基于模糊神经网络的微博舆情趋势预测方法

被引:14
作者
胡悦
王亚民
机构
[1] 西安电子科技大学经济与管理学院
关键词
粒子群优化算法; 模糊神经网络; 趋势预测; 微博舆情;
D O I
10.13833/j.issn.1007-7634.2017.12.005
中图分类号
G206 [传播理论]; TP393.092 [];
学科分类号
050302 ; 080402 ;
摘要
【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。
引用
收藏
页码:28 / 33
页数:6
相关论文
共 16 条
[1]   基于指数平滑法的微博舆情预测模型研究 [J].
徐敏捷 .
中国公共安全(学术版), 2016, (01) :80-84
[2]   舆情趋势预测中神经网络的优化算法 [J].
野雪莲 ;
杨孔雨 .
网络新媒体技术, 2016, 5 (01) :33-37+51
[3]   基于话题聚类及情感强度的中文微博舆情分析 [J].
吴青林 ;
周天宏 .
情报理论与实践, 2016, 39 (01) :109-112
[4]   基于马尔可夫链的政府负面网络舆情热度趋势分析——以新浪微博为例 [J].
王新猛 .
情报杂志, 2015, 34 (07) :161-164
[5]   生物质燃料成型工艺模糊神经网络预测模型研究 [J].
谷志新 ;
张鑫宇 .
太阳能学报, 2015, 36 (06) :1371-1376
[6]   城市需水的智能预测方法研究 [J].
吴丽 ;
石玉和 ;
赵雁红 .
水利水电技术, 2015, 46 (06) :37-41+53
[7]   电力系统短期电力负荷预测仿真研究 [J].
任金霞 ;
游鑫 ;
余志武 .
计算机仿真, 2015, 32 (05) :132-135+149
[8]   基于微博的企业网络舆情热度趋势分析 [J].
屈启兴 ;
齐佳音 .
情报杂志, 2014, 33 (06) :133-137
[9]   基于行为预测的微博网络信息传播建模 [J].
吴凯 ;
季新生 ;
刘彩霞 .
计算机应用研究, 2013, 30 (06) :1809-1812
[10]   模糊神经网络与SARIMA结合的时间序列预测模型 [J].
何星星 ;
孙德山 .
计算机技术与发展, 2008, (08) :61-64