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。     

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。     

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。     

多媒体网络舆情衰退期形成的评估指标体系构建研究

【目的/意义】对多媒体网络舆情是否进入衰退期进行评估,为舆情监测机构节约资源。【方法/过程】通过 文献调研法构建多媒体网络舆情衰退期指标体系,使用八爪鱼采集相关数据并利用BP神经网络对构建的指标体 系进行评估。【结果/结论】本文构建的多媒体网络舆情衰退期评估指标体系具有一定的可行性和实用性,为后续相 关研究提供一定理论基础和研究思路。     

基于循环神经网络的网络舆情趋势预测研究

【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。     

基于k-means与神经网络机器学习算法的用户信息聚类及预测研究

【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对 象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航 空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的 流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的 差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚 类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。     

数据挖掘技术在网络舆情预测中的应用

提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。     

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。     

高校网络舆情风险评估及预警研究

【目的/意义】监测高校网络舆情大数据信息,建立风险评估及预警系统对于快速准确识别高校网络舆情危 机风险等级,提高高校和政府相关部门对网络舆情的监管效率、应对能力以及治理水平有着极其重要的意义。【方 法/过程】在研究高校网络舆情影响因素和发展演化规律的基础上,构建舆情发布者影响力、舆情热度、舆情强度、 舆情扩散度四个维度的高校网络舆情风险评估指标体系,利用随机森林算法和熵权法进行指标筛选和权重计算, 综合运用TOPSIS法和灰色关联分析法构建高校网络舆情风险评估及预警模型,对舆情风险等级进行划分。【结果/ 结论】研究结果表明,该模型具有很好的准确性和有效性,极大简化了高校网络舆情风险评估和危机预警的识别程 序,为合理有效地处理和应对高校网络舆情提供了借鉴和参考。【创新/局限】增加风险评估指标筛选过程,两种评 估方法的有效结合使得风险评估和预警结果更加客观准确。     

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。     

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BP神经网络的数据挖掘方法在需求预测中的应用研究

【目的/意义】数据挖掘是从庞大数据中挖掘出有潜在价值信息的信息处理技术,它包括神经网络、遗传算 法、粗糙集、支持向量机和决策树等多门技术,其中神经网络法具有良好的自学习和含联想储存功能,能够高速寻 找优化解,有效提高需求预测准确率。【方法/过程】本文利用BP神经网络具有的优异非线性逼近能力,以我国天然 气需求量预测为例,对需求量数据进行训练并采用L-M算法进行改进,最终提高对天然气需求量的预测精度。【结 果/结论】实验结果证明,利用数据挖掘中的BP神经网络非线性预测优势能准确捕捉天然气需求预测的变化趋势, 为精准预测需求提供了一种有效的工具。     

面向公共卫生安全网络舆情预警的弱关联挖掘方法研究

【目的/意义】随着网络规模的持续扩张,加强公共卫生安全网络舆情的特征挖掘及走向预测,探索舆情预 警机制,已成为当前公共卫生安全治理领域亟待解决的关键问题。【方法/过程】本文基于对公共卫生安全网络舆情 预警特征的理解,采用弱关联挖掘方法构建了包括舆情黏合性、热力性、趋势性三个维度的公共卫生安全网络舆情 预警模型。基于此,以“长春长生问题疫苗事件”的舆情数据为例,对公共卫生安全网络舆情的影响要素进行了详 细分析;同时,综合运用K-Means聚类算法与灰色关联分析方法,对该事件的舆情发展时间进行预警分级,为后续 对策建议提供支撑。【结果/结论】结果表明基于 K-Means聚类算法的弱关联挖掘方法在公共卫生安全网络舆情中 具有较强的适用性。【创新/局限】本文基于公共卫生安全网络舆情特点,采用K-Means聚类算法与灰色关联分析方 法划分预警等级,实现了研究方法上的创新。但仍存在一些不足之处,如预警分级自动化触点的研究等,需要后续 更加深入的探究。     

基于LDA模型的高校师德舆情演化及路径传导研究

【目的/意义】构建高校师德舆情微博用户评论LDA模型,可以更精准识别舆情演化特征和分析关键主题传 播路径,帮助高校和相关部门更为有效地进行舆情监管和舆情引导。【方法/过程】本文以“天津大学一教授学术造 假”事件为例,基于 LDA模型构建高校师德舆情下微博用户主题生成模型,采用困惑度评价指标确定 LDA模型最 优主题数,采用信息熵确定每一主题在不同日期的主题强度,通过关键词共现知识图谱、词云展现舆情话题的演 变,最后基于主题相似度确定主题传播路径。【结果/结论】LDA模型和信息熵可以解析出网络用户群体关注的重要 主题热点,精准识别舆情演化特征,识别主题最优传播路径进行舆论引导,对爆发的舆情实现预测和管制优化。【创 新/局限】文章创新性地构建高校学术道德舆情的LDA主题模型,有效确定微博用户群体主题、识别舆情演化特征、 分析主题间传播路径,具有普适性;进一步扩大高校师德其他舆情分析及结合网络舆情情感分析为下一步的研究 内容。     

