基于模糊神经网络的微博舆情趋势预测方法

【目的/意义】微博舆情对社会各领域的影响与日俱增,但由于其影响因素众多,呈现出非线性且复杂的变 化。因此,如何快速、准确地预测其发展趋势是一个很有价值的研究课题。【方法/过程】以微博话题的博文总数作 为微博话题发展趋势的量化指标,考虑话题发展的复杂性和非线性的特点,采用模糊神经网络来预测微博话题的 发展趋势。并通过改进的粒子群优化算法对模糊神经网络的参数进行优化以更好的发挥模糊神经网络在处理非 线性、模糊性等复杂问题上的优越性。【结果/结论】通过对新浪微博数据集的对比实验,验证了本文所提方法的有 效性和准确性。本文方法有效解决了微博舆情趋势预测中遇到的模型参数复杂、易陷入局部最优的问题,提高了 微博舆情发展趋势预测的准确性。     

基于混合算法和BP 神经网络的网络舆情预测研究

【目的/意义】网民对社会现象及问题表达意见、态度使得网络舆情对社会的影响力越来越大,构建模型对 网络舆情的发展进行预测具有现实意义。【方法/过程】通过信息熵理论控制种群初始化,利用遗传算法较强的全 局搜索能力和粒子群算法的局部搜索能力实现对BP神经网络权值的优化,构建混合算法优化的BP神经网络的网 络舆情预测模型并进行实证分析及对比实验。【结果/结论】结果表明,该模型在预测性能上具有更好的优越性及 稳定性。     

基于BP神经网络的突发传染病舆情热度趋势预测模型研究

［目的/意义］研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。［方法/过程］本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。［结果/结论］实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。     

网络舆情中基于突发事件的预测算法研究

在网络舆情中,对于突发事件的判断是非常重要的。以BBS论坛、博客、具有评论功能的新闻网站为研究对象,介绍了基于传统词频统计基础上改进的通用舆情突发事件预测算法。通过实验已经证明该方案具有较高的实用性和可靠性,有利于解决突发事件的技术问题,在网络舆情的分析控制、突发事件的预测、指导、掌控发挥较为重要的作用。     

基于灰色马尔可夫模型的网络舆情预测研究

【目的/意义】网络舆情的发展是复杂非线性的变化过程,建立有效的数理模型对网络舆情发展趋势做出准 确的预测具有重要的意义。【方法/过程】首先选用网络舆情事件的百度指数构建发展趋势的时间序列指标,经过几 何平均弱化缓冲算子处理后建立改进的灰色Verhulst 模型预测,最后采用马尔可夫对改进的灰色Verhulst 模型预测 结果进行修正。【结果/结论】选取“罗一笑事件”进行案例分析,验证了本文提出的改进的灰色马尔可夫模型在网络 舆情预测中的有效性。     

基于熵值法的网络舆情组合预测研究

【目的/意义】互联网成为网民情感宣泄的平台使得网络舆情影响力剧增,构建模型对网络舆情的发展进行 预测具有现实意义。【方法/过程】针对网络舆情趋势预测及时性的需求,以事件标签确定待选历史数据,通过模糊 理论的模糊逻辑构建模糊时间序列预测模型,同时构建BP神经网络预测模型,以组合预测的方式提高整体的预测 精度。【结果/结论】通过实验分析结果表明,预测模型可以在一定程度将预测的时间区间前置,实现“早期”预测。     

网络舆情中基于突发事件的应急预测算法研究

针对网络舆情中突发事件发生发展的不确定性,提出一种基于贝叶斯算法的突发事件应急预测方法,综合考虑用户影响力和词语权重信息,给出突发度的概念,依据其判断一个词是否为突发词。按照突发事件演化的过程,以网络舆情中突发事件的状态改变为基础,分别建立三种子网络,基于子网络中的公共变量结合三种子网络,构成网络舆情中突发事件预测的整体网络。求出网络中所有节点的边缘概率,获取先验和后验概率网络,给出网络舆情中突发事件贝叶斯网络中的推理,从而完成网络舆情中基于突发事件的应急预测。仿真实验结果表明,所提方法具有很高的准确性。     

基于BP神经网络和遗传算法的网络舆情危机预警研究

Web2.0时代,如何对网络舆情危机进行有效预警已经成为政府部门的必修课。本文充分考虑了网络舆情危机产生、发展、变化的规律及特点,综合现有指标体系的优缺点,建立了3个一级指标和11个二级指标的网络舆情危机预警的指标体系。利用遗传算法优化BP神经网络的初始权值与阀值,构建了基于BP神经网络和遗传算法的网络舆情危机预警模型。最后,通过仿真实验,结合5个具体案例对该模型进行了验证与分析。实验表明,本文建立的网络舆情预警指标体系与遗传BP神经网络模型是有效可行的,预警准确率要优于标准的BP神经网络网络模型。     

基于网络舆情分类的舆情应对研究

在梳理已有文献的基础上,从网络舆情演化要素入手,构建网络舆情分类标准体系,以"刺激性事件主体行为"和"网络舆情传播过程"作为两个主要维度。并据此从政府的视角,将网络舆情划分为弱型网络舆情、强型网络舆情和波动型网络舆情。针对不同类型网络舆情,提出相应的"淡入式"、"萌芽式"、"强力式"、"溯源式"和"重塑式"政府舆情应对策略。     

