0    引言

預測網(wǎng)絡輿情熱度有助于及時掌握輿情動態(tài)，提高應對輿情危機的能力。但突發(fā)重大公共衛(wèi)生事件的網(wǎng)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(xiàn)、發(fā)酵使其難以控制。隨著新冠肺炎疫情的出現(xiàn)，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(zhàn)，當然也構(gòu)成人類生存面臨的重要威脅。過往對網(wǎng)絡輿情的研究內(nèi)容主要是對研究對象的文本內(nèi)容進行分詞與詞性分析、演化規(guī)律以及影響機理進行分析。從風險的社會放大理論來看，網(wǎng)絡輿情會在短時間內(nèi)擴散并隱藏著潛在的風險。如果對突發(fā)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(wǎng)絡輿情的監(jiān)管難度。

目前，國內(nèi)外的許多學者在突發(fā)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(wǎng)民的不同情感態(tài)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(guī)律和趨勢進行輿情熱度的預測研究，和以多個變量構(gòu)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(shù)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(shù)和微指數(shù)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(wǎng)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(chǔ)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(gòu)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(quán)重,使用BP神經(jīng)網(wǎng)絡的對突發(fā)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(shù)平滑法和灰色預測結(jié)合起來預測網(wǎng)絡輿情。以上的國內(nèi)外的網(wǎng)絡輿情熱度預測大多數(shù)采用的是機器學習算法和深度學習算法，大多數(shù)使用單一的模型或者組合模型，優(yōu)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(shù)據(jù)的需要，一定程度上影響整體的預測效果。結(jié)合突發(fā)公共衛(wèi)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(fā)展趨勢，并對輿情監(jiān)測和引導提出可行性建議。

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

作者信息：

許露萌

（上海工程技術(shù)大學管理學院，上海201600）