基于机器学习的舆情预警模型的设计与实现

发布时间：2021-01-26 13:57

　　随着全球信息化程度的不断加深和我国5G网络建设的大力推进,信息安全保障已成为维护国家安全和社会稳定的重要任务,网络舆情的爆炸式增长给当前网络安全保卫工作带来了严峻的挑战。本文以基层公安工作实践中使用的舆情监测数据为样本,通过jieba算法进行分词处理并利用Word2Vec算法进行特征提取,搭建了基于神经网络的TextRCNN模型,实现了对海量舆情信息的自动判别。本文搭建的舆情预警系统实现了机器识别代替人工筛查的目的,可大幅降低基层公安队伍的工作量,提升风险研判的时效性与准确率。 

【文章来源】：广东公安科技. 2020,28(03)

【文章页数】：5 页

【部分图文】：

CNN神经网络模型

Skip-gram模型与CBOW模型

Text RCNN（循环卷积神经网络）模型融合了RNN与CNN的优点，Text RCNN网络将CNN的池化层修改为RNN的双向LSTM，双向LSTM之后的结果继续拼接起来进行卷积整合；整合后的结果接着池化，进入全连接层输出为分类结果。本文使用的Text RCNN模型嵌入层采用与CNN一致的嵌入层，卷积层仍使用Text RCNN模型双向LSTM构建，但修改了Text RCNN的卷积激活函数“Tanh”为“Relu”，池化层使用Maxpooling和Average Pooling两种池化层进行池化。由于本系统实践对象为二分类问题，所以在输出层将softmax函数换成了sigmoid函数。如图4所示。图4 改进的Text RCNN神经网络模型

【参考文献】：
期刊论文
[1]基于时空大数据的重大疫情类突发事件网络舆情研判体系研究[J]. 徐迪.  现代情报. 2020(04)
[2]基于多维度的公安舆情分析模型构建[J]. 王浩.  情报探索. 2020(03)
[3]基于微博数据的酒店偷拍事件网络舆情关注特点研究——以“酒店称八成有针孔摄像头”事件为例[J]. 张甜甜,张世扬.  新闻研究导刊. 2020(05)
[4]基于微博数据的“新冠肺炎”互联网舆情分析[J]. 高洁,杨宝龙,赖思宇,武虹,赵立新,杨逸萌.  今日科苑. 2020(02)
[5]基于FastText的短文本分类[J]. 王光慈,汪洋.  电子设计工程. 2020(03)
[6]基于文本挖掘的网络热点舆情分析——以问题疫苗事件为例[J]. 刘宁,陈凌云,熊文涛.  湖北工程学院学报. 2019(06)



本文编号：3001232