易杰，曹騰飛，黃明峰，黃肖翰，張子震

1. 青海大學(xué)計算機技術(shù)與應(yīng)用系，青海 西寧 810016；

2. 云上貴州大數(shù)據(jù)產(chǎn)業(yè)發(fā)展有限公司，貴州 貴陽 550081

0 引言

隨著互聯(lián)網(wǎng)通信技術(shù)的快速發(fā)展，多樣的新媒體平臺（如微博、抖音、貼吧等平臺）將信息及時推送給用戶，使得社會發(fā)生的實時新聞能迅速傳播。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的第47次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》統(tǒng)計，截至2020年12月，我國網(wǎng)民規(guī)模達9.89億，其中學(xué)生占比最高[1]，達到21%。新時代下高校學(xué)生作為互聯(lián)網(wǎng)用戶的主要群體，在網(wǎng)絡(luò)上的參與度以及活躍度比較高。當(dāng)高校突發(fā)一些熱點事件時，由于高校學(xué)生思想活躍并且樂于表達自我看法，實時熱點問題會引發(fā)激烈的討論[2]。若輿情信息的價值取向是負(fù)面的，則極易帶偏高校學(xué)生的思想觀念，從而引發(fā)一系列高校輿情管理問題，高校輿情管理的重要性不言而喻[3]。

近些年，高校輿情事件頻頻發(fā)生，其中輿情信息的主題主要圍繞社會時事、校園安全、師風(fēng)師德、學(xué)術(shù)造假等方面，例如研究生校內(nèi)身亡、高校實驗室爆炸、學(xué)生違紀(jì)違法等事件。在事情的真相還未正式公布時，網(wǎng)絡(luò)上各種評論的助推極易導(dǎo)致錯誤的輿情發(fā)展方向，引發(fā)一系列高校以及社會輿情管理問題[4]。高校輿情發(fā)展一般是階段性的，初期由個別大學(xué)生在網(wǎng)絡(luò)上發(fā)布自己對某個問題的想法，而后隨著時間的推移，逐漸引起大范圍的關(guān)注，引發(fā)更多的討論。一般情況下，網(wǎng)絡(luò)輿情的發(fā)展趨勢遵循新聞傳播學(xué)中的“沉默螺旋效應(yīng)”，大多數(shù)人支持的意見會因為更多的人贊同而越來越流行；而少數(shù)人支持的觀點會逐漸減少直至最后消失[5]?；诖嗽恚糨浨榈陌l(fā)展趨勢能比較及時、準(zhǔn)確地被預(yù)測，高校有關(guān)部門就能在短時間采取相應(yīng)的應(yīng)對措施，合理地解決問題，以達到對輿情發(fā)展進行管控的目的。因此，對高校輿情的發(fā)展趨勢進行預(yù)測，有助于新媒體時代下的大學(xué)校園完善管理體系，及時預(yù)測輿情發(fā)展趨勢并加以正確的引導(dǎo)[6]，能極大地提升高校對突發(fā)輿情事件的處置水平[7-8]。

基于上述分析，對輿情熱度的預(yù)測分析顯得尤為重要，不僅關(guān)乎高校學(xué)生的思想健康發(fā)展，而且關(guān)乎整個社會的價值觀取向和穩(wěn)定性。由于輿情信息的發(fā)展一般會隨著時間變化，當(dāng)獲取到輿情的時序數(shù)據(jù)后，需要對數(shù)據(jù)進行分析處理，找到數(shù)據(jù)的變化和發(fā)展趨勢，對未來輿情事態(tài)的發(fā)展做出預(yù)測，以便及時管控。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，在大數(shù)據(jù)和人工智能等技術(shù)的推動下，時序數(shù)據(jù)處理的有效性逐漸提高。因此，本文利用長短期記憶網(wǎng)絡(luò)（long short-term memory，LSTM）對時序數(shù)據(jù)處理的有效性，研究基于時間編碼的LSTM模型。LSTM對時序數(shù)據(jù)的處理具有極大的優(yōu)勢，但是其只考慮了數(shù)據(jù)相對的先后順序，不包含絕對的時間意義，如LSTM在自然語言處理任務(wù)上的應(yīng)用[9]。對輸入數(shù)據(jù)加入時間編碼，即在使用LSTM處理數(shù)據(jù)時，同時考慮熱點話題發(fā)生的具體時間，以實現(xiàn)對高校輿情熱點的精準(zhǔn)預(yù)測。與支持向量機（support vector machine，SVM）和循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network，RNN）兩種模型的預(yù)測結(jié)果進行對比發(fā)現(xiàn)，基于時間編碼的LSTM在熱度預(yù)測準(zhǔn)確率上具有明顯優(yōu)勢。

