摘要
本发明涉及一种基于动态融合与时序分析的网络舆情智能预测系统,属于网络舆情分析与智能预测技术领域。该系统包括输入层、特征融合层、时序分解模块、预测层和异常预警模块。输入层接收不同时间步的数据进行预处理生成不同特征向量;特征融合层通过缩放点积注意力机制对每个时间步生成的特征向量进行加权融合得到融合特征矩阵;时序分解模块对融合特征矩阵进行分解得到趋势分量、季节分量和残差分量;预测层提取趋势、季节、残差分量的特征,加权融合得到舆情预测结果;异常预警模块基于残差分量的异常得分与误差波动进行预警并标注异常类型。本发明能够捕捉舆情演化中显性规律与隐性关联,在处理突发事件引起的非平稳波动时表现出较强鲁棒性。
技术关键词
融合特征
ARIMA模型
时序特征
时间间隔特征
LightGBM模型
智能预测系统
预警模块
多元回归模型
非线性
数据
分类特征
变量
矩阵
预测误差
网络舆情分析
智能预测技术
连续性
特征加权融合
注意力
系统为您推荐了相关专利信息
LightGBM模型
孔隙结构
CT扫描
参数
工业CT设备
网络流量特征
异常流量检测
检测网络流量
网络流量检测
多尺度特征提取