条推文，数据集中包含多种情感、符号和无用句子。创建的模型能够理解推文中词汇所蕴含的情感。情感分析是判断推文中文本情感的最佳方法，采用监督学习分类进行情感分析，数据集中有不同的分类器用于训练和测试数据集，通过这些分类器进行分析并确定模型的准确性。数据收集后经过预处理会减少，然后使用支持向量机算法进行情感分析，该算法能有效识别文本分析并确定情感分析的准确性。

1.4 情感分析的实施步骤

情感分析是自然语言处理中的重要元素，实施步骤如下：
1.