来源：期刊VIP网 时间：
作者：王敏;汪旭;
单位：南昌大学;南昌航空大学;
摘要：为提高舆情风险预测的准确性和效率，提出一种基于注意力机制与双向长短期记忆（BiLSTM）网络相结合的舆情感知模型。该方法通过结合BiLSTM的双向建模能力与注意力机制的特征聚焦能力，精准捕捉舆论数据中的情感波动和上下文语义特征，从而提升舆情风险的预测精度。同时以“高考冒名顶替”事件为样本，展开网络舆论数据分析。通过与ELM、随机森林、决策树、LSTM、BiGRU和BiLSTM等多种主流算法进行对比实验，验证所提模型的有效性和优越性。在算法设计中，注意力机制的引入有效地提升了模型在长文本情感分类中的表现，能够精确捕捉情感变化的关键节点。实验结果表明，所提出的预测模型能够有效地识别出舆情风险，准确率达到94.87%，相比于表现最优的BiGRU算法提高了约5.75%。
关键词：舆情风险预测;;情感识别;;自然语言处理;;双向长短期记忆网络;;注意力机制;;文本分类
基金资助：2023年江西省社会科学基金项目（23XW09）
