APP下载

基于深度学习LSTM算法的社会网络的舆情监测

2021-01-18王民昆王浩苏博

现代计算机 2020年33期
关键词:单词信息模型

王民昆,王浩,苏博

(1.国家电网公司西南分部,成都610041;2.成都信息工程大学,成都610225)

0 引言

网络舆情的定义为在一定的社会空间内,围绕中介性社会事项的发生、发展和变化,作为舆情主体的民众对国家管理者产生和持有的社会政治态度。由于现目前信息化的普及,社交媒体提要、新闻博客、在线报纸等网络信息的大量涌现。网络舆情可以在突破空间和时间和的限制下进行高速传播,进而传播到世界各地,使其具有广泛的传播性。这样的广泛传播的民众意见即会被视为互联网的公众意见。如果我们能够动态地发现社会网络中的热点网络舆论,在高速地向那些寻求者提供有用的信息的同时,并且实时地监测这一热点网络舆论的趋势,就会对现实社会我的安全产生影响公众舆论。如果一些具有非真实性的网络舆情未被检测出来,就会对民众带来极大的负面态度以及情绪,以及在认识上和意愿上表现出多重不良影响,这就会给社交网络的安全安全带来严重的威胁[1]。因此,及时掌握网络舆情,正确认识其舆情动向十分重要。这也极大地推动了网络舆论检测的研究。

例如2013年4月23日,一个被盗的名为美联社的Twitter帐户四处报道白宫发生两起爆炸事件并且巴拉克·奥巴马受伤的假新闻。虽然美联社和白宫在几分钟后向民众保证该报告不真实,但是由于辟谣的滞后性,等到官方辟谣的时候,数百万用户的快速妄想导致由作者引起的严重的社会恐慌,直接导致股市损失1365亿美元,这是一起虚假信息的网络舆情,展示出社交媒体对虚假信息的脆弱性。……

登录APP查看全文

猜你喜欢

单词信息模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
看图填单词
订阅信息
看完这些单词的翻译,整个人都不好了
3D打印中的模型分割与打包
展会信息
单词拾趣
健康信息
健康信息(九则)