基于情感主题建模的负面舆情早期预警研究

社交网络中的负面舆情事件具有不可低估的影响力, 针对基于情感分析的方法不能直接对负面网络舆情进行早期预警的问题, 该文提出了一种基于情感分类和主题提取的舆情主题建模方法, 通过研究消极情绪主题词实现对负面舆情事件统计和量化; 针对负面舆情预警方法即时性不足的问题, 构建网络舆情早期预警模型, 从爆发指数、 情绪指数、 传播指数3个指标综合评估舆情主题的发展态势, 设定舆情主题算数指数触发预警值, 实现主题词对应的负面舆情事件的早期预警。实验结果表明, 在COVID-19相关微博情感数据集TF-IDF权重排名前10的消极情绪主题词中, 最早预警时间比舆情暴发日平均提前161.01 h, 实现的早期预警平均为2.1次; 最早预警时间比舆情峰值日平均提前261.81 h, 平均早期预警5.8次。所提出的预警模型对社交网络舆情事件具有良好的早期预警效果。