如需要完整文档点击下方 "点击下载文档" 按钮

如何在互联网海量信息中预测话题风险性和演化趋势,是舆情监管部门的工作重点。 针对话题演化趋势预测研究中存在的不足:话题状态划分方法单一、话题状态演化预测研究缺乏等,　从话题　预警的视角,提出话题风险状态预测方法,为舆情监管部门提供预警依据。 首先,基于向心度和密度指标划分不同等级的话题风险状态,　直观地刻画话题引发舆论危机的风险程度;其次,基于 HMM　( Hidden Markov Model,隐马尔可夫模型) 对各话题风险状态构建模型,并将各风险状态下所对应的观测序列数据作为训练集训练模型;最后,根据极大相似准则选用最佳模型预测话题观测值,进而借助平面坐标映射法得到话题在未来时刻的风险状态。 以新冠肺炎疫情事件为研究样本话题,验证基于 HMM 的话题风险状态预测方法的有效性,交叉检验的平均预测准确率达到 90% 以上,相比于 BP 神经网络、LSTM 以及 RNN 时间序列预测模型,该方法的预测误差更小。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 HMM 的话题风险状态预测方法研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：058061

点击下载文档