摘要
针对传统网络舆情风险评估模型依赖人工规则与静态特征库导致的语义理解不足、动态响应滞后等问题,文章提出了基于AI大模型的网络风险评估模型,通过融合深度语义理解与贝叶斯概率推理框架,构建多模态动态特征学习与实时优化机制。该模型利用GPT-4、CLIP等大模型提取文本、图像的跨模态特征,结合广义贝叶斯攻击图量化节点影响力、情感极化等风险变量,并引入注意力加权与后验支持因子实现低频风险检测与阈值动态调整。验证结果表明,跨模态融合使F1值提升至90.4%,动态更新机制将低频风险漏检率从34.2%降至8.7%,实时预警滞后时间缩短至25秒。研究结果指出,该模型显著提升了对复杂舆情风险的量化精度与时效性,为网络空间治理提供了可落地的技术路径。
出处
《电脑知识与技术》
2025年第25期73-75,共3页
Computer Knowledge and Technology
