文献类型：期刊文章

作　　者：孙靖超[1] 周睿[2] 李培岳[3] 芦天亮[1]

SUN Jing-chao;ZHOU Rui;LI Pei-yue;LU Tian-liang(School of Information Technology ＆ Network Security,People＇s Public Security University of China,Beijing 100076,China;Institute of Public Safety Research Department of Engineering Physics,Tsinghua University,Beijing 100084,China;Graduate School,People＇s Public Security University of China,Beijing 100038,China)

机构地区：[1]中国人民公安大学信息技术与网络安全学院,北京100076 [2]清华大学工程物理系公共安全研究院,北京100084 [3]中国人民公安大学研究生院,北京100038

出　　处：《情报科学》

基　　金：国家自然科学基金应急管理项目(71741027);国家自然科学基金项目(61602489);国家重点研发计划"网络空间安全"重点专项(2017YFB0802804);中国人民公安大学2018年基本科研业务费科研机构项目(2018JKF504);中国人民公安大学2018年基本科研业务费科研机构项目(2018JKF317)

年　　份：2018

卷　　号：36

期　　号：8

起止页码：118-122

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】网络舆情预测由于对指导政府工作,维护社会稳定具有很高的现实意义,一直是网络安全领域研究工作的关注重点。但是网络舆情演化趋势复杂,影响因素众多,前人工作多考虑了单变量因素,忽视了多因素对趋势的影响,且前人采用的传统模型由于自身的局限性,针对非线性场景的预测很难收到较好效果。【方法/过程】为解决前人研究的不足,本文设计了一种基于循环神经网络的自适应学习率的网络舆情模型,根据舆情数据特点选取了多种特征构建了循环神经网络序列生成模型,针对循环神经网络模型收敛困难的问题,通过连续最优掷币策略自适应调节学习率来提高训练速度和预测精度。【结果/结论】实验结果表明,与传统方式和普通神经网络相比,本文方法有着更好的舆情预测效果。

关 键 词：网络舆情 循环神经网络 时间序列 舆情预测  

分 类 号：G206.3]