在数字世界中，微不足道的谣言可能会引发巨大的网络反应。准确预测舆情对于危机管理、减少错误信息和培养公众信任至关重要。然而，现有的方法往往无法彻底调查多种信息因素及其及时相互作用，从而限制了它们在分析舆情方面的有效性。

为了解决这一空白，孙敏涛领导的研究团队于2024年8月15日在《计算机科学前沿》上发表了他们的新研究。该团队提出了一个新颖的框架MIPOTracker，旨在通过跟踪多种信息因素来预测舆情危机。

本研究提出了一种新的多信息舆情危机预测框架MIPOTracker，利用潜在狄利克雷分配(LDA)和基于Tranormer的语言模型来分析舆情中的主题聚集度(TAD)和负面情绪占比(NEP)。

舆情危机模型MIPOTracker由TAD、NEP与讨论热度(H)整合成时间序列模型，并引入外部门控机制增强模型，控制外部因素的影响。

本研究引入了MIPOTracker舆情危机预测模型，创新性地纳入了主题、情绪、热度等多项信息，提升了模型对舆情事件的表征能力。

实验结果证实，多信息因素显著影响舆情发展。预测舆情趋势是一个复杂的过程，涉及事件类型等因素，研究人员希望在未来的研究中对此进行探索。