收稿日期:2022－07－15基金项目:国家自然科学基金项目“基于主路径网络的舆情传播态势预测与干预研究———以社会化媒体中舆情为对象”(项目编号:71874088);国家自然科学基金项目“基于阈值的群体事件互联网舆情传递链路预测及监控机制研究”(项目编号:71704085);江苏省研究生科研与实践创新计划项目“微博舆情话题演化趋势预测研究”(项目编号:KYCX21_0835)。作者简介:朱恒民(1974－)，男，教授，博士，研究方向:数据挖掘、舆情管理。蔡婷婷(1997－)，女，硕士研究生，研究方向:舆情传播。魏静(1982－)，女，教授，博士，研究方向:复杂网络、舆情传播研究。·情报理论与前瞻观点·基于GMM－HMM的话题生命周期状态识别及趋势预测方法朱恒民1，2蔡婷婷1魏静1(1．南京邮电大学管理学院，江苏南京210003;2．江苏高校哲学社会科学重点研究基地—信息产业融合创新与应急管理研究中心，江苏南京210003)摘要:［目的/意义］本研究对正处于演化过程中的话题进行状态识别及趋势预测，为相关部门了解话题现状，对话题进行有效监管提供科学依据。［方法/过程］首先，考虑网民情感，结合话题的新颖度和关注度，构建话题生命周期状态观测指标;其次，基于隐马尔可夫模型(HMM)和高斯混合模型(GMM)的原理，提出话题生命周期状态识别及趋势预测方法;最后，选用微博话题构建数据集，设计对比实验，验证方法的有效性。［结果/结论］基于GMM－HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87%，MAPE低于3.5%，相较于GaussianHMM和BP神经网络具有较大优势。关键词:话题生命周期状态;话题状态识别;话题趋势预测;高斯混合隐马尔可夫模型DOI:10．3969/j．issn．1008－0821．2023．03．003〔中图分类号〕G202〔文献标识码〕A〔文章编号〕1008－0821(2023)03－0026－07TopicLifecycleStatusIdentificationandTrendPredictionMethodBasedonGMM－HMMZhuHengmin1，2CaiTingting1WeiJing1(1．SchoolofManagement，NanjingUniversityofPostsandTelecommunications，Nanjing210003，China;2．JiangsuUniversityPhilosophyandSocialScienceKeyＲesearchBase—InformationIndustryIntegrationInnovationandEmergencyManagementＲesearchCenter，Nanjing210003，China)Abstract:［Purpose/Significance］Inthispaper，thestatusidentificationandtrendpredictionoftopicsintheprocessofevolutionarecarriedout，soastoprovidescientificbasisforrelevantdepartmentstounderstand...
