《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于ARIMA和改進(jìn)LSTM的突發(fā)事件輿情熱度預(yù)測(cè)
基于ARIMA和改進(jìn)LSTM的突發(fā)事件輿情熱度預(yù)測(cè)
網(wǎng)絡(luò)安全與數(shù)據(jù)治理 2023年3期
許露萌
（上海工程技術(shù)大學(xué)管理學(xué)院，上海201600）
摘要： 針對(duì)突發(fā)重大公共衛(wèi)生事件的網(wǎng)絡(luò)輿情熱度預(yù)測(cè)模型存在較大誤差問(wèn)題，文章選取百度指數(shù)作為輿情熱度，提出了AMRIMA預(yù)測(cè)和改進(jìn)的LSTM預(yù)測(cè)方法。首先,使用ARIMA模型預(yù)測(cè)新冠肺炎疫情以天為單位的輿情熱度；其次，使用改進(jìn)LSTM預(yù)測(cè)新冠肺炎疫情以小時(shí)為單位的輿情熱度,在LSTM中加入注意力機(jī)制，實(shí)現(xiàn)了提高預(yù)測(cè)精度的目的；最后，得出預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，ARIMA算法和改進(jìn)LSTM算法能更準(zhǔn)確預(yù)測(cè)網(wǎng)絡(luò)輿情熱度值，有效提高了網(wǎng)絡(luò)輿情熱度的預(yù)測(cè)精度。
中圖分類號(hào)：TP301.6
文獻(xiàn)標(biāo)識(shí)碼：A
DOI:10.19358/j.issn.2097-1788.2023.03.009
引用格式：許露萌.基于ARIMA和改進(jìn)LSTM的突發(fā)事件輿情熱度預(yù)測(cè)［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023,42(3):53-57.
Prediction of public opinion popularity inemergencies based on ARIMA and aproved LSTM
Xu Lumeng
(School of Management Studies,Shanghai University of Engineering Science,Shanghai 201600,China)
Abstract： In view of the large error in the prediction model of the network public opinion popularity for major public health emergencies, the article selects Baidu Index as the public opinion popularity, and proposes ARIMA prediction and aproved LSTM prediction methods. Firstly, ARIMA model is used to predict the public opinion popularity of COVID-19 epidemic in days; Secondly, aproved LSTM was used to predict the public opinion popularity of COVID-19 epidemic in hours.The attention mechanism is added to LSTM to improve the prediction accuracy; Finally, the prediction results are obtained. Experiments show that ARIMA algorithm and aproved LSTM algorithm can accurately predict the network public opinion popularity and effectively improve the prediction accuracy of the network public opinion popularity.
Key words : emergency;public opinion popularity;ARIMA;aproved LSTM

0    引言

預(yù)測(cè)網(wǎng)絡(luò)輿情熱度有助于及時(shí)掌握輿情動(dòng)態(tài)，提高應(yīng)對(duì)輿情危機(jī)的能力。但突發(fā)重大公共衛(wèi)生事件的網(wǎng)絡(luò)輿情具有長(zhǎng)周期性、快傳播性以及強(qiáng)破壞性的特點(diǎn)，其輿情擴(kuò)散更容易導(dǎo)致輿情危機(jī)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(guó)家和政府越來(lái)越重視“生物安全”，尤其是可能遲滯或中斷民族復(fù)興歷史進(jìn)程的風(fēng)險(xiǎn)挑戰(zhàn)，當(dāng)然也構(gòu)成人類生存面臨的重要威脅。過(guò)往對(duì)網(wǎng)絡(luò)輿情的研究?jī)?nèi)容主要是對(duì)研究對(duì)象的文本內(nèi)容進(jìn)行分詞與詞性分析、演化規(guī)律以及影響機(jī)理進(jìn)行分析。從風(fēng)險(xiǎn)的社會(huì)放大理論來(lái)看，網(wǎng)絡(luò)輿情會(huì)在短時(shí)間內(nèi)擴(kuò)散并隱藏著潛在的風(fēng)險(xiǎn)。如果對(duì)突發(fā)事件的輿情預(yù)測(cè)處理不當(dāng)，會(huì)隨著消極情緒的蔓延，形成“漣漪效應(yīng)”趨勢(shì),導(dǎo)致更為嚴(yán)重的輿情危機(jī),加劇網(wǎng)絡(luò)輿情的監(jiān)管難度。

目前，國(guó)內(nèi)外的許多學(xué)者在突發(fā)事件輿情熱度預(yù)測(cè)方面做了大量的研究。王努努等通過(guò)情感分類分析出網(wǎng)民的不同情感態(tài)度，隨著時(shí)間的變化對(duì)不同情感進(jìn)行情感預(yù)測(cè)。輿情熱度研究一般分為以單一變量的變化規(guī)律和趨勢(shì)進(jìn)行輿情熱度的預(yù)測(cè)研究，和以多個(gè)變量構(gòu)建輿情熱度模型進(jìn)行輿情熱度預(yù)測(cè)。在輿情熱度預(yù)測(cè)方法上，張和平等運(yùn)用百度搜索指數(shù)作為輿情熱度指標(biāo)，利用灰色馬爾科夫模型對(duì)輿情熱度進(jìn)行預(yù)測(cè)；王寧等利用百度指數(shù)和微指數(shù)來(lái)衡量輿情熱度的大小，使用灰色模型進(jìn)行輿情熱度預(yù)測(cè)；陳福集等基于殘差修正的多因素灰色模型來(lái)對(duì)網(wǎng)絡(luò)輿情進(jìn)行預(yù)測(cè)；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(duì)輿情熱度預(yù)測(cè)；Chen使用模糊綜合評(píng)價(jià)法選定輿情熱度的指標(biāo)并進(jìn)行預(yù)測(cè)；曾子明等構(gòu)建微博輿情熱度評(píng)價(jià)指標(biāo)體系,利用信息熵確定各個(gè)指標(biāo)的權(quán)重,使用BP神經(jīng)網(wǎng)絡(luò)的對(duì)突發(fā)傳染病輿情熱度趨勢(shì)預(yù)測(cè)并驗(yàn)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(yù)測(cè)結(jié)合起來(lái)預(yù)測(cè)網(wǎng)絡(luò)輿情。以上的國(guó)內(nèi)外的網(wǎng)絡(luò)輿情熱度預(yù)測(cè)大多數(shù)采用的是機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法，大多數(shù)使用單一的模型或者組合模型，優(yōu)點(diǎn)是相對(duì)簡(jiǎn)單，預(yù)測(cè)效率較高，缺點(diǎn)是不能適應(yīng)不同類型時(shí)間序列數(shù)據(jù)的需要，一定程度上影響整體的預(yù)測(cè)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(yù)測(cè)研究成果，文章通過(guò)ARIMA算法和加入注意力機(jī)制LSTM對(duì)新型冠狀病毒感染肺炎事件進(jìn)行輿情熱度預(yù)測(cè)，使用準(zhǔn)確率更高的算法進(jìn)行預(yù)測(cè)仿真得出輿情熱度的發(fā)展趨勢(shì)，并對(duì)輿情監(jiān)測(cè)和引導(dǎo)提出可行性建議。



本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000005256




作者信息：

許露萌

（上海工程技術(shù)大學(xué)管理學(xué)院，上海201600）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。