1 相關(guān)工作

1.1 輿情分析和預(yù)測

高校輿情經(jīng)常引發(fā)全社會的廣泛關(guān)注，而輿情的正確引導(dǎo)對于高校管理以及社會的穩(wěn)定發(fā)展有著十分重要的意義。參考文獻[10]針對高校在輿情管理和引導(dǎo)工作中遇到的挑戰(zhàn)與問題，構(gòu)建以“大數(shù)據(jù)”為支撐、新媒體為載體、機制創(chuàng)新為保障的“三位一體”的輿情管理和引導(dǎo)的工作模式，營造了良好的校園輿論生態(tài)環(huán)境。該參考文獻考慮了高校輿情對學(xué)生意識形態(tài)管理的意義，并提出引導(dǎo)輿情向正確方向發(fā)展的策略，然而其在輿情發(fā)展趨勢預(yù)測方面的考慮不足，導(dǎo)致難以有效地引導(dǎo)輿情的發(fā)展[11-13]。在網(wǎng)絡(luò)輿情預(yù)測的研究方面，參考文獻[14]針對區(qū)間猶豫模糊集在描述決策信息時會導(dǎo)致決策信息重要性程度降低這一問題，構(gòu)建了一種基于概率區(qū)間猶豫模糊幾何算子的多屬性群決策模型，且通過網(wǎng)絡(luò)輿情預(yù)測系統(tǒng)的選擇實例驗證了所提決策模型是可行和有效的。秦濤等人[15]提出一種基于排序?qū)W習(xí)的輿情事件演化趨勢重要性評估算法。在模型訓(xùn)練過程中，充分利用標(biāo)注數(shù)據(jù)中的專家知識以及有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)的關(guān)聯(lián)關(guān)系，篩選出重要輿情事件并進行管控，提升了資源的利用效能。參考文獻[16]以網(wǎng)絡(luò)流文本為對象，通過分析網(wǎng)絡(luò)話題內(nèi)容焦點的遷移特性，提出了網(wǎng)絡(luò)話題內(nèi)容焦點的識別方法。上述方法由于模型訓(xùn)練未考慮輿情事件的動態(tài)變化性，預(yù)測準(zhǔn)確率不高，還需要進一步增強模型的適應(yīng)性。

1.2 輿情時序數(shù)據(jù)處理

由于輿情熱度數(shù)據(jù)按照時間序列變化，劉定一等人[17]針對單一模型預(yù)測精度不高和社交媒體對輿情走勢影響較大的問題，提出了融合微博熱點分析和LSTM的輿情預(yù)測方法。然而特征集的數(shù)量較少，網(wǎng)絡(luò)輿情謠言識別的準(zhǔn)確率還有待提高。笱程成等人[18]利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)對社交消息的傳播過程進行建模，提出了SMOP模型。該模型由于優(yōu)化目標(biāo)單一，未考慮通過聯(lián)合建模優(yōu)化來進一步提升預(yù)測準(zhǔn)確率。彭丹蕾等人[19]針對如何高效挖掘處理大量評論數(shù)據(jù)并進行情感分析的問題，采用SVM和LSTM分別對從京東網(wǎng)站爬取的商品評論進行建模。由于情感分析涉及的學(xué)科跨度比較大，并且采集的數(shù)據(jù)集比較單一，該模型適應(yīng)性不強。為了有效監(jiān)控和管理新型冠狀病毒肺炎疫情引起的網(wǎng)絡(luò)輿情，景楠等人[20]基于差分自回歸移動平均（autoregressive integrated moving average，ARIMA）模型以及LSTM預(yù)測和分析輿情數(shù)據(jù)，對輿情模型進行參數(shù)估計、模型診斷和模型評價。由于未考慮各地區(qū)疫情發(fā)展的影響因素不同，該模型適應(yīng)性不足。張?zhí)盏热薣21]針對無屬性社交網(wǎng)絡(luò)的節(jié)點分類問題，提出了一種基于圖嵌入與SVM的社交節(jié)點分類方法。由于采用靜態(tài)的社交網(wǎng)絡(luò)數(shù)據(jù)集進行模擬，該方法對動態(tài)社交網(wǎng)絡(luò)的適應(yīng)性不足，應(yīng)用范圍受到限制。針對方面情感，宋婷等人[22]提出基于方面情感分析的深度分層注意力網(wǎng)絡(luò)模型，利用改進的LSTM獲取句子內(nèi)部和句子間的情感特征。由于未包含跨領(lǐng)域的詞匯和網(wǎng)絡(luò)用語句子的方面情感分析，該模型的情感分類效果有待進一步提高。

