-
题名基于深度学习的事件特征提取与舆情反转预测
- 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]
-
