论文题目：基于深度学习的农业舆情主题分类及其演化趋势的风险评估
摘要：农业关乎民生,网络传递民意。农产品安全及其价格等相关信息关系到广大民众的生计与健康,更容易在各种网络平台引发网民的普遍关注和热烈讨论,产生不同程度的网络舆情事件。网络信息源稂莠不齐、信息和内容有时真假难辨,与食品安全等相关的农业网络舆情更容易出现羊群效应和负面情绪集聚的不良状况,对产业健康发展和社会安定和谐有潜在的风险和隐患。如何及时准确的掌握网络舆情热点问题,了解民众关切,科学评估舆情发展动态,有效防控舆情潜在风险,是具有重要理论意义和实际应用价值的科学研究问题。本文综合运用深度学习、复杂网络以及风险评估等方法和理论,对农业网络舆情的热点发现与话题分类方法与技术、舆情演化与扩散过程的模型构建与仿真实验进行了较为全面和深入的研究,在此基础上构建了舆情风险评估指标体系和风险等级划分方法,结合近年来的“非洲猪瘟”事件相关舆情进行实证案例分析,论证了本文模型方法的有效性。具体研究内容和研究结果如下:（1）运用LDA模型分析实现农业网络舆情的热点发现与主题分类,并构建基于注意力机制的长短期记忆网络（LSTM-ATTN）模型实现各主题热度变化趋势的预测。针对各类网络平台农业舆情信息数量庞大内容繁多,难以准确把握舆情的关键主题及其发展变化规律等问题,首先运用LDA主题模型进行农业舆情关键词分析及主题分类,提取出舆情事件中相对独立的热点话题。然后构建引入注意力机制的LSTM-ATTN模型,实现对各主题热度变化的科学预测。对“非洲猪瘟”舆情事件的实证分析中,预测结果与实际数据的MAPE误差最大值仅为11.3%,该LSTM-ATTN模型较传统LSTM模型具有更高的预测准确性和较快的收敛速度。上述研究成果不仅能实现较为准确的舆情主题分类和热度预测,同时对后续的舆情演化趋势分析和风险评估奠定科学的数量化评估依据。（2）构建了改进的E-SEIR模型,实现对农业网络舆情传播过程中网民情感演化和舆情信息扩散特征的建模和仿真。在传染病模型SEIR中,创新性嵌入网民的情感演化过程,将个体情感倾向的影响通过信息传播概率作用于舆情扩散过程,并充分考虑舆情传播过程中从众心理、以及职能部门导控策略等实际情况进行了个体状态转移规则的改进。通过仿真深入分析了网民情感倾向、关键意见领袖、以及舆情初期情感倾向分布等关键因素对舆情传播和演化趋势的影响作用。以上研究通过模拟舆情传播过程为舆情演化和发展趋势的科学研判提供了基础,也为舆情风险评估提供科学的量化指标。（3）综合舆情事件内容和性质,以及网民态度和舆情演化趋势等各类重要影响因素,构建了农业网络舆情风险评估指标体系,并通过灰色关联分析实现舆情事件发展不同阶段的风险等级合理划分。该指标体系包含舆情事件性质、网民关注度、网民情感倾向以及关键意见领袖作用力四个一级指标和12个二级指标,涵盖了舆情事件涉及的各类主体和相关影响因素,充分结合舆情事件实时统计数据和未来发展趋势预测数据进行科学的风险评估,实现舆情发展不同阶段的风险等级划分,并对风险防控策略进行模拟实验和效果分析。针对农业网络舆情研究的现实需求,本文实现了网络舆情的热点话题分类和热度变化趋势预测,通过改进SEIR模型实现了舆情信息扩散和网民情感演化过程的建模和仿真,并结合舆情实时统计数据和演化趋势预测数据,实现了舆情事件的分阶段风险等级划分和科学评估,本文的研究进一步丰富和发展了农业网络舆情研究的建模分析方法和量化分析手段,有助于揭示和发现农业网络舆情发生、发展的规律,为科学的舆情风险评估和风险防控提供科学的依据。
关键词：农业网络舆情;热点话题分类;LSTM-ATTN模型;热度预测;舆情传播;舆情风险评估
学科专业：管理科学与工程
摘要
Abstract
1 引言
1.1 研究背景
1.2 研究目的及意义
1.2.1 研究目的
1.2.2 理论意义
1.2.3 现实意义
1.3 国内外研究综述
1.3.1 网络舆情热点研究现状
1.3.2 舆情演化与扩散研究现状
1.3.3 网络舆情风险评估研究现状
1.3.4 农业网络舆情研究综合评述
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.4.3 技术路线
1.5 创新点
2 农业网络舆情分析基本理论与方法研究
2.1 舆情事件热点话题分析方法与技术
2.1.1 网络爬虫技术
2.1.2 LDA主题模型
2.1.3 LSTM长短期记忆网络
2.2 舆情演化与扩散过程的建模分析方法
2.2.1 复杂网络理论
2.2.2 传染病模型
2.3 本章小结
3 基于LSTM-ATTN的农业舆情主题分类及热度预测模型
3.1 农业舆情数据获取及数据处理
3.1.1 “非洲猪瘟”舆情事件概述
3.1.2 网络舆情数据获取
3.1.3 数据预处理
3.2 基于LDA模型的热点主题提取与分类
3.2.1 主题数目确定
3.2.2 主题提取与归纳
3.2.3 主题热度分析
3.3 基于LSTM-ATTN模型的舆情主题热度预测
3.3.1 LSTM-ATTN模型原理及改进
3.3.2 舆情事件关键主题的热度预测
3.4 本章小结
4 基于情感演化的舆情传播模型E-SEIR的构建
4.1 基于情感演化的农业舆情传播模型构建
4.1.1 E-SEIR模型状态转移规则的改进
4.1.2 基于情感演化的舆情传播E-SEIR数学模型
4.1.3 传播者概率变化规则的改进
4.1.4 舆情传播过程中网民情感演化规则
4.1.5 传播网络拓扑结构
4.1.6 E-SEIR模型仿真实验流程
4.2 基于仿真实验的舆情传播关键影响因素分析
4.2.1 仿真实验平台及其设置
4.2.2 舆情传播关键影响因素分析
4.3 基于E-SEIR模型的农业网络舆情实证分析
4.3.1 数据收集及模型分析
4.3.2 实证分析结果讨论
4.4 本章小结
5 农业网络舆情风险评估指标体系与评估模型
5.1 农业网络舆情风险评价指标体系构建
5.1.1 舆情事件性质指标
5.1.2 网民关注度指标
5.1.3 网民情感倾向指标
5.1.4 关键意见领袖作用力指标
5.2 农业网络舆情风险评估模型及风险等级划分
5.2.1 基于灰色关联分析的风险评估模型
5.2.2 舆情风险等级划分案例分析
5.3 基于E-SEIR模型仿真的风险管控方法分析
5.3.1 信息披露对舆情演化的影响分析
5.3.2 强化监管对舆情演化的影响分析
5.4 本章小结
6 结论与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献