基于自然语言处理与智能语义识别的舆情监测预警模型研究

做好高校舆情分析与预警具有重要的社会意义,针对传统的网络舆情分析方法依靠人工筛选,费时费力、准确度低且无法进行海量数据分析的问题,基于自然语言处理算法,构建了一种舆情监测预警模型。该模型通过TF-IDF算法对文本特征进行提取,使用基于径向量函数的神经网络模型对数据进行训练,实现舆情分析与预警的功能。数值实验测试结果表明,文中所构建算法模型的精确度指标和效率相较其他对比算法均有明显提高,证明了该算法模型可以对网络舆论进行有效的监测和预警。

人工智能的分振幅光偏振仪预测误差校正研究

为降低分振幅光偏振仪偏振测量误差,研究了一种基于人工智能的分振幅光偏振仪预测误差校正方法。该方法依据分振幅光偏振仪原理,采用斯托克斯矢量描述分振幅光偏振仪的电信号,将该信号输入RFB神经网络模型中,通过训练该模型输出分振幅光偏振仪的斯托克斯矢量参数结果,利用斯托克斯矢量参数校正分振幅光偏振仪预测误差;为提升RFB神经网络模型的误差校正精度,改进网络权值后,获取最优权值并完成RFB神经网络模型训练,优化其误差校正结果。实验结果表明:该方法可有效校正分振幅光偏振仪预测误差,使其输出偏振数值趋向标定数值且校正结果较为精准,最大偏差数值仅为0.003°。