基于SDZ-LSTM的舆情事件网络趋势预测模型

作     者：冯勇 吕红旭 徐红艳 王嵘冰 张永刚 Feng Yong

作者机构：辽宁大学信息学院辽宁沈阳110036 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 

出 版 物：《情报理论与实践》 (Information Studies:Theory & Application)

年 卷 期：2021年第44卷第6期

页      面：158-163页

核心收录：

学科分类：050302[文学-传播学] 1205[管理学-图书情报与档案管理] 12[管理学] 050301[文学-新闻学] 05[文学] 120502[管理学-情报学] 0503[文学-新闻传播学] 

基　　金：教育部重点实验室资助项目“符号计算与知识工程教育部重点实验室”资助的成果 项目编号:93K172018K01 

主　　题：舆情预测 长短期记忆网络 趋势预测 突发事件 

摘      要：[目的/意义]舆情趋势预测是信息安全领域的重点研究方向,网络舆情事件的早发现、早干预是对网络环境得以安全稳定的一种保障。但网络环境错综复杂,具有高突发性,现有研究多以线性预测为基础,对舆情突发事件预测效果欠佳。[方法/过程]为提升预测准确度,文章通过引入SDZ(Suprisal-Driven Zoneout)方法改进长短期记忆网络(Long-short Term Memory,LSTM)用固定概率更新神经元的不足,提出了基于SDZ-LSTM的舆情事件网络趋势预测模型。模型分为三个层次,首尾两个层次用LSTM网络来实现对舆情的精确预测,中间层SDZ-LSTM结构利用SDZ在LSTM原有结构基础上增加一个参数Zt,来对LSTM记忆单元Ct进行概率化的更新,该结构使模型在预测精度提高的同时,缩短了模型训练时长。[结果/结论]实验证明,文章所提模型在预测准确度和时效性上均优于当前基于神经网络的预测模型,有更好的舆情预测效果。