融合BERT多层次特征的短视频网络舆情情感分析研究

自媒体时代与网络社交软件的广泛普及，导致短视频平台极易成为舆情事件起源和发酵的“孵化器”。分析短视频平台中的舆情评论信息，对于舆情事件的预警、处置和引导具有重要意义。鉴于此，结合BERT与TextCNN模型，提出一种融合BERT多层次特征的文本分类模型（BERT-MLFF-TextCNN），并对抖音短视频平台中的相关评论文本数据进行情感分析。首先，利用BERT预训练模型对输入文本进行编码。其次，提取各编码层中的语义特征向量进行融合。然后，融入自注意力机制突出其关键特征，从而实现特征的有效利用。最后，将所得特征序列输入TextCNN模型中进行分类。实验结果表明，与BERT-TextCNN、GloVeTextCNN和Word2vec-TextCNN模型相比，BERT-MLFF-TextCNN模型表现更优，F1值达到了0.977。通过该模型能够有效识别短视频平台舆情的情感倾向，在此基础上利用TextRank算法进行主题挖掘，实现舆情评论情感极性的主题词可视化，为相关部门的舆情管控工作提供决策参考。