舆情监测与预测：TF-IDF、高斯与SEPPM模型在大学生建模竞赛中的应用

该文档是2020年第五届“数维杯”大学生数学建模竞赛的一篇论文，团队编号为202032174。论文聚焦于自媒体环境下舆情监测情感倾向的分析与研究。主要探讨了四个核心问题： 1. 问题1：舆情关键词分析 - 通过TF-IDF算法，研究人员筛选出电池汽车领域中最常提及的50个词汇，发现舆论主要关注电动车科技和品牌，这有助于企业把握公众舆论焦点。 2. 问题2：话题热度预测 - 利用高斯模型和Gamma分布对舆情话题热度进行趋势分析，通过对数据争论、点击量等指标的考量，实现话题热度的准确预测。 3. 问题3：舆情传播干预 - 基于SEPPM模型构建舆情传播模型，通过MATLAB获取不同话题的参数估计值，发现舆情传播形态与关键参数密切相关。政府的有效干预可以通过均衡热点事件来引导舆论向积极方向发展。 4. 问题4：舆情处理等级划分 - 作者构建了一种层次结构模型，利用层次分析法确定舆情处理的四个等级（蓝色、黄色、橙色和红色），根据传播时间、规模和网民情感倾向的综合影响，计算权重。 论文的关键技术包括TF-IDF算法、高斯模型、Gamma模型、SEPPM模型以及层次分析法，这些工具被应用于舆情分析和管理中，以帮助企业更好地应对网络舆论，维护品牌形象。整个研究过程严谨且具有实际应用价值，体现了参赛团队在数学建模领域的深入理解和实践能力。