基于多采样双向编码表示的网络舆情主题识别研究

【目的/意义】舆情主题识别一直是舆情领域的研究热点,如今已有丰富的研究成果。现有研究对舆情信息 进行表征时多采用了传统的词袋模型、主题模型或词向量模型,只能对词语进行唯一的向量表征且传统模型需对 文本分词,可能会因分词错误、数据稀疏、出现集外词等情况影响识别效果。【方法/过程】本文构建了一种基于多采 样双向编码表示的网络舆情主题识别模型,在训练前无需对文本进行分词,针对文本过长的情况采用头尾结合的 方式进行截断,从字、段、位置三个维度提取特征嵌入,通过自注意力机制进行舆情表征,在训练过程中使用区分性 微调和多采样dropout的方法增强泛化能力,提升识别效果。【结果/结论】实验结果表明构建模型在舆情主题分类任 务中表现良好,可以在不对文本分词的情况下实现对舆情主题的准确识别。【创新/局限】创新之处在于构建了一种 新型的网络主题识别模型,局限之处在于算法复杂,如何进一步调参优化是接下来的研究重点。     

基于长短时记忆网络的突发灾害事件网络舆情情感识别研究

【目的/意义】为推动深度学习在网络舆情管理中的应用,提高突发灾害事件网络舆情情感识别效率。【方 法/过程】基于OCC模型建立了突发自然灾害网络舆情情感规则,并由word2vec构建文本向量作为长短期记忆网 络（Long-short term memory,LSTM）的初始输入,对其训练得到突发灾害事件网络舆情多情感识别模型。【结果/结 论】通过对比试验发现,OCC情感规则能够提升情感识别模型的正确率,基于LSTM和word2vec的突发灾害事件 网络舆情情感识别模型在情感识别效果上优于TF-IDF文本向量化方法以及基于卷积神经网络（Convolutional neural network,CNN）和传统的机器学习方式（Support vector machine,SVM）的分类算法结果。     

大数据情境下网络舆情分众化演变趋势分析

【目的/意义】为有效判断网络舆情演变趋势,分析网络舆情传播和形成的规律,研究网络舆情分众化演变 的状态和特征,本文基于AEMIPO方法提出了大数据情境下网络舆情分众化演变趋势分析方法,以期为网络舆情 传播引导策略提供优化参考。【方法/过程】通过对网络舆情分众化演变过程的自相似性、周期性和平稳性等统计特 性进行动态跟踪,选取ARMA,ARIMA,SARIMA,FARIMA模型对上述统计特性进行描述,构建备选模型库,从备 选模型库中根据选择规则选择模型对网络舆情分众化演变趋势进行建模,并在大数据情境下预测网络舆情分众化 演变趋势。【结果/结论】以“山东金矿爆炸救援案”的微博数据为实例对所提方法进行验证分析,结果反映该方法预 测准确率高达80%,表明其可在大数据情境下对网络舆情分众化演变趋势进行准确地预测和分析。【创新/局限】由 于本文针对一个实证案例进行分析,存在一定研究局限性,因此在日后研究中需结合更多案例进行验证,并对该方 法进行不断优化,从而全方面提升其有效性和准确度。     

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。     

基于置信水平的重大突发事件网络舆情引导效果评估研究

【目的/意义】在重大突发事件发生后,网络舆情的有效引导与否,既事关现场应急处置的成功,也关系着社 会稳定与和谐。重大突发事件网络舆情引导效果的评估,对推动政府应急管理能力提升、促进突发事件网络舆情 朝正向发展具有重要意义。【方法/过程】基于重大突发事件网络舆情的特点和引导的关注点,构建突发事件网络舆 情引导效果指标体系,将专家置信水平与毕达哥拉斯模糊信息引入评估过程,构建引导效果评估模型。【结果/结 论】对长江沉船、天津滨海爆炸和江苏响水爆炸三起事件的网络舆情引导进行分析和实证计算,验证了模型的有效 性与实用性。【创新/局限】由于评估者对突发事件网络舆情变化和了解程度不同,在评价中难免具有犹豫性和不确 定性特点,本文构建的群评估模型综合考虑了以上特征,具有一定的实践价值。限于指标数据的可获取性,本文涉 及的评估指标可能不够全面,对评估具有一定的影响