科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的/意义]本研究对正处于演化过程中的话题进行状态识别及趋势预测，为相关部门了解话题现状，对话题进行有效监管提供科学依据。[方法/过程]首先，考虑网民情感，结合话题的新颖度和关注度，构建话题生命周期状态观测指标；其次，基于隐马尔可夫模型(HMM)和高斯混合模型(GMM)的原理，提出话题生命周期状态识别及趋势预测方法；最后，选用微博话题构建数据集，设计对比实验，验证方法的有效性。[结果/结论]基于GMM-HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87%,MAPE低于3.5%,相较于GaussianHMM和BP神经网络具有较大优势。
- 单位
