現(xiàn)有的輿情分析模型,存在滯后性和不準確性,個體選擇影響輿情預測的特征具有一定的主觀性和不確定性。本文將集合經驗模態(tài)分解（ensemble empirical mode decomposition,EEMD）方法和Transformer注意力機制相結合,提出一種組合模型EEMD-Transformer。該模型利用EEMD分解技術,將原始輿情事件的熱度值進行分解,將分解后的數(shù)據(jù)通過特征提取器Transformer進行特征提取,然后通過一個全連接神經網絡做預測。以新型冠狀病毒肺炎（corona virus disease 2019,COVID-19）疫情的輿情為例,用訓練好的模型預測COVID-19的輿情走向。實驗結果表明,本文提出的模型可以較準確預測輿情趨勢,對于輔助政府和企業(yè)引導輿情事件發(fā)展有重要的作用。 

【文章來源】：武漢大學學報(理學版). 2020年05期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

模型框架

為了便于作圖和顯示，本文將2020年2月10號作為第一天，然后遞增，利用整數(shù)序列作為日期的索引。從圖2中可以看到在40 d(2020年3月26日）左右，對于COVID-19的搜索量達到頂峰，因為此時疫情在多個國家集中暴發(fā)，國外確診病例超過10萬以上。通過將這10組關鍵詞的搜索熱度值取平均值作為最終研究國外對于COVID-19關注度變化的數(shù)據(jù)，并且將得到的平均值數(shù)據(jù)可視化如圖3所示。圖3 COVID-19相關搜索詞熱度值均值分布

COVID-19相關搜索詞熱度值均值分布

【參考文獻】：
期刊論文
[1]輿情監(jiān)測在重大傳染病預防控制工作中的應用[J]. 霍飛,高浩宇,劉長娜,董校,王鳳山.  職業(yè)與健康. 2013(23)
[2]利用灰色預測與模式識別方法構建網絡輿情預測與預警模型[J]. 杜智濤,謝新洲.  圖書情報工作. 2013(15)
[3]基于EMD的網絡輿情演化分析與建模方法[J]. 周耀明,王波,張慧成.  計算機工程. 2012(21)
[4]基于貝葉斯網絡建模的非常規(guī)危機事件網絡輿情預警研究[J]. 張一文,齊佳音,方濱興,李欲曉.  圖書情報工作. 2012(02)

博士論文
[1]基于復雜網絡的輿情傳播模型研究[D]. 潘新.大連理工大學 2010



本文編號：2931112