-
题名基于深度学习的事件特征提取与舆情反转预测
被引量：2
- 1
-
-
作者
王楠
杜豪
谭舒孺
李海荣
姜家慧
-
机构
吉林财经大学管理科学与信息工程学院
吉林财经大学大数据与交叉科学研究院
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
《情报杂志》
北大核心
2025年第3期107-118,共12页
-
基金
国家社会科学基金项目“基于多源大数据事件融合特征预训练的网络舆情预测研究”(编号:22BTQ048)研究成果。
-
文摘
[研究目的]针对目前舆情事件特征构建存在的问题,考虑事件文本差异性,挖掘更加准确合理的事件深层特征,并用于网络舆情反转预测。[研究方法]基于注意力机制和Transformer等深度学习方法构建了一个事件特征提取模型Doc2EV:对于事件描述文本,提出基于等级掩码注意力的事件描述特征提取模型HMA_EV,生成事件描述特征;对于事件评论文本,使用最新的事件评论特征提取模型NL2ER-Transformer,生成事件评论特征;将提取的事件描述特征和事件评论特征进行融合,生成完整的事件特征并用于舆情反转预测。[研究结果/结论]研究表明,基于Doc2EV模型生成的事件特征向量在舆情反转预测任务上取得97.83%的准确率,高于其它基线模型组合。等级掩码注意力机制有利于捕捉不同平台、不同事件文本之间的关联性和重要性,有利于提取到关键性的事件描述特征;不同事件文本特征适用不同特征提取器进行提取,融合后的事件特征更全面准确;Doc2EV模型能够很好地实现舆情反转预测任务。
-
关键词
舆情事件
舆情反转预测
深度学习
等级掩码注意力
事件特征提取
异质平台
Doc2EV
-
Keywords
public opinion events
public opinion reversal prediction
deep learning
level mask attention
event feature extraction
heterogeneous platform
Doc2EV
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名舆情事件向量预训练模型
- 2
-
-
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]
-
