共查询到20条相似文献，搜索用时 326 毫秒
1.
[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。 相似文献
2.
[研究目的]随着互联网技术的发展,网络环境变得日益复杂,网络舆情事件发展态势感知的难度也在不断加大,为网络舆情监管带来了极大挑战。在舆情事件发生时,及时感知其发展态势,厘清其演化特征和规律,藉此提出相应建议,对引导与治理网络舆情具有重要意义。[研究方法]基于事件系统理论,提出一种融合态势感知理论和用户画像的网络舆情态势感知模型。首先,采集舆情事件时间、空间和强度要素相关数据。然后,划分舆情演化阶段、分析网络舆情扩散属性和情绪强度属性的特征。最后,构建Grey-BP神经网络模型,预测网络舆情扩散属性和情绪强度属性的后续发展态势。[研究结论]从事件系统视角出发,构建了融合态势感知理论和用户画像的网络舆情态势感知模型,整体性地探究舆情事件时间、空间和强度要素特征,能够较为全面地阐述网络舆情的演化态势,并可靠地预测其未来演变趋势。 相似文献
3.
随着我国电力改革体制不断推进,以输配电服务为主的盈利模式要求电网企业对经营成本作出更精确的控制。电网技改工作对电网企业的运营成本具有较大影响,但由于相关历史数据少,采用常规预测模型难以对电网企业技改项目的年度科技投资进行科学和客观的预测。为此,针对电网技改项目科技投资年度预测属于小样本预测的特点,选取支持向量机(SVM)模型作为预测模型,并且在预测开始之前进行变分模态分解(VMD),通过将技改科技投资数据分解为特征各异的子序列,将每一个子序列数据通过不同的SVM模型进行预测,得到各子序列的预测结果后对子序列的预测结果进行叠加,从而得到最终预测结果。最后通过某区域电网的实际数据验证,得到基于VMD-SVM的电网技改项目科技投资预测方法的预测精度为1.51%,而单采用同参数SVM模型的预测精度为2.02%,证实基于VMD-SVM的电网技改项目科技投资预测方法的有效性。 相似文献
4.
《科技广场》2015,(12)
随着信息时代的到来,越来越多的企业管理趋向于信息化、自动化,很多光伏能源企业发现传统的租赁管理方案已经不能完全满足自身需求。本文研究设计了一套合理的光伏能源租赁管理与分析系统以供企业使用;采用B/S模式与C/S模式相结合,通过数据库的设计,能够安全可靠的实现对光伏能源租赁管理中数据的存储、传输和管理;针对目前企业在光伏能源租赁计费中的困难,给出一套科学合理的光伏能源租赁计费方案;通过对IC卡的设计,完成对光伏设备的控制和数据采集;通过对采集的用户使用数据,能对不同类别客户、卡、设备的用电量、发电量的数据进行统计,生成各类统计的图和表;同时对数据进行回归分析、灰度预测等,分析出产品的潜在需求。特别是在我国"一带一路"伟大战略的提出时刻,光伏能源设备要走出国门,配合光伏能源设备推广和应用的多语种版本的软件设计显得尤为迫切。 相似文献
5.
[目的/意义]预测在线社交网络突发事件中的用户行为，从而发掘舆情传播中的用户行为规律，有效控制引导舆论信息，尤其是对可能做出不同行为的用户做出分级，做到差异化的引导与应对。[方法/过程]以新浪微博中两类不同的突发事件为例，收集其中做出交互行为的用户数据，在理论研究与统计分析的基础上，将做出点赞、评论、转发3种行为的用户所具备的有效属性作为特征指标，使用随机森林和神经网络两种方法对用户交互行为做了预测实验。[结果/结论]神经网络的预测效果更好，说明本文提出的预测模型具备一定的可行性，同时本文也对突发事件中用户做出各交互行为所具备的属性做出了规律性总结。 相似文献
6.
