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
需积分: 5 144 浏览量
更新于2024-06-17
收藏 1.04MB PDF 举报
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。
191 浏览量
219 浏览量
138 浏览量
Matlab科研辅导帮
- 粉丝: 3w+
- 资源: 7793
最新资源
- MATLAB实现小波阈值去噪:Visushrink硬软算法对比
- 易语言实现画板图像缩放功能教程
- 大模型推荐系统: 优化算法与模型压缩技术
- Stancy: 静态文件驱动的简单RESTful API与前端框架集成
- 掌握Java全文搜索:深入Apache Lucene开源系统
- 19计应19田超的Python7-1试题整理
- 易语言实现多线程网络时间同步源码解析
- 人工智能大模型学习与实践指南
- 掌握Markdown:从基础到高级技巧解析
- JS-PizzaStore: JS应用程序模拟披萨递送服务
- CAMV开源XML编辑器:编辑、验证、设计及架构工具集
- 医学免疫学情景化自动生成考题系统
- 易语言实现多语言界面编程教程
- MATLAB实现16种回归算法在数据挖掘中的应用
- ***内容构建指南:深入HTML与LaTeX
- Python实现维基百科“历史上的今天”数据抓取教程