隨著全球信息化程度的不斷加深和我國5G網(wǎng)絡建設的大力推進,信息安全保障已成為維護國家安全和社會穩(wěn)定的重要任務,網(wǎng)絡輿情的爆炸式增長給當前網(wǎng)絡安全保衛(wèi)工作帶來了嚴峻的挑戰(zhàn)。本文以基層公安工作實踐中使用的輿情監(jiān)測數(shù)據(jù)為樣本,通過jieba算法進行分詞處理并利用Word2Vec算法進行特征提取,搭建了基于神經(jīng)網(wǎng)絡的TextRCNN模型,實現(xiàn)了對海量輿情信息的自動判別。本文搭建的輿情預警系統(tǒng)實現(xiàn)了機器識別代替人工篩查的目的,可大幅降低基層公安隊伍的工作量,提升風險研判的時效性與準確率。 

【文章來源】：廣東公安科技. 2020,28(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

CNN神經(jīng)網(wǎng)絡模型

Skip-gram模型與CBOW模型

Text RCNN（循環(huán)卷積神經(jīng)網(wǎng)絡）模型融合了RNN與CNN的優(yōu)點，Text RCNN網(wǎng)絡將CNN的池化層修改為RNN的雙向LSTM，雙向LSTM之后的結(jié)果繼續(xù)拼接起來進行卷積整合；整合后的結(jié)果接著池化，進入全連接層輸出為分類結(jié)果。本文使用的Text RCNN模型嵌入層采用與CNN一致的嵌入層，卷積層仍使用Text RCNN模型雙向LSTM構(gòu)建，但修改了Text RCNN的卷積激活函數(shù)“Tanh”為“Relu”，池化層使用Maxpooling和Average Pooling兩種池化層進行池化。由于本系統(tǒng)實踐對象為二分類問題，所以在輸出層將softmax函數(shù)換成了sigmoid函數(shù)。如圖4所示。圖4 改進的Text RCNN神經(jīng)網(wǎng)絡模型

【參考文獻】：
期刊論文
[1]基于時空大數(shù)據(jù)的重大疫情類突發(fā)事件網(wǎng)絡輿情研判體系研究[J]. 徐迪.  現(xiàn)代情報. 2020(04)
[2]基于多維度的公安輿情分析模型構(gòu)建[J]. 王浩.  情報探索. 2020(03)
[3]基于微博數(shù)據(jù)的酒店偷拍事件網(wǎng)絡輿情關注特點研究——以“酒店稱八成有針孔攝像頭”事件為例[J]. 張?zhí)鹛?張世揚.  新聞研究導刊. 2020(05)
[4]基于微博數(shù)據(jù)的“新冠肺炎”互聯(lián)網(wǎng)輿情分析[J]. 高潔,楊寶龍,賴思宇,武虹,趙立新,楊逸萌.  今日科苑. 2020(02)
[5]基于FastText的短文本分類[J]. 王光慈,汪洋.  電子設計工程. 2020(03)
[6]基于文本挖掘的網(wǎng)絡熱點輿情分析——以問題疫苗事件為例[J]. 劉寧,陳凌云,熊文濤.  湖北工程學院學報. 2019(06)



本文編號：3001232