根據(jù)以上分析，現(xiàn)有的時序數(shù)據(jù)處理模型存在算法預(yù)測精確度不夠高、特征集和數(shù)據(jù)集比較單一的問題，并且很少結(jié)合輿情數(shù)據(jù)動態(tài)更新預(yù)測值。本文在對高校輿情數(shù)據(jù)進行處理時，利用關(guān)鍵詞匹配全面考慮高校的相關(guān)信息，目的在于提高對高校輿情信息預(yù)測的準(zhǔn)確率。結(jié)合時間編碼方法，對輿情熱度數(shù)據(jù)的絕對時間因素進行分析，可以解決L S T M處理時序數(shù)據(jù)時僅考慮數(shù)據(jù)先后關(guān)系的問題。同時利用實時輿情數(shù)據(jù)動態(tài)更新預(yù)測值，使得預(yù)測精確率進一步提升。本文提出基于時間編碼L STM的高校輿情熱點趨勢預(yù)測研究方法，動態(tài)調(diào)整評估參數(shù)。本文研究主要包括以下5個方面：一是獲取微博熱搜數(shù)據(jù)集合；二是通過降維、篩選、升維3種方法對數(shù)據(jù)集進行處理；三是將熱點話題的時間編碼加入數(shù)據(jù)集并進行歸一化處理；四是生成訓(xùn)練集和測試集，利用訓(xùn)練集訓(xùn)練模型并生成預(yù)測模型，再利用測試集進行模型預(yù)測；五是對比分析預(yù)測值與真實值，最后評估各個模型的性能，驗證了基于時間編碼的L S T M在輿情熱點時序數(shù)據(jù)處理方面的優(yōu)越性。

2 模型介紹

2.1 LSTM模型

RNN在時序數(shù)據(jù)處理過程中會保留之前所有輸入數(shù)據(jù)信息。一方面，隨著后序數(shù)據(jù)的輸入，先前的輸入對模型隱含層的影響會越來越小，即長距離的依賴問題；另一方面，一些不重要的信息將被RNN保留。為了克服上述困難，LSTM被提出，該模型具有保持長期記憶性的特點，在時序數(shù)據(jù)處理方面具有良好的性能，LSTM結(jié)構(gòu)如圖1所示。LSTM模型的構(gòu)建如下。

圖1 LSTM結(jié)構(gòu)

首先，對輸入數(shù)據(jù)xi-1和隱含狀態(tài)hi-1進行運算，得到LSTM的遺忘門，如式（1）所示：

在式（1）中，對輸入數(shù)據(jù)xi-1、隱含狀態(tài)hi-1與遺忘門的權(quán)重W1進行線性運算，b1表示引入的偏置項，再經(jīng)過sigmoid激活函數(shù)引入非線性元素，此時C?(0,)1。C越大，記憶的部分越大。將C與當(dāng)前的長期記憶狀態(tài)ci-1相乘并輸出，即遺忘門的輸出表示對長期記憶狀態(tài)的記憶程度，如式（2）所示：

接下來計算LSTM的輸入門部分，圖1中si表示輸入門的sigmoid神經(jīng)網(wǎng)絡(luò)層，符號×表示點乘運算操作，激活函數(shù)tanh將輸入的新信息歸一化到(-1,1)，通過點乘運算對信息進行縮放，決定保留哪些新信息，如式（3）、式（4）所示：

通過上述過程，LSTM模型可以完成對已有長期記憶元素的更新，如式（6）所示：

其中，ci將被用于下一層LSTM的計算。與RNN相比，LSTM在輸出時也進行了一定的改進。LSTM在輸出時綜合考慮了當(dāng)前長期記憶和當(dāng)前輸入數(shù)據(jù)的影響，如式（7）所示：

