基于改进TextCNN模型与主题分类的民间传统文化传播效果研究

摘要

为提升民间传统文化传播效果评估的精准性与时效性,提出结合改进文本卷积神经网络(Text Convolutional Neural Network,TextCNN)与主题分类的传统文化传播效果评估方法,二者结合实现情感倾向与主题特征的协同分析,有效量化不同文化主题的情感传播差异.首先针对传统文本卷积神经网络在文本情感分析中局部特征提取局限,引入注意力机制与基于Transformer的双向编码器表示改进模型;再结合主题分类算法,构建“情感—主题”双维度传播效果评估体系.通过采集皖东民歌、凤阳花鼓等文化形式的网络传播文本数据进行实验.结果表明:改进模型的情感分类准确率达92.3%,较传统模型提升8.7%;细分情感类别方面,改进TextCNN在正向、中性、负向情感的精确率、召回率及F1值上均高于对比方法,其中改进TextCNN平均F1值为91.2%,可见主题分类能精准识别民间传统文化核心主题.该研究为民间传统文化传播策略优化提供了数据支撑与技术路径.

关键词

TextCNN模型 / 主题分类 / 皖东民间传统文化 / 传播效果

基金资助

安徽省高校科学研究重点项目（2024AH052925）; 滁州城市职业学院质量工程项目（2024cyxy01）; 安徽省教育厅高等学校省级质量工程项目（2025fwtszy073）