超级会员免费看
摘要
【目的】 当新的舆情事件出现时,准确高效地预测出该事件是否会发生反转。【方法】 首先,根据舆情反转事件反转点前的演化特点及演化过程构建事件特征;其次,通过设计聚类中心数自动寻优过程提出改进的KE-SMOTE算法,对正负样本分布悬殊的事件集合进行均衡处理;
本文提出改进的KE-SMOTE算法，用于处理舆情反转事件的预测问题。通过对舆情事件特征的分析，删除了依赖事件全程的特征，增加了事件当事人身份和次生舆情等特征。改进的KE-SMOTE算法通过自动寻优聚类中心，提高了样本均衡处理的效果。构建的集成学习分类模型在测试集上的预测准确率达到99.7%，所有反转事件均被正确预测。此外，文章讨论了模型的局限性和未来研究方向，包括特征的有效性和数据集大小对模型性能的影响。
订阅专栏 解锁全文
222
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
