来源：期刊VIP网 时间：
作者：郑小丽;
单位：南昌大学科学技术学院;
摘要：针对现有舆情监督方法在上下文语义理解、时序动态建模以及早期预警方面的不足，文中提出一种融合改进语言识别与时序推演的动态分析模型。在舆情感知方面，该模型设计提出了一种BERT-TextCNN混合情感识别算法，通过改进BERT深度捕捉全局上下文语义，并结合TextCNN提取局部关键情感特征，从而为精准感知奠定基础。对于时间序列的分析，设计构建了一种引入注意力机制的长短期记忆（Att-LSTM）网络模型，用于对情感时序序列进行建模，该机制能够动态加权关键历史信息，从而精确捕捉舆情演变的拐点与趋势。实验结果表明，所提模型的情感分类准确率可达94.9%，显著优于传统基线模型。在时序预测任务中，对未来3步预测的均方根误差低至0.084，相较于ARIMA模型的性能提升明显，充分验证了所提技术方案在舆情感知敏感性、演进趋势预测准确性以及敏感信息早期预警方面的优越性与实用价值。
关键词：长短期记忆网络;;舆情感知;;时序数据分析;;情感识别;;注意力机制;;演进预测
基金资助：江西省高校人文社会科学研究专项项目：红色文化育人研究（HSWH25020）
