基于EEMD-Transformer模型的舆情分析：以COVID-19舆情为例

发布时间：2020-12-22 04:14

　　现有的舆情分析模型,存在滞后性和不准确性,个体选择影响舆情预测的特征具有一定的主观性和不确定性。本文将集合经验模态分解（ensemble empirical mode decomposition,EEMD）方法和Transformer注意力机制相结合,提出一种组合模型EEMD-Transformer。该模型利用EEMD分解技术,将原始舆情事件的热度值进行分解,将分解后的数据通过特征提取器Transformer进行特征提取,然后通过一个全连接神经网络做预测。以新型冠状病毒肺炎（corona virus disease 2019,COVID-19）疫情的舆情为例,用训练好的模型预测COVID-19的舆情走向。实验结果表明,本文提出的模型可以较准确预测舆情趋势,对于辅助政府和企业引导舆情事件发展有重要的作用。 

【文章来源】：武汉大学学报(理学版). 2020年05期 北大核心

【文章页数】：7 页

【部分图文】：

模型框架

为了便于作图和显示，本文将2020年2月10号作为第一天，然后递增，利用整数序列作为日期的索引。从图2中可以看到在40 d(2020年3月26日）左右，对于COVID-19的搜索量达到顶峰，因为此时疫情在多个国家集中暴发，国外确诊病例超过10万以上。通过将这10组关键词的搜索热度值取平均值作为最终研究国外对于COVID-19关注度变化的数据，并且将得到的平均值数据可视化如图3所示。图3 COVID-19相关搜索词热度值均值分布

COVID-19相关搜索词热度值均值分布

【参考文献】：
期刊论文
[1]舆情监测在重大传染病预防控制工作中的应用[J]. 霍飞,高浩宇,刘长娜,董校,王凤山.  职业与健康. 2013(23)
[2]利用灰色预测与模式识别方法构建网络舆情预测与预警模型[J]. 杜智涛,谢新洲.  图书情报工作. 2013(15)
[3]基于EMD的网络舆情演化分析与建模方法[J]. 周耀明,王波,张慧成.  计算机工程. 2012(21)
[4]基于贝叶斯网络建模的非常规危机事件网络舆情预警研究[J]. 张一文,齐佳音,方滨兴,李欲晓.  图书情报工作. 2012(02)

博士论文
[1]基于复杂网络的舆情传播模型研究[D]. 潘新.大连理工大学 2010



本文编号：2931112