基于Transformer与Bi-LSTM的舆情分析模型

摘要

随着社交媒体平台在公共舆情传播中的主导作用日益凸显，警情相关网络舆情的实时分析与精准识别已成为维护社会稳定与信息安全的关键技术问题。本文首先系统梳理了网络舆情分析的基本流程；其次，设计了一种基于Transformer与双向长短期记忆（Bi-LSTM）的融合模型结构；最后，在训练与优化阶段，本文采用交叉熵损失函数与Adam优化器构建了具有端到端学习能力的融合模型。实验结果表明：所提出的模型在准确率、精确率、召回率及F₁值等多个评价指标上均优于传统模型，表现出良好的分类性能。

关键词

舆情分析 / Transformer模型 / 双向长短期记忆(Bi-LSTM)网络 / 文本分类