-
题名舆情事件向量预训练模型
- 1
-
-
作者
王楠
谭舒孺
谢晓兰
李海荣
-
机构
吉林财经大学管理科学与信息工程学院
桂林理工大学信息科学与工程学院
新疆理工学院信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第18期189-197,共9页
-
基金
国家社会科学基金(22BTQ048)。
-
文摘
目前舆情预测研究中,事件表示具有一定的主观性和静态性,没有充分表达出事件演化的动态性和演化性,很多特征需要通过分析事件发展的完整过程得到,导致构建的预测模型并不能实现舆情现象发生前的预警目的。构建了事件预训练模型,实现基于评论数据的事件特征向量自动生成,并用于训练下游舆情反转预测模型。结合事件的主观评论与时序信息,通过构造评论词、事件词向量、事件词、事件句,将抽象的事件特征向量生成问题转换为自然语言预处理问题,基于Transformer结构提出了一种新的建模方式,实现事件特征向量自动生成及舆情反转预测。提出的模型用于舆情反转预测下游任务时,在测试集中对反转事件的预测率达到100%,实现了反转点之前预测出反转现象的目的。同时,该预测模型还可以较为准确地预测生成第二天的事件句,在对测试集的n折交叉验证中仅有11%的事件出现了预测误差,为研究舆情演化相关问题提供数据和方法基础。
-
关键词
舆情反转预测
事件特征预训练
舆情演化
自然语言处理
TRANSFORMER
-
Keywords
public opinion reversal prediction
event feature pre-training
public opinion evolution
natural language pro-cessing
Transformer
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
