Web舆情的长期趋势预测方法

被引：28

作者：

高辉 ^{[1
]}

王沙沙 ^{[2
]}

傅彦 ^{[1
,2
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 电子科技大学软件学院

来源：

电子科技大学学报 | 2011年 / 03期

基金：

中国博士后科学基金;

关键词：

分类; 聚类; 周期分析; 长期趋势预测; 关联度分析;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

针对传统预测方法无法有效预测Web舆情的长期趋势中拐点的不足,提出一种长期趋势预测方法。该方法首先通过周期分析和层次聚类为每类已发生舆情事件的发展趋势建立类模型库,然后通过对待预测舆情事件已知发展趋势进行自适应变换后,应用最小二乘法从相应的类模型库中选取均方误差和最小的模型来预测该事件的未来发展趋势。实验证明,与传统方法相比该方法在预测舆情事件发展的长期趋势时有较高的关联度,能有效预测长期趋势中的拐点。

引用

页码：440 / 445

页数：6

共 7 条

[1] 基于网络评论的网络舆情研究 [J].

彭丹 ;

许波 ;

宋仙磊 .

现代情报, 2009, 29 (12) :4-7

[2] 我国网络舆情研究与发展现状分析 [J].

曾润喜 .

图书馆学研究 , 2009, (08) :2-6

[3] 基于层次划分的最佳聚类数确定方法 [J].

陈黎飞 ;

姜青山 ;

王声瑞 .

软件学报, 2008, (01) :62-72

[4] 略论网络舆情的概念、特点、表达与传播 [J].

刘毅 .

理论界, 2007, (01) :11-12

[5]

网络舆情预测模型与平台的研究[D]. 张珏.北京交通大学 2009

[6] Classifying documents with link-based bibliometric measures [J].

Couto, T. ;

Ziviani, N. ;

Calado, P. ;

Cristo, M. ;

Goncalves, M. ;

de Moura, E. S. ;

Brandao, W. .

INFORMATION RETRIEVAL, 2010, 13 (04) :315-345

[7] Using Wikipedia knowledge to improve text classification [J].

Wang, Pu ;

Hu, Jian ;

Zeng, Hua-Jun ;

Chen, Zheng .

KNOWLEDGE AND INFORMATION SYSTEMS, 2009, 19 (03) :265-281

← 1 →