基于EEMD-Transformer才型的舆情分析:以COVID-19舆情为例

摘要：

现有的舆情分析模型,存在滞后性和不准确性,个体选择影响舆情预测的特征具有一定的主观性和不确定性.本文将集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法和Transformer注意力机制相结合,提出一种组合模型EEMD-Transformer.该模型利用EEMD分解技术,将原始舆情事件的热度值进行分解,将分解后的数据通过特征提取器Transformer进行特征提取,然后通过一个全连接神经网络做预测.以新型冠状病毒肺炎(corona virus disease 2019,COVID-19)疫情的舆情为例,用训练好的模型预测COVID-19的舆情走向.实验结果表明,本文提出的模型可以较准确预测舆情趋势,对于辅助政府和企业引导舆情事件发展有重要的作用.

关键词：舆情分析、集合经验模态分解、神经网络、新型冠状病毒肺炎

所属期刊栏目：66

分类号：TP391.1;G2(计算技术、计算机技术)

资助基金：国家自然科学基金61802251

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：418-424