《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于ARIMA和改進LSTM的突發事件輿情熱度預測
基于ARIMA和改進LSTM的突發事件輿情熱度預測
網絡安全與數據治理 2023年3期
許露萌
(上海工程技術大學管理學院,上海201600)
摘要: 針對突發重大公共衛生事件的網絡輿情熱度預測模型存在較大誤差問題,文章選取百度指數作為輿情熱度,提出了AMRIMA預測和改進的LSTM預測方法。首先,使用ARIMA模型預測新冠肺炎疫情以天為單位的輿情熱度;其次,使用改進LSTM預測新冠肺炎疫情以小時為單位的輿情熱度,在LSTM中加入注意力機制,實現了提高預測精度的目的;最后,得出預測結果。實驗結果表明,ARIMA算法和改進LSTM算法能更準確預測網絡輿情熱度值,有效提高了網絡輿情熱度的預測精度。
中圖分類號:TP301.6
文獻標識碼:A
DOI:10.19358/j.issn.2097-1788.2023.03.009
引用格式:許露萌.基于ARIMA和改進LSTM的突發事件輿情熱度預測[J].網絡安全與數據治理,2023,42(3):53-57.
Prediction of public opinion popularity inemergencies based on ARIMA and aproved LSTM
Xu Lumeng
(School of Management Studies,Shanghai University of Engineering Science,Shanghai 201600,China)
Abstract: In view of the large error in the prediction model of the network public opinion popularity for major public health emergencies, the article selects Baidu Index as the public opinion popularity, and proposes ARIMA prediction and aproved LSTM prediction methods. Firstly, ARIMA model is used to predict the public opinion popularity of COVID-19 epidemic in days; Secondly, aproved LSTM was used to predict the public opinion popularity of COVID-19 epidemic in hours.The attention mechanism is added to LSTM to improve the prediction accuracy; Finally, the prediction results are obtained. Experiments show that ARIMA algorithm and aproved LSTM algorithm can accurately predict the network public opinion popularity and effectively improve the prediction accuracy of the network public opinion popularity.
Key words : emergency;public opinion popularity;ARIMA;aproved LSTM

0    引言

預測網絡輿情熱度有助于及時掌握輿情動態,提高應對輿情危機的能力。但突發重大公共衛生事件的網絡輿情具有長周期性、快傳播性以及強破壞性的特點,其輿情擴散更容易導致輿情危機的出現、發酵使其難以控制。隨著新冠肺炎疫情的出現,國家和政府越來越重視“生物安全”,尤其是可能遲滯或中斷民族復興歷史進程的風險挑戰,當然也構成人類生存面臨的重要威脅。過往對網絡輿情的研究內容主要是對研究對象的文本內容進行分詞與詞性分析、演化規律以及影響機理進行分析。從風險的社會放大理論來看,網絡輿情會在短時間內擴散并隱藏著潛在的風險。如果對突發事件的輿情預測處理不當,會隨著消極情緒的蔓延,形成“漣漪效應”趨勢,導致更為嚴重的輿情危機,加劇網絡輿情的監管難度。

目前,國內外的許多學者在突發事件輿情熱度預測方面做了大量的研究。王努努等通過情感分類分析出網民的不同情感態度,隨著時間的變化對不同情感進行情感預測。輿情熱度研究一般分為以單一變量的變化規律和趨勢進行輿情熱度的預測研究,和以多個變量構建輿情熱度模型進行輿情熱度預測。在輿情熱度預測方法上,張和平等運用百度搜索指數作為輿情熱度指標,利用灰色馬爾科夫模型對輿情熱度進行預測;王寧等利用百度指數和微指數來衡量輿情熱度的大小,使用灰色模型進行輿情熱度預測;陳福集等基于殘差修正的多因素灰色模型來對網絡輿情進行預測;蘭月新等首先建立輿情熱度模型,然后在建立模型的基礎上使用多維度Logistic模型對輿情熱度預測;Chen使用模糊綜合評價法選定輿情熱度的指標并進行預測;曾子明等構建微博輿情熱度評價指標體系,利用信息熵確定各個指標的權重,使用BP神經網絡的對突發傳染病輿情熱度趨勢預測并驗證模型的可行性;徐敏捷等將Logistic模型、指數平滑法和灰色預測結合起來預測網絡輿情。以上的國內外的網絡輿情熱度預測大多數采用的是機器學習算法和深度學習算法,大多數使用單一的模型或者組合模型,優點是相對簡單,預測效率較高,缺點是不能適應不同類型時間序列數據的需要,一定程度上影響整體的預測效果。結合突發公共衛生事件輿情治理和目前已有的輿情預測研究成果,文章通過ARIMA算法和加入注意力機制LSTM對新型冠狀病毒感染肺炎事件進行輿情熱度預測,使用準確率更高的算法進行預測仿真得出輿情熱度的發展趨勢,并對輿情監測和引導提出可行性建議。



本文詳細內容請下載:http://m.xxav2194.com/resource/share/2000005256




作者信息:

許露萌

(上海工程技術大學管理學院,上海201600)


微信圖片_20210517164139.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 亚洲香蕉免费有线视频| 国产综合久久久久鬼色| 亚洲AV无码专区国产不乱码| 精品久久久久久中文字幕一区| 国产无遮挡又黄又爽免费网站| A国产一区二区免费入口| 日本aⅴ日本高清视频影片www| 亚洲女人影院想要爱| 精品国产乱码久久久久久1区2区| 国产手机精品一区二区| 99久久99久久精品免费观看| 揄拍自拍日韩精品| 亚洲中文字幕久久精品无码a| 玩弄CHINESE丰满人妻VIDEOS| 国产亚洲成AV人片在线观看导航| 69精品免费视频| 好男人社区www在线观看高清| 久久国产亚洲高清观看| 欧美啪啪动态图| 人人添人人妻人人爽夜欢视AV| 老马的春天顾晓婷5| 国产极品美女高潮无套在线观看| 99热在线精品免费播放6| 精品国产无限资源免费观看| 国产福利vr专区精品| 99精品视频99| 成人漫画免费动漫y| 久草网在线视频| 欧美综合人人做人人爱| 免费看美女吃男生私人部位| 边做饭边被躁欧美三级| 国产精品1024永久免费视频| 99国产欧美久久久精品蜜芽| 思思99re66在线精品免费观看| 久久亚洲美女精品国产精品| 欧美丰满熟妇XXXX性| 亚洲精品国偷自产在线| 精品三级久久久久久久电影聊斋| 国产亚洲一区二区三区在线| 日本在线观看a| 国产精品视频一区二区三区四 |