摘要
本发明涉及动态网络舆情预警领域,具体涉及一种基于LSTM‑XGB‑RF的动态舆情预警方法,步骤如下:步骤1:收集指数数据,建立百度指数基础属性数据集,划分舆情事件周期;步骤2:构建舆情指标体系,集成数据,补充完善数据集;步骤3:构建基于LSTM的舆情数据预测模型;步骤4:构建基于XGB‑RF的动态舆情状态与等级识别模型,并优化模型参数,提升模型性能;步骤5:部署模型,实现舆情预警系统的实时监测与预测;步骤6:对构建的舆情预警模型的可解释性进行分析。本发明利用同源数据集,能够更直接和准确地反映舆情的热度和趋势,数据真实性和可靠性高。能够实现对长期舆情事件的全面监控,覆盖事件全周期的舆情预测。
技术关键词
舆情预警方法
数据预测模型
指数
XGBoost模型
网络舆情预警
动态
预警模型
网格搜索算法
预警系统
粒子群优化算法
阶段
随机森林模型
LSTM模型
指标
基础
媒体
参数
周期
决策