计算机应用研究

作者：杨敏,李明伍,彭国莉,吴方龙,

单位：1.西华大学图书馆,成都610039；2.四川大学视觉合成图形图像技术国防重点实验室,成都610065；

关键词：网络舆情,TCN,残差集成,知识图谱,时序建模,

基金：四川省哲学社会科学基金资助项目(SCJJ23ND12)；四川省社会科学重点研究基地资助项目(SCAA25-B12,SCAA24-B17)；；

针对现有舆情预测方法难以融合多源异构数据并挖掘深层语义关联的挑战，提出知识图谱增强残差集成框架（KG-ARRE）。该框架提取微博日粒度基础特征，基于文本语义分析构建主客体交互知识图谱，并利用自回归滑动平均模型（ARIMA）提取热度序列残差；随后通过时序卷积网络（TCN）融合多源特征进行建模，并引入多随机初始化子模型和误差加权机制以提升预测稳定性。真实事件数据实验表明，KG-ARRE的平均绝对百分比误差（MAPE）为4.53%，较最优基线模型TCN（MAPE=12.28%）降低63.1%；将框架中的知识图谱与集成模块迁移至BiLSTM等模型后，迁移模型较原始基础模型的MAPE下降2.36~7.05个百分点。结果表明该框架具有较好预测精度与泛化能力。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期