基于偏差规则马尔可夫模型的网络舆情情感预测研究

摘要：

针对微博短文本评论,基于情感分析技术,从情感类转移等角度实现对网络舆情演变趋势的预测.本文以突发事件"新冠肺炎疫情"初期的相关微博评论文本作为研究对象,基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法,即偏差规则马尔可夫模型(the deviation rules Markov model,DRMM).该模型分析了网民情感类间的相关性和转移性,通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测.实验采取平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)来衡量模型预测值与真实值之间的误差.研究结果表明,该模型具有较好的有效性和准确性,预测值和真实值的拟合效果在预期范围之内.

关键词：情感转移、网络舆情、短文本挖掘、关联规则、马尔可夫链

所属期刊栏目：42

分类号：TP301.6;B849;G203

资助基金：国家社会科学基金20BXW013

在线出版日期：2023-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1065-1077