基于TF-GRT和BERT的微博评论情感预测及舆情分析
李潇萌1
赵庆峰2
张玉林1
1.山东科技大学数学与系统科学学院 山东青岛 2665902.山东科技大学计算机科学与工程学院 山东青岛 266590
摘要：针对微博舆情事件中网民观点演化规律难以精准挖掘、情感变化预测不够全面的问题,文章提出了一种融合多特征的舆情分析方法.以微博评论为研究数据,将评论的点赞量、回复量、转发量等交互特征,以及词频、词频增长率等文本特征融入传统TF-IDF算法,优化文本特征提取效果;采用LDA主题模型提取舆情事件各阶段评论池的核心主题,通过计算主题间相似度,明确网民观点随时间的动态演化形式.在此基础上,利用BERT等深度学习模型对舆论情感变化进行预测,结合召回率、准确率等评价指标,验证了所提模型在舆情分析中的有效性.最后,依据各阶段核心主题词的特征,将舆情事件的发展过程划分为酝酿期、发展期、爆发期、衰退期和稳定期五个阶段,为舆情事件的精准管控与科学引导提供理论支撑与技术参考.
关键词：微博评论主题演化TF-IDFBERT舆论情感
资助基金：青岛市社会科学规划研究项目(QDSKL2201137)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 120-124 )