基于BERT-LDA模型的新冠肺炎疫情网络舆情演化仿真

被引：24

作者：

庄穆妮 ^{[1
,2
]}

李勇 ^{[1
,3
]}

谭旭 ^{[1
,2
]}

毛太田 ^{[1
]}

蓝凯城 ^{[2
]}

邢立宁 ^{[4
]}

机构：

[1] 湘潭大学公共管理学院

[2] 深圳信息职业技术学院软件学院

[3] 长沙学院经济与管理学院

[4] 国防科技大学系统工程学院

来源：

系统仿真学报 | 2021年 / 33卷 / 01期

关键词：

新冠肺炎疫情; BERT-LDA模型; 舆情演化仿真; 差异性比较;

D O I：

10.16182/j.issn1004731x.joss.20-0690

中图分类号：

R181.8 [疫情管理]; TP391.1 [文字信息处理];

学科分类号：

100401 ; 081203 ; 0835 ;

摘要：

构建大规模网络舆情演化仿真模型,对新冠疫情武汉重灾区与全国其他地区采取差异化的应急管理和舆情疏导具有指导价值。为实现主题细粒度的舆情情感演化仿真,将LDA(Latent Dirichlet Allocation)主题模型与BERT(Bidirectional Encoder Representations from Transformers)词向量深度融合,优化主题向量助力文本主题聚类;同时,在改进BERT预训练任务的基础上,叠加深度预训练任务,以提高模型在情感分类中的精确度。结果表明:在主题向量训练过程中,改进的BERT-LDA模型较原始LDA模型NPMI(Normalized Pointwise Mutual Information)值提升0.357;在疫情事件情感分类任务上,AUC(Area Under the Curve)值超过了99.6%,证明其能够有效运用于大规模网络舆情演化仿真。

引用

页码：24 / 36

页数：13

共 7 条

[1] 重大突发公共卫生事件中的伪信息传播、治理困境及其突破路径——以新冠肺炎疫情为例 [J].