IPSO-LSTM hybrid model for predicting online public opinion trends in emergencies.

Mu, Guangyu; Liao, Zehan; Li, Jiaxue; Qin, Nini; Yang, Ziye

Mu, Guangyu; Liao, Zehan; Li, Jiaxue; Qin, Nini; Yang, Ziye.

Afiliação

Mu G; School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun, China.
Liao Z; Key Laboratory of Financial Technology of Jilin Province, Changchun, China.
Li J; School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun, China.
Qin N; School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun, China.
Yang Z; School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun, China.

PLoS One ; 18(10): e0292677, 2023.

Article em En | MEDLINE | ID: mdl-37815983

Assuntos

Emergências; Opinião Pública; Humanos; Algoritmos; Processos Grupais; Internet

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Opinião Pública / Emergências Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: PLoS One Assunto da revista: CIENCIA / MEDICINA Ano de publicação: 2023 Tipo de documento: Article País de afiliação: China País de publicação: Estados Unidos

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google