使用tanh函數(shù)激活當(dāng)前長期記憶結(jié)果的值，得到LSTM的實際輸出，yi-1表示當(dāng)前時刻的話題熱度。

2.2 損失函數(shù)與優(yōu)化

在訓(xùn)練模型時，需要將損失函數(shù)的值降至較低水平，以提高模型性能。損失函數(shù)是衡量神經(jīng)網(wǎng)絡(luò)性能的重要參考指標(biāo)，通常損失函數(shù)在測試集上的結(jié)果越小，模型的性能越好。常用的損失函數(shù)有適用于回歸問題的均方誤差（mean square error，MSE）損失函數(shù)和適用于分類問題的交叉熵（cross entropy）損失函數(shù)等。對高校熱點輿情話題的預(yù)測屬于回歸問題，因此將MSE作為損失函數(shù)，如式（9）所示：

時序數(shù)據(jù)通常具有隱含關(guān)系。通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，挖掘數(shù)據(jù)的潛在特征，從而實現(xiàn)對數(shù)據(jù)的預(yù)測，即神經(jīng)網(wǎng)絡(luò)目標(biāo)是一個回歸任務(wù)。因此選擇MSE對損失函數(shù)進行優(yōu)化，提升模型性能。

2.3 評價指標(biāo)

除了M S E，還可將平均絕對誤差（mean absolute error，MAE）和平均絕對百分比誤差（mean absolute percentage error，MAPE）作為模型的評價指標(biāo)。

MAE表示預(yù)測值與真實值之間的誤差平均絕對值，如式（10）所示：

MAE能更好地反映預(yù)測值誤差的實際情況（已經(jīng)經(jīng)過歸一化）。模型測試數(shù)據(jù)的MAE越大，預(yù)測誤差越大。MAPE表示預(yù)測值與真實值的平均差距百分比，如式（11）所示：

值得注意的是，一個較好的評估模型的MAPE值應(yīng)該為0，其表示預(yù)測值與真實值之間沒有差別。

3 實驗與分析

3.1 數(shù)據(jù)集的獲取

本研究使用的數(shù)據(jù)集來自新浪微博熱搜榜，由于微博是一個實時信息交流分享平臺，一旦輿情信息出現(xiàn)，將在短時間內(nèi)迅速傳播，因此分析微博熱搜數(shù)據(jù)的熱度變化趨勢具有重要的研究意義。

具體的熱度數(shù)據(jù)采集過程如下，首先通過Python框架對頁面內(nèi)容進行解析，并定義需爬取的字段，接著從某個時刻開始，每間隔15 min對熱搜榜數(shù)據(jù)進行一次爬取，例如從0:00起，采集0:00、0:15、0:30等時間點的數(shù)據(jù)。如果熱點話題仍在熱搜榜上，就繼續(xù)采集并添加熱度值；否則，將新上榜的熱搜數(shù)據(jù)添加至表中，最后保存所收集的數(shù)據(jù)，用于后續(xù)實驗分析。熱搜榜每次顯示50個熱點話題，按照其搜索熱度進行排名。

由于研究對象是包含時間序列關(guān)系的話題名和熱度值，因此將收集到的數(shù)據(jù)按照時間變化存儲，對于某時刻不在熱搜榜的話題，其在該時刻的熱度為空。最終用于實驗仿真的數(shù)據(jù)包含排名、關(guān)鍵詞、熱度、熱度標(biāo)識、時間5個維度，共15 000余條數(shù)據(jù)。整理收集到的數(shù)據(jù)，部分熱搜數(shù)據(jù)示例見表1。

表1 新浪微博部分熱搜數(shù)據(jù)示例

3.2 數(shù)據(jù)集的處理

3.2.1 降維

本文針對話題熱度值進行預(yù)測，在獲得原始數(shù)據(jù)集后，首先對數(shù)據(jù)集進行降維處理，刪減與本文研究內(nèi)容無關(guān)的維度，去掉冗余變量，這有助于提高算法的準(zhǔn)確率。一方面，微博熱搜榜的“爆”“沸”“熱”等熱度標(biāo)識來源于實時熱度值高低，熱度標(biāo)識與熱度值意義重復(fù)，關(guān)系冗余，因此將數(shù)據(jù)集的熱度標(biāo)識維度刪除。另一方面，微博話題熱度序號只顯示熱度排名前50的話題，而熱搜榜在實時變化，某一時刻的熱度排名只與該時刻的話題熱度有關(guān)，在對熱度進行預(yù)測時，該時刻的相對排名對于研究意義不大，因此將熱度排名維度刪除。通過對數(shù)據(jù)集的降維處理，可以節(jié)約高校輿情熱點趨勢預(yù)測方法的訓(xùn)練時間。降維后的熱搜數(shù)據(jù)示例見表2。