【目的/意义】突发事件类网络舆情演化情况的掌握对舆情监管部门而言至关重要。鉴于此,本文致力于构 建能够准确预测舆情演化的模型,此预测模型的建立可拓宽舆情预测的渠道,为舆情参与主体和监管部门及时掌 握舆情演化态势提供方法依据。【方法/过程】基于随机森林（RF）算法建立突发事件网络舆情演化预测模型,以微博 和第三方舆情监测平台作为变量数据来源,以R语言为操作环境,然后进行模型的训练与预测。【结果/结论】实验 表明,较之其它方法,本文构建的模型有更高的拟合度和更低的误差值。从结果来看,本模型的预测输出值与真实 值最为接近,较好地实现了对舆情演化的预测,将RF算法应用在舆情预测的研究中具有一定的先进性。 相似文献
7.
【目的/意义】通过构建数学模型,研究大数据背景下微博舆情热度预测问题。【方法/过程】分析大数据背景
下的微博舆情的首发信息特征,定义首发信息影响系数,建立微博首发信息热度预测方程模型。【结果/结论】利用百
度指数、清博舆情等软件,研究 47个微博舆情实例分析模型特征,并用 6个微博舆情案例验证模型,得出该模型根据
微博首发信息的少量数据而得到较为准确的预测结果。研究成果有利于政府面对复杂微博舆情时做到“心中有
数”, 也为进一步研究大数据背景下微博舆情预测问题提供参考。 相似文献
8.
【目的/意义】为有效判断网络舆情演变趋势,分析网络舆情传播和形成的规律,研究网络舆情分众化演变
的状态和特征,本文基于AEMIPO方法提出了大数据情境下网络舆情分众化演变趋势分析方法,以期为网络舆情
传播引导策略提供优化参考。【方法/过程】通过对网络舆情分众化演变过程的自相似性、周期性和平稳性等统计特
性进行动态跟踪,选取ARMA,ARIMA,SARIMA,FARIMA模型对上述统计特性进行描述,构建备选模型库,从备
选模型库中根据选择规则选择模型对网络舆情分众化演变趋势进行建模,并在大数据情境下预测网络舆情分众化
演变趋势。【结果/结论】以“山东金矿爆炸救援案”的微博数据为实例对所提方法进行验证分析,结果反映该方法预
测准确率高达80%,表明其可在大数据情境下对网络舆情分众化演变趋势进行准确地预测和分析。【创新/局限】由
于本文针对一个实证案例进行分析,存在一定研究局限性,因此在日后研究中需结合更多案例进行验证,并对该方
法进行不断优化,从而全方面提升其有效性和准确度。 相似文献
9.
【目的/意义】面向高校网络舆情应急管理需求,以网民群体负面情感的测量作为基点,预测网络舆情演变 的路径和态势,进而支持突发事件应急响应策略的制定【方法/过程】基于SOAR（State,Operator and Result）模型和 情境危机传播理论,设计高校网络舆情网民群体决策模型,包括工作记忆、长期记忆、决策过程等模块。结合典型 高校网络舆情案例进行建模仿真,通过真实案例数据和实验数据的对比验证模型的有效性。【结果/结论】实证结果 表明,基于网民群体决策行为规则的建模,可以分析和预测在不同网络舆情阶段、不同应急响应措施下网民群体的 行为决策规律,从而为高校网络舆情应急管理提出有效的方法和模型。 相似文献
10.
【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在
解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实
验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型,
分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的;
采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征
的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模
态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融
合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创
新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进
一步扩充。 相似文献
11.
【目的/意义】网络舆情预测由于对指导政府工作,维护社会稳定具有很高的现实意义,一直是网络安全领
域研究工作的关注重点。但是网络舆情演化趋势复杂,影响因素众多,前人工作多考虑了单变量因素,忽视了多因
素对趋势的影响,且前人采用的传统模型由于自身的局限性,针对非线性场景的预测很难收到较好效果。【方法/过
程】为解决前人研究的不足,本文设计了一种基于循环神经网络的自适应学习率的网络舆情模型,根据舆情数据特
点选取了多种特征构建了循环神经网络序列生成模型,针对循环神经网络模型收敛困难的问题,通过连续最优掷
币策略自适应调节学习率来提高训练速度和预测精度。【结果/结论】实验结果表明,与传统方式和普通神经网络相
比,本文方法有着更好的舆情预测效果。 相似文献
12.
