基于大数据智能优化算法的网络舆情趋势预测研究

随着互联网的普及和社交媒体的发展,网络舆情趋势预测成为企业和政府部门关注的焦点。通过研究文本预处理、情感分析、舆情主题识别与聚类等网络舆情趋势预测的关键技术,探讨基于大数据智能优化算法的网络舆情趋势预测方法。实证研究表明,通过对比不同算法的预测性能,找到最适合的网络舆情趋势预测模型,以提高预测准确度。

基于BiLSTM-CRF的政务公文实体识别

知识图谱技术是人工智能技术的重要组成部分,针对政策文件的知识图谱构建和知识提取应用于智慧城市或智慧政策领域。为探索有效的政务公文实体识别方法,标注政务公文里的4类实体,进而采用双向长短时记忆网络和条件随机场的组合方法,对标注的政务公文进行了中文实体识别实验。实验结果表明,文中采用的BiLSTM-CRF方法可以更加准确有效地识别政务公文中的实体。

柑橘病虫害上报及预测系统

传统的农作物病虫害诊断主要依靠人工目测,但这种方法会因技术人员或专家不能及时到现场诊断而造成病虫害诊断的延误。在此搭建了一个可以帮助果农用户手动上报数据的微信小程序,以快速、有效地对柑橘病虫害发生趋势进行上报。该系统可以果农用户填写上报的数据进行可视化,帮助果农用户更直观地看出病虫害的发生趋势,以便他们及时采取预防措施,避免了因诊断不及时而造成的损失。