表2 降維后的熱搜數(shù)據(jù)示例

3.2.2 升維

在收集輿情數(shù)據(jù)時，按照15 min的間隔進行收集。熱點話題在熱搜榜不斷地出現(xiàn)或消失，在存儲某一時刻的熱搜榜數(shù)據(jù)時，下一時刻該話題的熱度數(shù)據(jù)可能消失，新的話題可能出現(xiàn)，因此在數(shù)據(jù)的整合和存儲方面，需要考慮熱搜話題變化帶來的數(shù)據(jù)維度不一致問題。

針對上述問題，對原數(shù)據(jù)集進行升維操作，在原始數(shù)據(jù)基礎(chǔ)上增加時間序列維度，按時間順序記錄每一數(shù)據(jù)爬取時刻的熱度值。若話題熱度不夠高，未進入熱搜榜或熱度已經(jīng)下降并離開熱搜榜，則該時刻的熱度值為空。升維后的熱搜數(shù)據(jù)示例見表3。

表3 升維后的熱搜數(shù)據(jù)示例

3.2.3 篩選

微博熱搜榜的話題包含娛樂、體育、民生、時政等多個話題類型，本文針對高校輿情類話題進行研究，因此需要對熱搜話題進行篩選。針對與高校輿情相關(guān)的話題，通過關(guān)鍵詞方式進行篩選。在獲得的數(shù)據(jù)集中，將“高?！薄按髮W(xué)”“學(xué)院”等與高校相關(guān)的話題關(guān)鍵詞表示為集合K={k1,k2,k3,…}，若話題與集合無交集，則為無關(guān)話題，對無關(guān)的話題進行忽略處理。對輿情話題進行分詞處理，分詞前后的話題見表4。

表4 分詞前后的話題

接著將分詞后的輿情話題與高校關(guān)鍵詞集合K進行匹配與篩選，保留與高校輿情相關(guān)的熱點話題以及熱度值變化情況，去除與高校輿情無關(guān)的數(shù)據(jù)信息，篩選后的高校熱點數(shù)據(jù)見表5。

表5 篩選后的高校熱點數(shù)據(jù)

3.3 時間編碼與歸一化

在對數(shù)據(jù)進行歸一化處理之前，首先加入時間編碼，具體過程是對收集數(shù)據(jù)的每個時刻進行編碼，例如從0:00開始收集數(shù)據(jù)，0:15的時間編碼參數(shù)是0.25，0:30的時間編碼參數(shù)是0.5，0:45的時間編碼參數(shù)為0.75……具體的時間編碼參數(shù)設(shè)置過程是將每小時分為4個部分，每部分占比為25%，若當(dāng)前時刻為H時M分，編碼參數(shù)設(shè)置為。對高校輿情數(shù)據(jù)進行時間編碼的優(yōu)勢是，若熱度持續(xù)時間大于或等于24 h，此時時間編碼大于或等于24，規(guī)定從0進行編碼。在時間編碼后，輿情數(shù)據(jù)之間的前后關(guān)系由于含有絕對時間的編碼參數(shù)，輿情熱度會隨著時間發(fā)生變化，因此進一步結(jié)合不同時間段的輿情數(shù)據(jù)進行分析，可以提高輿情熱度預(yù)測的準(zhǔn)確率。接著對數(shù)據(jù)進行歸一化操作，對以十萬甚至百萬為單位的熱度數(shù)據(jù)進行歸一化處理，能加速模型收斂，提高模型精度。熱度數(shù)據(jù)歸一化可以對每個熱點話題的時間變化序列數(shù)據(jù)進行歸一化，也可以針對所有熱度值進行歸一化。考慮到每個話題的熱度變化范圍不同，某些話題的峰值熱度可能仍低于其他話題的中等熱度，導(dǎo)致歸一化后的相對熱度表示誤差較大，因此采用整體歸一化的思路進行處理。數(shù)據(jù)歸一化表示為：

在式（12）中，x表示某一時刻的熱度值，xmin表示該話題的最小熱度值，xmax表示該話題的最大熱度值。通過熱度值的歸一化，有效地減小了熱度值范圍跨度。在后續(xù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練及預(yù)測時，數(shù)據(jù)不會因為微小擾動而產(chǎn)生巨大誤差，因此數(shù)據(jù)擬合與損失函數(shù)的收斂速度將進一步提高。

