基于LogSparse Transformer模型的高校网络舆情预测与分析
张友海
安徽职业技术学院计算机与信息技术学院,安徽 合肥 230011
摘要：针对高校网络舆情的快速变化和复杂性问题,提出一种基于LogSparse Transformer时序模型的预测方法.通过对数据进行预处理、长时序相关性挖掘以及长程依赖建模,构建了 LogSparse Transformer模型并进行评估实验.实验结果表明,LogSparse Transformer模型在预测准确性上优于传统方法和机器学习算法,同时具有更快的响应速度和实时处理能力.该模型能够有效捕捉高校舆情事件中的远距离依赖关系,并减少模型的时间复杂性,为高校舆情预测及管理提供了一种新的有效工具,有助于高校管理者及时响应和管理网络舆情.
关键词：网络舆情LogSparse Transformer时序模型高校管理数据清洗注意力机制
分类号：TP31(计算技术、计算机技术)
资助基金：安徽省高校科学研究重点项目(2022AH052053)
论文发表日期：2025-05-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 61-68 )
英文信息