针对突发重大公共卫生事件的网络舆情热度预测模型存在较大误差问题，文章选取百度指数作为舆情热度，提出了AMRIMA预测和改进的LSTM预测方法。首先，使用ARIMA模型预测新冠肺炎疫情以天为单位的舆情热度；其次，使用改进LSTM预测新冠肺炎疫情以小时为单位的舆情热度，在LSTM中加入注意力机制，实现了提高预测精度的目的；最后，得出预测结果。实验结果表明，ARIMA算法和改进LSTM算法能更准确预测网络舆情热度值，有效提高了网络舆情热度的预测精度。
科研之友
微信
新浪微博
Facebook
分享链接
