基于GMM-HMM的话题生命周期状态识别及趋势预测方法

摘要：

[目的/意义]本研究对正处于演化过程中的话题进行状态识别及趋势预测,为相关部门了解话题现状,对话题进行有效监管提供科学依据.[方法/过程]首先,考虑网民情感,结合话题的新颖度和关注度,构建话题生命周期状态观测指标;其次,基于隐马尔可夫模型(HMM)和高斯混合模型(GMM)的原理,提出话题生命周期状态识别及趋势预测方法;最后,选用微博话题构建数据集,设计对比实验,验证方法的有效性.[结果/结论]基于GMM-HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87％,MAPE低于3.5％,相较于GaussianHMM和BP神经网络具有较大优势.

关键词：话题生命周期状态、话题状态识别、话题趋势预测、高斯混合隐马尔可夫模型

所属期刊栏目：43

分类号：G202(信息与传播理论)

资助基金：国家自然科学基金;国家自然科学基金;江苏省研究生科研与实践创新计划项目

在线出版日期：2023-03-08（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：26-32,41