隨著全球信息化程度的不斷加深和我國5G網(wǎng)絡(luò)建設(shè)的大力推進(jìn),信息安全保障已成為維護(hù)國家安全和社會(huì)穩(wěn)定的重要任務(wù),網(wǎng)絡(luò)輿情的爆炸式增長給當(dāng)前網(wǎng)絡(luò)安全保衛(wèi)工作帶來了嚴(yán)峻的挑戰(zhàn)。本文以基層公安工作實(shí)踐中使用的輿情監(jiān)測(cè)數(shù)據(jù)為樣本,通過jieba算法進(jìn)行分詞處理并利用Word2Vec算法進(jìn)行特征提取,搭建了基于神經(jīng)網(wǎng)絡(luò)的TextRCNN模型,實(shí)現(xiàn)了對(duì)海量輿情信息的自動(dòng)判別。本文搭建的輿情預(yù)警系統(tǒng)實(shí)現(xiàn)了機(jī)器識(shí)別代替人工篩查的目的,可大幅降低基層公安隊(duì)伍的工作量,提升風(fēng)險(xiǎn)研判的時(shí)效性與準(zhǔn)確率。 

【文章來源】：廣東公安科技. 2020,28(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

CNN神經(jīng)網(wǎng)絡(luò)模型

Skip-gram模型與CBOW模型

Text RCNN（循環(huán)卷積神經(jīng)網(wǎng)絡(luò)）模型融合了RNN與CNN的優(yōu)點(diǎn)，Text RCNN網(wǎng)絡(luò)將CNN的池化層修改為RNN的雙向LSTM，雙向LSTM之后的結(jié)果繼續(xù)拼接起來進(jìn)行卷積整合；整合后的結(jié)果接著池化，進(jìn)入全連接層輸出為分類結(jié)果。本文使用的Text RCNN模型嵌入層采用與CNN一致的嵌入層，卷積層仍使用Text RCNN模型雙向LSTM構(gòu)建，但修改了Text RCNN的卷積激活函數(shù)“Tanh”為“Relu”，池化層使用Maxpooling和Average Pooling兩種池化層進(jìn)行池化。由于本系統(tǒng)實(shí)踐對(duì)象為二分類問題，所以在輸出層將softmax函數(shù)換成了sigmoid函數(shù)。如圖4所示。圖4 改進(jìn)的Text RCNN神經(jīng)網(wǎng)絡(luò)模型

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)空大數(shù)據(jù)的重大疫情類突發(fā)事件網(wǎng)絡(luò)輿情研判體系研究[J]. 徐迪.  現(xiàn)代情報(bào). 2020(04)
[2]基于多維度的公安輿情分析模型構(gòu)建[J]. 王浩.  情報(bào)探索. 2020(03)
[3]基于微博數(shù)據(jù)的酒店偷拍事件網(wǎng)絡(luò)輿情關(guān)注特點(diǎn)研究——以“酒店稱八成有針孔攝像頭”事件為例[J]. 張?zhí)鹛?張世揚(yáng).  新聞研究導(dǎo)刊. 2020(05)
[4]基于微博數(shù)據(jù)的“新冠肺炎”互聯(lián)網(wǎng)輿情分析[J]. 高潔,楊寶龍,賴思宇,武虹,趙立新,楊逸萌.  今日科苑. 2020(02)
[5]基于FastText的短文本分類[J]. 王光慈,汪洋.  電子設(shè)計(jì)工程. 2020(03)
[6]基于文本挖掘的網(wǎng)絡(luò)熱點(diǎn)輿情分析——以問題疫苗事件為例[J]. 劉寧,陳凌云,熊文濤.  湖北工程學(xué)院學(xué)報(bào). 2019(06)



本文編號(hào)：3001232