3.4 RNN、SVM、LSTM和基于時間編碼的LSTM的輿情熱度預(yù)測

首先將數(shù)據(jù)集分為訓(xùn)練集和測試集兩類，將數(shù)據(jù)集的70%作為訓(xùn)練集，30%作為測試集。訓(xùn)練時設(shè)置學(xué)習(xí)批次大小為128，使用隨機梯度下降法對模型進行優(yōu)化，學(xué)習(xí)率設(shè)置為0.01，損失函數(shù)使用MSE。為了進一步對比驗證時間編碼的優(yōu)勢，與不含時間編碼的LSTM進行對比。

實驗一共進行100輪訓(xùn)練，使用梯度下降法反向傳播誤差，更新隱含層權(quán)重

經(jīng)過100輪訓(xùn)練，損失函數(shù)已經(jīng)趨于零，說明模型性能基本達到最優(yōu)。RNN、SVM、LSTM和基于時間編碼的LSTM在訓(xùn)練集上的預(yù)測效果分別如圖2、圖3、圖4、圖5所示。其中，SVM使用高斯核函數(shù)，該核函數(shù)的參數(shù)gamma設(shè)置為0.1。

圖2 RNN訓(xùn)練集預(yù)測效果

圖3 SVM訓(xùn)練集預(yù)測效果

圖4 LSTM訓(xùn)練集預(yù)測效果

圖5 基于時間編碼的LSTM訓(xùn)練集預(yù)測效果

從圖2～圖5可以看出，基于時間編碼的LSTM的預(yù)測性能略優(yōu)于普通的LSTM，同時預(yù)測結(jié)果也比SVM、RNN更加準(zhǔn)確，原因在于基于時間編碼的LSTM不僅對時間序列數(shù)據(jù)保持長期的記憶性，而且具有更新數(shù)據(jù)信息的能力。同時，加入時間編碼后，LSTM在輿情熱度值與絕對時間之間建立了相應(yīng)的聯(lián)系，因此其在輿情趨勢預(yù)測方面具有較好的性能。

接著使用100輪訓(xùn)練后LSTM、RNN、SVM和基于時間編碼的LSTM模型，在測試集上進行預(yù)測，依次對每個話題的數(shù)據(jù)集進行測試，預(yù)測數(shù)據(jù)與真實數(shù)據(jù)的誤差在較低水平。RNN、SVM、LSTM和基于時間編碼的LSTM在測試集上的預(yù)測效果分別如圖6、圖7、圖8、圖9所示。

圖6 RNN測試集預(yù)測效果

圖7 SVM測試集預(yù)測效果

圖8 LSTM測試集預(yù)測效果

圖9 基于時間編碼的LSTM測試集預(yù)測效果

對比4種模型在測試集上的預(yù)測效果，基于時間編碼的L STM性能最優(yōu)。SVM在熱度較低時的預(yù)測結(jié)果偏高，在熱度值最高點的預(yù)測結(jié)果偏低。由于熱度變化是有規(guī)律的，可以根據(jù)前序數(shù)據(jù)得到后序數(shù)據(jù)，而SVM沒有考慮前序數(shù)據(jù)的變化特征，導(dǎo)致其回歸精度不夠高。出現(xiàn)高校輿情后，通過基于時間編碼的LSTM對輿情熱度趨勢進行預(yù)測，及時引導(dǎo)輿論發(fā)展的方向，將有利于高校對學(xué)生思想健康的管理，提升高校處理輿情事件的水平。

4 模型評估

4.1 基于時間編碼的LSTM模型真實集評估

以某真實事件為例，對新浪微博中該事件的真實熱度數(shù)據(jù)每間隔15 min采集一次，并對收集到的數(shù)據(jù)進行整理保存。首先，對上述數(shù)據(jù)進行預(yù)處理歸一化，并加入時間編碼參數(shù)，將前45 min的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，預(yù)測得到下一時刻的輸出。由于輿情數(shù)據(jù)受多種因素的影響，單獨使用模型進行預(yù)測的效果不理想，故需要結(jié)合輿情實時的動態(tài)變化性對評估參數(shù)進行調(diào)整。在預(yù)測下一時刻的熱度值時，可以根據(jù)輿情變化做出相應(yīng)的處理，在獲得真實數(shù)據(jù)后，結(jié)合真實熱度數(shù)據(jù)進行預(yù)測，即進行動態(tài)的校正與下一步預(yù)測，動態(tài)調(diào)整過程如圖10所示。

