基于深度学习LSTM算法的社会网络的舆情监测

作者：王民昆; 王浩^*; 苏博

来源：现代计算机(专业版), 2020, (33): 20-24.

• 舆情监测
• 长短期记忆
• Word2Vec
• CBOW模型
• 向量序列
• 深度学习

互联网正在成为舆论的传播平台。重要的是要尽可能准确地模拟互联网舆论活动。对谣言、假新闻、误导的信息与不正确的信息等网络舆情的监测,是解决当今网络安全问题的关键,因为上述信息的传播可能会对我们的社会稳定发展产生严重的后果。为了解决该问题,提出一种基于LSTM(长短期记忆)的深度学习的社会网络舆情监测。该模型使用Word2Vec算法中的CBOW模型,该模型能将单词序列转换为向量序列,然后将向量序列输入到LSTM模型中。最后,在LSTM模型的最后一个时间输出的预测类作为舆情监测的判断依据。实验结果表明,本文在舆情监测上提出的模型在精准度、召回率和F1分数等方面优于其他先进的网络舆情监测方法。本文方法的准确率较本实验中表现最好的方法提升10%,且时效性大大增加。

• 单位
  成都信息工程大学; 国家电网公司