基于时间序列模型和情感分析的情感趋势预测

为解决传统情感分析方法无法对公众未来情感走势变化有效预测的问题,提出一种将时间序列模型与情感分析相结合的情感趋势预测方法。采用深度学习模型对股市论坛实时评论信息进行情感分类,统计固定时间单位的情感值,构建情感值时间序列,提出ARIMA-GARCH时间序列模型,对情感值时间序列进行建模分析,预测投资者的情感走势。实验结果表明,该方法对于情感趋势的预测结果合理,误差较小。同时,发现投资者情感趋势与股市涨跌幅走势相似,为投资决策提供了参考。

声掩蔽技术浅析

保密会议室等重要场所围护结构的缺陷会导致声音泄漏隐患。声掩蔽技术通过产生特定的声音,对泄漏的语音进行干扰,是保障声音信息安全的重要手段。本文从关键技术及评价方法等方面对声掩蔽技术进行了分析,指出目前存在的问题,并对未来发展提出了建议,为声掩蔽系统的研发、测试、使用及维护提供参考。