2016年南京理工大学数学建模一等奖论文--基于神经网络模型的网络热词挖掘以及热点评价

资 源 简 介

2016年南京理工大学数学建模一等奖论文--基于神经网络模型的网络热词挖掘以及热点评价

详 情 说 明

该研究通过构建神经网络模型实现了网络热词的自动化挖掘与热点评价。针对海量网络文本数据，团队设计了一套完整的处理流程：首先对原始文本进行分词和去噪处理，接着采用词频统计结合语义分析的方法提取候选热词。在模型构建阶段，创新性地将LSTM神经网络与注意力机制相结合，使模型能够捕捉词语间的时序关联和重要程度。

热点评价体系设计了多维指标，包括传播广度、持续时长、情感极性和衍生内容量等维度。通过层次分析法对各指标赋权，最终输出可量化的热点评分。研究还特别考虑了网络热词的生命周期特征，建立了热度衰减模型来预测话题的持续影响力。

该成果的价值在于将传统文本挖掘方法与深度学习相结合，相比单纯基于统计的方法，神经网络模型能更准确地识别潜在热点，并在预测热点持续时间方面展现出明显优势。实际应用中，这套方法可为舆情监测、市场营销等领域提供数据支持。