融合微博热点分析和LSTM模型的网络舆情预测方法

当前互联网已成为公众获取信息、表达观点的重要平台,也带来社会舆情事件易发生的风险,通过对网络舆情走势的提前预测,能够准确判断热点事件的发展态势,为政府相关部门应对舆情危机提供参考.针对单一预测模型预测精度不高和社交媒体对舆情走势影响较大的问题,提出了融合微博热点分析和长短期记忆神经网络(LSTM)的舆情预测方法.利用网络爬虫和PyTorch机器学习平台构建了用于舆情时序数据分析的网络舆情预测系统;在此系统内,考虑微博的强时效性,采用网络热点分析技术计算微博热度分值;改进LSTM网络,设计由2个隐含层组成的MH-LSTM预测模型;将MH-LSTM模型用于舆情事件百度指数的定量预测中,通过试验验证了模型的正确性,证实了该预测模型拥有较好的预测效果.     

基于FFD改进算法与遗传算法的文件存盘模型

本题针对文件备份存盘问题进行分析,建立了两个可以推广解决实际问题的模型。模型1：基于FFD改进算法建立动态规划模型,运用C语言程序编写算法求解,求出最优解并进行检验;模型2：基于基本的遗传算法,建立文件存盘问题的较精确模型。模型在一定程度上可以给最优资源分配等问题提供思路。