典型文献
基于图注意力网络的舆情演变预测研究
文献摘要：
要想实现对纷繁复杂的网络舆情的监控和管理,预防舆情危机的突发状况,一个关键的解决方案就是对网络舆情事件的发展趋势进行预测.然而,目前针对舆情演变预测的研究工作却十分有限,尤其是社交网络环境中的舆情演变预测.本文将评论文本的情感值作为演变预测的对象,利用情感词和舆情事件中评论文本的语义相似度,为事件发展的每个时间段都构造一个对应的图结构,再结合门控循环单元(GRU)与图注意力网络(GAT)对情感时间序列进行预测.为了验证模型的有效性,本文以Twitter中弗洛伊德事件的评论文本作为数据集,开展与基于图卷积网络的预测模型的对比实验.实验结果表明,本文提出模型的R2决定系数为0.569,平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)均小于基于图卷积网络的预测模型,能较好地实现舆情事件中评论文本的情感演变预测.
文献关键词：
情感演变预测;网络舆情;图注意力网络;时间序列
中图分类号：
作者姓名：
彭思琪;周安民;廖珊;周雨婷;刘德辉;文雅
作者机构：
四川大学网络空间安全学院,成都610064
文献出处：
引用格式：
[1]彭思琪;周安民;廖珊;周雨婷;刘德辉;文雅-.基于图注意力网络的舆情演变预测研究)[J].四川大学学报（自然科学版）,2022(01):103-110
A类：
情感演变预测
B类：
图注意力网络,舆情演变,预测研究,纷繁复杂,网络舆情,舆情危机,突发状况,舆情事件,社交网络,网络环境,评论文本,情感值,语义相似度,图结构,门控循环单元,GRU,GAT,验证模型,Twitter,弗洛伊德事件,图卷积网络,出模,决定系数,平均绝对误差,MAE,均方误差,RMSE
AB值：
0.268727
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
