| 融合微博热点分析和LSTM模型的网络舆情预测方法 |
| |
| 引用本文： | 刘定一,沈阳阳,詹天明,刘亚军,应毅.融合微博热点分析和LSTM模型的网络舆情预测方法[J].江苏大学学报(自然科学版),2021,42(5):546-553. |
| |
| 作者姓名： | 刘定一 沈阳阳 詹天明 刘亚军 应毅 |
| |
| 作者单位： | 三江学院计算机科学与工程学院,江苏南京210012;南京审计大学信息工程学院,江苏南京211815;东南大学计算机科学与工程学院,江苏 南京210096 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 网络舆情预测 神经网络 LSTM 微博热点分析 百度指数 |
Network public opinion forecasting method fusing microblog hotspot analysis and LSTM model |
| |
| LIU Dingyi,SHEN Yangyang,ZHAN Tianming,LIU Yajun,YING Yi.Network public opinion forecasting method fusing microblog hotspot analysis and LSTM model[J].Journal of Jiangsu University:Natural Science Edition,2021,42(5):546-553. |
| |
| Authors: | LIU Dingyi SHEN Yangyang ZHAN Tianming LIU Yajun YING Yi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
