版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、網(wǎng)絡(luò)輿情是網(wǎng)民通過(guò)互聯(lián)網(wǎng)提供的各種媒體,所表達(dá)的對(duì)某一事件的認(rèn)知、情感、態(tài)度和行為傾向性的總和。隨著互聯(lián)網(wǎng)在生活中的應(yīng)用范圍不斷擴(kuò)大,網(wǎng)絡(luò)輿情在社會(huì)中的影響力也越來(lái)越大。由于互聯(lián)網(wǎng)具有虛擬性、隨意性、滲透性和發(fā)散性等特點(diǎn),消極負(fù)面的輿情信息能迅速擴(kuò)散并可能對(duì)人們的日常生活產(chǎn)生不良影響,甚至可能引發(fā)輿情危機(jī),嚴(yán)重危害社會(huì)公共安全。預(yù)測(cè)網(wǎng)絡(luò)輿情未來(lái)的發(fā)展趨勢(shì),能夠發(fā)現(xiàn)潛在的輿情危機(jī),對(duì)維護(hù)社會(huì)穩(wěn)定和促進(jìn)國(guó)家發(fā)展具有重要的現(xiàn)實(shí)意義。因此,研究
2、網(wǎng)絡(luò)輿情的預(yù)測(cè)技術(shù),具有重大的現(xiàn)實(shí)意義。
實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情發(fā)展趨勢(shì)的預(yù)測(cè),首先要從互聯(lián)網(wǎng)上獲取能表征網(wǎng)絡(luò)輿情發(fā)展規(guī)律的數(shù)據(jù)。本文使用網(wǎng)絡(luò)爬蟲(chóng)獲取網(wǎng)頁(yè),根據(jù)從網(wǎng)頁(yè)中獲取得到的信息,通過(guò)聚類(lèi)和熱度計(jì)算找出熱點(diǎn)議題,然后基于熱點(diǎn)議題按時(shí)間統(tǒng)計(jì)回復(fù)總數(shù),并用它組成的時(shí)間序列來(lái)表征網(wǎng)絡(luò)輿情。
獲得數(shù)據(jù)后,要實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情預(yù)測(cè)的研究,需要建立合理的預(yù)測(cè)模型。目前,有些學(xué)者基于傳統(tǒng)的數(shù)學(xué)方法建模,還有些研究者采用人工神經(jīng)網(wǎng)絡(luò)模型。表
3、征網(wǎng)絡(luò)輿情的時(shí)間序列是非線性動(dòng)態(tài)變化的時(shí)間序列,因此,本文選用標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)模型對(duì)網(wǎng)絡(luò)輿情的未來(lái)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)模型只存儲(chǔ)了隱藏層各節(jié)點(diǎn)的歷史信息,鑒于模型的網(wǎng)絡(luò)結(jié)構(gòu)中各層的歷史信息都會(huì)影響整個(gè)模型的數(shù)據(jù)處理能力,本文提出對(duì)標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),通過(guò)增加反饋節(jié)點(diǎn)來(lái)存儲(chǔ)各層神經(jīng)元的歷史信息。在Elman神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)的訓(xùn)練算法上,采用具有全局搜索策略的遺傳算法,克服傳統(tǒng)梯
4、度下降訓(xùn)練算法易陷入局部最優(yōu)解的缺點(diǎn)。本文采用遺傳算法訓(xùn)練改進(jìn)后的Elman模型的網(wǎng)絡(luò)參數(shù),構(gòu)建最新的GA—Elman預(yù)測(cè)模型來(lái)對(duì)網(wǎng)絡(luò)輿情的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。
本文采用均方誤差和平均相對(duì)誤差作為評(píng)價(jià)模型預(yù)測(cè)性能的指標(biāo)。本文設(shè)計(jì)了兩組實(shí)驗(yàn),第一組實(shí)驗(yàn)用來(lái)證明標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型和ARIMA動(dòng)態(tài)模型。第二組驗(yàn)證了通過(guò)兩方面綜合改進(jìn)獲得的GA—Elman預(yù)測(cè)模型的預(yù)測(cè)性能是幾個(gè)模型中最好的,表明這
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于GA-Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究.pdf
- 基于GA-Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的時(shí)延網(wǎng)絡(luò)控制系統(tǒng)故障檢測(cè).pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的中期電力負(fù)荷預(yù)測(cè)模型研究.pdf
- 基于EMD-XGBoost-AR模型的網(wǎng)絡(luò)輿情預(yù)測(cè)研究.pdf
- 網(wǎng)絡(luò)輿情預(yù)測(cè)模型與平臺(tái)的研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè).pdf
- 基于Elman網(wǎng)絡(luò)溫度預(yù)測(cè)模型的差壓氣密性檢測(cè)方法研究.pdf
- 基于灰色Elman神經(jīng)網(wǎng)絡(luò)的湖水水質(zhì)指標(biāo)預(yù)測(cè)研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的組合需水預(yù)測(cè)方法研究.pdf
- 基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè).pdf
- 文獻(xiàn)綜述1 基于elman神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)研究
- 基于Elman網(wǎng)絡(luò)與GPU加速的時(shí)間序列預(yù)測(cè).pdf
- 基于類(lèi)模型的Web輿情趨勢(shì)預(yù)測(cè).pdf
- 網(wǎng)絡(luò)輿情傳播態(tài)勢(shì)自適應(yīng)預(yù)測(cè)模型研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的復(fù)合土釘墻安全預(yù)測(cè)研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)控制研究及應(yīng)用.pdf
- 基于改進(jìn)PSO-Elman網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè).pdf
- 基于主題模型的網(wǎng)絡(luò)輿情監(jiān)控研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)鋰電池劣化程度的預(yù)測(cè)研究.pdf
- 基于自適應(yīng)Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè).pdf
評(píng)論
0/150
提交評(píng)論