摘要
本发明公开了一种基于人工智能的社交网络舆情监测方法和系统,包括以下步骤:从社交网络平台获取舆情数据并进行数据预处理。对舆情数据进行热点事件的自动抽取,利用密度峰值聚类算法识别高密度区域并确定热点事件的热度。采用BERT模型对文本进行情感分类,结合双向LSTM提取上下文特征,并通过Softmax分类器输出情感倾向。针对特定目标事件,使用多头注意力机制和卷积神经网络进行特定目标情感分类。对时间序列数据进行降噪和分解,构建多个基本预测模型并结合加权平均生成组合预测模型,实时监测和预测舆情发展趋势。本发明为政府和企业提供了精准的舆情分析与决策支持,有助于降低舆情风险、维护社会稳定,促进社会的构建。
技术关键词
网络舆情监测方法
Softmax分类器
BERT模型
组合预测模型
社交
密度峰值聚类算法
多头注意力机制
文本
热点
上下文特征
网络舆情监测系统
局部特征提取
LSTM模型
网络平台
数据
变分模态分解算法
主题特征
命名实体识别技术
中文分词
情感特征
系统为您推荐了相关专利信息
心理健康监测系统
神经网络模型
画像
异质
注意力机制
内容生成系统
BERT模型
正确率
内容生成技术
因子
搜索词
无监督学习
联想方法
监督学习方法
BERT模型