圖10 動態(tài)調(diào)整評估參數(shù)

結(jié)合動態(tài)調(diào)整策略，對真實事件持續(xù)處于熱搜榜的18.5 h（即74個時刻）進行預(yù)測，分別使用SVM、RNN、LSTM以及基于時間編碼的LSTM進行預(yù)測，結(jié)果分別如圖11、圖12、圖13、圖14所示。分析實驗結(jié)果可知，基于時間編碼的LSTM模型能得到事件在具體時刻的熱度，結(jié)合動態(tài)調(diào)整策略，其適應(yīng)性得到提高。與其他3種算法相比，基于時間編碼的LSTM的預(yù)測準(zhǔn)確率是最高的。當(dāng)高校輿情熱點趨勢即將進入爆發(fā)期時，相關(guān)部門及時響應(yīng)或調(diào)整策略，對輿情熱點發(fā)展趨勢進行管控，有助于高校完善輿情管理體系。

圖11 SVM真實集預(yù)測效果

圖12 RNN真實集預(yù)測效果

圖13 LSTM 真實集預(yù)測效果

圖14 基于時間編碼的LSTM真實集預(yù)測效果

隨著時間推進，相關(guān)部門可根據(jù)預(yù)測結(jié)果，提前為輿情的發(fā)展做出判斷和回應(yīng)。然而，神經(jīng)網(wǎng)絡(luò)不能自動判斷預(yù)測停止時間。通過實驗和數(shù)據(jù)分析可以得出，當(dāng)熱度數(shù)據(jù)預(yù)測值低于最低話題熱度值時，可認(rèn)為話題熱度低于熱搜榜上榜要求，停止預(yù)測。

4.2 誤差評估分析

對基于時間編碼的LSTM、LSTM、RNN和SVM 4種模型在不同數(shù)據(jù)集上的MAPE和MAE進行對比，結(jié)果如圖15所示。從圖15可知，MAPE和MAE的數(shù)值越小，預(yù)測值與真實值的誤差越小，即預(yù)測結(jié)果越接近真實值。在4個模型中，基于時間編碼的LSTM的預(yù)測效果是比較準(zhǔn)確的。從MAPE對比實驗結(jié)果分析：基于時間編碼的LSTM在訓(xùn)練集和測試集上的預(yù)測效果明顯優(yōu)于其他3種模型。從MAE對比實驗結(jié)果分析，基于時間編碼的LSTM模型預(yù)測效果在訓(xùn)練集、測試集和真實集上明顯優(yōu)于RNN和SVM。但受到真實事件的動態(tài)變化性以及不確定因素的影響，基于時間編碼的LSTM模型在部分預(yù)測集上的效果略差，后續(xù)研究需進一步提升模型的穩(wěn)定性。綜合比較，基于時間編碼的LSTM還是具有明顯優(yōu)勢的，在測試集上的預(yù)測效果優(yōu)于其他模型。因此，使用基于時間編碼的LSTM對高校輿情熱點趨勢進行預(yù)測具有較高的準(zhǔn)確率，可以降低輿情帶來的不利影響。

圖15 模型預(yù)測效果

5 總結(jié)與展望

本文通過爬取新浪微博中高校的輿情熱點數(shù)據(jù)，使用基于時間編碼的LSTM學(xué)習(xí)輿情數(shù)據(jù)熱度的時序變化情況，并對時序數(shù)據(jù)進行建模。將經(jīng)過多輪訓(xùn)練和參數(shù)調(diào)優(yōu)的基于時間編碼LSTM的高校輿情熱點趨勢預(yù)測模型與RNN、SVM和LSTM 3種模型的預(yù)測結(jié)果進行對比分析，實驗結(jié)果表明，基于時間編碼的LSTM在訓(xùn)練集、測試集、真實集上的預(yù)測結(jié)果誤差較小，具有良好的實時預(yù)測效果。本文可為相關(guān)部門預(yù)測熱點事件的輿情趨勢變化提供一定的參考，從而及時做出相應(yīng)的決策。未來研究將從熱點問題的內(nèi)容與評論入手，進一步研究基于時間編碼的LSTM模型的穩(wěn)定性，建立更完善的輿情預(yù)測模型，挖掘更深層次的輿情趨勢的發(fā)展規(guī)律。