摘要： 【目的/意义】网络舆情预测由于对指导政府工作，维护社会稳定具有很高的现实意义，一直是网络安全领 域研究工作的关注重点。但是网络舆情演化趋势复杂，影响因素众多，前人工作多考虑了单变量因素，忽视了多因 素对趋势的影响，且前人采用的传统模型由于自身的局限性，针对非线性场景的预测很难收到较好效果。【方法/过 程】为解决前人研究的不足，本文设计了一种基于循环神经网络的自适应学习率的网络舆情模型，根据舆情数据特 点选取了多种特征构建了循环神经网络序列生成模型，针对循环神经网络模型收敛困难的问题，通过连续最优掷 币策略自适应调节学习率来提高训练速度和预测精度。【结果/结论】实验结果表明，与传统方式和普通神经网络相 比，本文方法有着更好的舆情预测效果。
