基于BERT-BiLSTM模型的舆情监测方法及实证研究——以研究生招生考试为例

摘要：

[目的/意义]教育招生考试备受社会各界关注,极易触发舆情事件.及时监测并准确研判相关网络信息传播发展态势,发现潜在舆情并处置应对,对于保障考试安全和维护学校声誉具有重要意义.[方法/过程]采集研究生复试期间主流媒体社交平台数据,将BERT语言训练模型同BiLSTM相结合,构建深度神经网络模型,对文本的情感极性进行分析.用TextRank算法提取不同情感极性类属文本的热门主题词,监测潜在舆情并提出管理建议.[结果/结论]实证结果表明,该模型能够有效挖掘不同情感极性下的热门主题信息,从而发现潜在隐患以及可能发生的舆情焦点,为高校网络舆情管控提供了方法参考和实践依据.[创新/局限]与传统方法相比,基于BERT的预训练语言模型可有效解决因数据量少而导致模型无法准确表示不同语句之间复杂关系的局限性,同时BERT可对文本进行双向建模,捕获不同句子之间的关系特点,提升对文本情感主题挖掘的准确性.

关键词：招生考试;神经网络;情感极性;主题词;舆情监测

所属期刊栏目：39

分类号：G206.3(信息与传播理论)

资助基金：吉林大学2020年度校本应用专题研究项目"吉林大学硕士研究生生源质量评价体系构建——以学术成果为导向"

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：78-85