融合情感分析与多元时间序列的区块链产业舆情监测研究

[目的/意义]区块链技术被纳入“新基建”范畴后,其产业发展演进快、舆情热度高。本研究将情感因素纳入新兴产业网络舆情热度预测,探究区块链产业关注主题及发展态势。[方法/过程]论文融合情感分析与多元时间序列特征提出舆情热度预测模型,采用BERT-BiLSTM(Bi-directional Long Short-Term Memory,BiLSTM)方法对舆情文本分类并赋值,挖掘情感极性类别的主题,将不同情感倾向的情感值分别取绝对值累加,构建基于情感因素的多元时间序列特征体系,并输入LSTM(Long Short Term Memory,LSTM)模型进行区块链产业舆情热度预测。[结果/结论]BERT-BiLSTM在情感分类任务中准确率为84%,其中消极和中性情感类属文本的成因主要为“对于区块链技术的不信任”和“缺乏区块链相关概念的了解”。在热度预测模型中,模型均方根误差(Root Mean Square Error,RMSE)降低17.67,平均绝对误差(Mean Absolute Error,MAE)降低15.14,决定系数(R-Square,R2)提升11%,模型总体性能良好。

我国舆情产业的兴起节点、逻辑背景与未来走向

近年来,我国舆情产业蓬勃发展,本文期望从兴起节点、发展逻辑以及未来走向三个层面出发,对其展开整体观察。研究发现,舆情服务产业应互联网而生,互联网的勃兴使党和国家在舆论治理中第一次直面公民原生态、公开化的舆论表达与舆情反映。面对冲击,党的善治逻辑激发了对舆情监测与应对的旺盛需求,商业化舆情服务公司应运而生,并逐步走向繁荣。

构建和谐社会中产业工人阶层的舆情分析

产业工人阶层的主流舆情是健康向上、积极进取的,但也存在政治态度不够积极、参与企业决策意识下降、对改革前景产生疑虑等不良舆情。对此,在构建和谐社会中,各级党、政、工组织应加大"全心全意依靠工人阶级"根本指导方针的落实力度,采取有力措施,确立和维护产业工人的合法权益,最大限度地增加他们的福利,构建一个人人都能分享改革成果的和谐社会。