基于改进SMOTE算法与集成学习的舆情反转预测研究

摘要：

[目的]基于网络舆情事件展开分析,确定其属性特征及分类.当出现新的网络舆情事件时,可提前预测该事件是否会发生反转,既能帮助政府及时调整舆论导向,又能防止政府媒体的公信力受到负面影响.[方法]收集近5年发生的具有代表性的网络舆情事件,设计改进的SMOTE算法对事件数据集进行平衡分布处理,构建基于神经网络集成学习的舆情反转预测模型,并采用精确率、召回率等指标对模型的预测效果进行评估.选取2020年最新发生的网络舆情事件案例对提出的模型进行测试,进一步揭示所构建的反转预测模型的内在机制.[结果]通过实证研究,构建的神经网络集成学习分类模型准确率达99％,F值和AUC值均为0.99,验证了模型的可行性和较强的泛化性能.[局限]只选取舆情反转事件的部分特征进行研究,对未来发生的舆情反转事件表征不够全面.[结论]所构建的舆情反转预测模型可以提前准确预测舆情事件是否会发生反转.

关键词：舆情反转、SMOTE算法、神经网络、集成学习、实证研究

所属期刊栏目：5

分类号：G353(情报学、情报工作)

资助基金：吉林省教育厅十三五科学技术研究项目;吉林省教育科学规划课题;国家自然科学基金

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：37-48