基于GMM-HMM的话题生命周期状态识别及趋势预测方法

• 全文链接
• 请求原文

作   者：

朱恒民;  蔡婷婷;  魏静; 

作者机构：

南京邮电大学管理学院;  南京邮电大学经济与管理学院; 

关键词：

高斯混合隐马尔可夫模型;  话题状态识别;  话题趋势预测;  话题生命周期状态; 

期刊名称：

现代情报

i s s n：

1008-0821

年卷期：

2023 年 003 期

页   码：

26-32,41

摘   要：

[目的/意义]本研究对正处于演化过程中的话题进行状态识别及趋势预测，为相关部门了解话题现状，对话题进行有效监管提供科学依据。[方法/过程]首先，考虑网民情感，结合话题的新颖度和关注度，构建话题生命周期状态观测指标；其次，基于隐马尔可夫模型（HMM）和高斯混合模型（GMM）的原理，提出话题生命周期状态识别及趋势预测方法；最后，选用微博话题构建数据集，设计对比实验，验证方法的有效性。[结果/结论]基于GMM-HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87%,MAPE低于3.5%,相较于GaussianHMM和BP神经网络具有较大优势。