食品安全网络舆情评估与预警算法研究

• 作 者: 陈海山
• 出 处: 天津科技大学
• 发表日期: 2019年01期
• 关键词: 食品安全 网络舆情评估与预警 指标体系 正则化 长短时记忆网络

伴随着互联网的高速发展,自媒体也快速发展,网络舆情越来越受社会关注。因食品安全关系国计民生,所以食品安全网络舆情一直都是社会热点。尤其近几年,各种食品安全网络舆情事件数量激增,引起了国家的高度重视。食品安全网络舆情评估与预警是舆情分析的重要内容,本文对网络舆情评估与预警方法展开研究,构建食品安全网络舆情指标体系和舆情评估与预警模型,对于食品行业稳定发展与社会和谐具有重要的意义。合理、可测的指标体系是构建食品安全网络舆情评估与预警模型的基础和首要条件,目前的食品安全网络舆情评估与预警指标体系对主题属性和传播扩散指标考虑不全面,未深入考虑舆情自身特性和演化规律。针对以上问题,将主题属性和传播扩散作为一级指标加入舆情指标体系,构建了以主题属性、舆情来源、舆情内容要素、舆情受众、舆情传播扩散为一级指标的食品安全网络舆情评估与预警指标体系。其中主题属性指标更好的把握到舆情事件自身特性及背景,传播扩散指标可以挖掘到舆情的演化规律和过程。在指标体系合理构建的基础上,本文研究了食品安全网络舆情评估与预警算法。现有网络舆情评估与预警算法对于捕捉数据序列特征和数据序列的长期依赖关系存在不足之处,而且在训练过程中可能出现过拟合和梯度消失问题。针对以上问题,基于LSTM(Long Short Term Memory,长短时记忆网络)模型,利用正则化的方法构建了 Re-LSTM(Regularization LSTM)食品安全网络舆情预警模型。目前的网络舆情威胁等级评估模型过于传统单一,本文基于LSTM模型构建了 BiLSTM(Binary LSTM,双层长短时记忆网络)食品安全网络舆情威胁等级评估模型,并进行了实验和分析。实验结果表明此次构建的模型不仅能够提高舆情评估与预警的准确率,而且能够更好的避免梯度消失和过拟合问题。最后开发了一个食品安全网络舆情评估与预警系统,实现了从数据采集到数据分析整个流程,收集了微博和新闻舆情数据,并基于Re-LSTM和BiLSTM算法进行了食品安全网络舆情评估与预警,效果良好。