科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用多个相关领域舆情之间的复杂关联性，处理特定领域新闻的不连续所导致的舆情缺失问题，使其能够用于分项价格指数预测。提出基于自学习图神经网络模型的舆情指数网络方法，将若干相互关联的具体领域的舆情指数作为网络节点，日度舆情量化值视为时间序列，通过学习其中隐性图结构特征和舆情数据时序特征，构建成动态舆情指数网络，实现对稀疏舆情值的填补。对食品价格指数和有色金属生产价格指数预测的实证研究表明，经过该方法补齐的舆情指数和相应价格统计指数相关性达到最高，且预测精度得到提升，验证了此方法的有效性。
-
单位中国科学院数学与系统科学研究院; 国网能源研究院有限公司; 国家电网有限公司; 中国科学院科技战略咨询研究院