突发疫情环境下网络舆情传播趋势预测及社会保障应急机制研究

【目的/意义】突发疫情环境下将形成大量网络舆情,准确把握网络舆情传播趋势可为突发疫情环境下的社 会保障应急机制提供参考依据。【方法/过程】本文从网络舆情信息交互影响要素、网络舆情信息交互机理两方面分 析突发疫情环境下网络舆情信息交互机理;并从网络舆情传播趋势特点考虑,以新冠病毒肺炎李文亮事件为例,采 用Elman 神经网络模型,选取网络信息数量以及情绪总量和主导情绪作为网络舆情传播趋势预测主要变量和辅助 变量,对突发疫情环境下的网络舆情传播趋势进行预测分析,针对预测结果制定相关社会保障应急机制。【结果/结 论】研究提出可通过完善网络舆情相关法律机制、社会参与机制、信息披露机制、社会监督机制、责任追究机制五项 社会保障应急机制,以期为突发疫情环境下维持社会稳定性提供依据。【局限/创新】未来研究中可结合更多相关实 例进行分析,从而使研究结论进一步得到丰富与深化。     

基于信息关联的负面网络舆情风险分级与预测研究

【目的/意义】网络社会充斥大量负面网络舆情,负面网络舆情风险分级和研判对提高网络治理能力和网络 社会治理成效意义重大。【方法/过程】构建负面网络舆情风险指标体系,并采用熵权法计算风险指标权重;基于加 权GRA模型计算灰色加权信息关联度,在此基础上,运用k-means聚类算法构建负面网络舆情风险分级方案,据此 对负面网络舆情进行风险预测。【结果/结论】实证分析结果表明,所建负面网络舆情风险分级模型客观性强、可靠 度高,可为负面网络舆情风险精准响应提供有效决策依据。【创新/局限】以信息关联为视角,为负面网络舆情风险 分级与预测提供了新的研究框架,但典型案例数据库有待继续完善。     

基于系统聚类的反转网络舆情分类及预测研究

【目的/意义】网络舆情反转现象愈演愈烈,研究反转网络舆情的特点和分类,对于深入分析反转网络舆情 的发生,有效预防网络舆情反转的危害有重要现实意义。【方法/过程】通过分析网络舆情反转现象,识别网络舆情 反转的风险因素,构建反转网络舆情的分类和预测模型,利用SPSS21对反转网络舆情案例样本进行聚类分析和判 别分析。【结果/结论】结果表明事件性质、报道倾向、报道形式、首发平台,以及与网民相关度是影响网络舆情反转 的重要因素。将反转网络舆情分为四类,以此为基础开展预测,并为反转网络舆情的应对提出策略支持。     

共生视角下网络舆情中公众情感的演化及趋势预测

[目的/意义]在网络社交媒体平台上,不同的公众情感在信息交互和传播过程中往往会出现“相生相克”现象,准确掌握和预测社交媒体环境中公众情感热度的变化规律,对于正确引导突发事件的网络舆情具有重要的理论价值。[方法/过程]在定性分析网民情感特征和交互模式基础上,结合生态科学中种群共生理论和Logistic方程,构建公众情感共生模型(E-SM),通过定义共生系数划分情感的7种共生模式,可使用差分回归法计算情感共生系数和模型稳定点,进而确定网络舆情中公众情感的共生模式和预测趋势。[结果/结论]通过共生模式的仿真模拟得出稳定状态下的公众情感值和增长速度与情感饱和量、共生系数、固有增长率、情感初值间的关系,以及7种情感共生模式的特点,并根据新浪微热点统计的微博热门话题事件中公众情感的真实数据与差分方程进行拟合,验证了E-SM模型具有很高的准确性。     

基于RF算法的突发事件网络舆情演化预测分析

【目的/意义】突发事件类网络舆情演化情况的掌握对舆情监管部门而言至关重要。鉴于此,本文致力于构 建能够准确预测舆情演化的模型,此预测模型的建立可拓宽舆情预测的渠道,为舆情参与主体和监管部门及时掌 握舆情演化态势提供方法依据。【方法/过程】基于随机森林（RF）算法建立突发事件网络舆情演化预测模型,以微博 和第三方舆情监测平台作为变量数据来源,以R语言为操作环境,然后进行模型的训练与预测。【结果/结论】实验 表明,较之其它方法,本文构建的模型有更高的拟合度和更低的误差值。从结果来看,本模型的预测输出值与真实 值最为接近,较好地实现了对舆情演化的预测,将RF算法应用在舆情预测的研究中具有一定的先进性。     

基于微博的网络舆情动力学研究

为研究基于微博的网络舆情的传播机制,本文基于微博平台,结合小世界理论,以网络舆情的生命周期为脉络,构建出基于微博的网络舆情传播模型,并且结合具体案例对模型进行仿真验证,同时预测其未来发展趋势。     

基于残差修正的多因素灰色模型的网络舆情预测研究

【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要 意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模 型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建 基于残差修正的多因素灰色模型,并结合“莆田系事件”对模型预测性能进行验证。【结果/结论】仿真结果表明,相 对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具 有一定的优势。