江苏大学学报(自然科学版)

作者：刘定一1，沈阳阳2，詹天明2，刘亚军3，应毅1

单位：1. 三江学院 计算机科学与工程学院， 江苏 南京 210012； 2. 南京审计大学 信息工程学院， 江苏 南京 211815； 3. 东南大学 计算机科学与工程学院， 江苏 南京 210096

关键词：网络舆情预测, 神经网络, LSTM, 微博热点分析, 百度指数

基金：江苏省高等学校自然科学研究面上项目(18KJB520042)； 国家自然科学基金资助项目(61976117)； 江苏省自然科学基金资助项目(BK20191409)； 江苏省高等学校自然科学研究重大项目(19KJA360001)； 三江学院校级科研重大项目(2019SJKY006)

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.

来源：2021年第5期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第5期