针对企业融资成本差异,现有文献多从政策性负担、政企关系等角度进行研究,其视角和深度有待进一步拓展。本文从政策不确定性的角度为这一问题的研究提供了新的视角。通过使用基于新闻报道的EPU数据对中国年度政策不确定性程度进行衡量并采用双向固定效应模型控制企业层面影响,本文构建了完整规范的实证分析框架。研究结果表明,政策不确定性的存在是造成国企与民企融资成本差异的重要原因。政策不确定性程度越高,两类企业的融资成本差异越大,且国企融资成本显著低于民企。此外,地区金融市场发展程度的提高将缩小两类企业的融资成本差异。本文为企业融资成本差异的研究提供了新的视角和证据,丰富了政策不确定性、企业行为等相关研究的文献成果。 相似文献
13.
［目的/意义］为研究政府干预对虚假舆情传播的影响。［方法/过程］首先,基于个体异质性,将群众进行分类,分析了各类群众之间的状态转移关系;然后,借鉴Bass模型,构建了在政府干预下虚假舆情传播扩散的数学模型;第三,使用Multi-Agent技术构建了群众状态转化逻辑关系来模拟仿真虚假舆情传播的规律;最后,考察了政府干预时间与干预强度对群众行为状态转化的影响。［结论/结果］经过理论建模和仿真分析验证了本文预测方法的有效性和可行性,将为政府准确把握虚假舆情传播规律、有效防控虚假舆情扩散蔓延提供理论依据。 相似文献
14.
15.
16.
17.
18.
【目的/意义】随着社交媒体的发展,各类新闻数量激增,舆情监测处理越来越重要,高效精确的识别舆情新
闻可以帮助有关部门及时搜集跟踪突发事件信息并处理,减小舆论对社会的影响。本文提出一种融合 BERT、
TEXTCNN、BILSTM的新闻标题文本分类模型,充分考虑词嵌入信息、文本特征和上下文信息,以提高新闻标题类
别识别的准确率。【方法/过程】将使用BERT生成的新闻标题文本向量输入到TEXTCNN提取特征,将TEXTCNN
的结果输入到 BILSTM 捕获新闻标题上下文信息,利用 softmax判断分类结果。【结果/结论】研究表明,本文提出的
融合了基于语言模型的 BERT、基于词向量 TEXTCNN 和基于上下文机制 BILSTM 三种算法的分类模型在准确
率、精确率、召回率和F1值均达到了0.92以上,而且具有良好的泛化能力,优于传统的文本分类模型。【创新/局限】
本文使用BERT进行词嵌入,同时进行特征提取和捕获上下文语义,模型识别新闻类别表现良好,但模型参数较多
向量维度较大对训练设备要求较高,同时数据类别只有10类,未对类别更多或类别更细化的数据进行实验。 相似文献
19.
云计算的出现极大颠覆了现有信息技术使用模式,其显著的成本节约效应将会大幅度降低企业的信息化门槛,从而推动工业化与信息化的深度融合,进而产生积极的宏观经济效应。然而,理论上至今还没有在这方面展开深入研究。因此,本文针对云计算能将企业信息化固定成本转换为可变成本的特征,采用基于内生市场结构的动态随机一般均衡模型(DSGE)来研究云计算在中小企业中推广应用对我国经济增长的影响。研究结果表明,以2014年数据为基准,云计算技术扩散保守估计未来五年将会促进我国GDP增长0.42~0.79%,就业增长0.06%~0.13%,新创造规模以上中小企业数目增长1.44%~2.82%,而且对欠发达地区经济增长的促进作用要高于发达地区。最后根据研究结论,对云计算技术发展提出具有针对性的政策建议。 相似文献
20.
由于网络舆情信息具有明显的大数据特征,使用传统的数据收集、分析与表现方法不仅存在效率低下的问题,而且难以发现其中的关键信息以及信息背后的潜在特征。就此而言,发端于科学计算领域的可视化分析技术能够化繁为简,用易于理解的图形图像揭示网络舆情的分布、发展和演化规律,因而在网络舆情研究中具有非常显著的应用价值。本文根据网络舆情信息呈现形式上的差异,分别探讨了层次信息、文本信息和关系网络信息可视化方法在网络舆情研究中的应用范式和实现途径,以期推进网络舆情研究的纵深化。 相似文献