微博舆论发展趋势预测方法研究与实现

发布时间：2024-04-07 03:12

　　随着互联网技术的快速发展与应用的普及,网络越来越成为人们交流的主要工具,特别是微博的发展与应用,使得人们能够更加简单便捷的表达自己的情感,同时,微博的开放性与迅速性使得一个观点能够快速的成为舆论。所以,研究微博舆论的演化过程以及如何对其发展趋势进行预测已经成为人们关注的热点之一。 本论文在对微博的特点进行研究的基础上,学习借鉴了微博舆论的发展规律和趋势预测技术的可实现方法。并在现有的理论基础上,开发了微博舆论趋势预测系统,最后使用微博数据验证了系统的功能。论文研究工作受到了高等学校博士学科点专项科研基金(No.20100009110002)的支持。 本文的研究工作如下： 1.学习了舆论的传播过程、微博传播的特点以及现有的网络舆论的趋势预测方法。 2.研究了新浪API接口的特点以及网络爬虫的技术,使用新浪API接口作为主要数据采集方法,利用网络爬虫技术辅助信息采集的方法,完成了对微博平台上指定微博的数据采集。 3.在分析了神经网络的结构特点的基础上,采用前馈反向传播网络(BP神经网络)对历史数据进行分析,并使用遗传算法对神经网络进行网络结构的优化,训练相应的神经网络以适用于微博的发展趋势...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
中文摘要
ABSTRACT
1 引言
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
    1.3 论文研究内容
    1.4 论文结构安排
2 相关技术
    2.1 系统开发环境及架构
        2.1.1 MATLAB简介
        2.1.2 Java简介
        2.1.3 MyEclipse简介
        2.1.4 MySQL简介
        2.1.5 MVC简介
    2.2 神经网络介绍
        2.2.1 神经网络简介
        2.2.2 神经网络分类
        2.2.3 神经网络工具箱
        2.2.4 神经网络预测
    2.3 神经网络模型
        2.3.1 人工神经元理论模型
        2.3.2 神经网络模型
        2.3.3 感知器
    2.4 BP神经网络
        2.4.1 BP神经网络概述
        2.4.2 BP神经网络原理
    2.5 遗传算法
        2.5.1 遗传算法特点
        2.5.2 遗传算法操作
        2.5.3 遗传算法一般算法
        2.5.4 遗传算法流程
    2.6 本章小结
3 微博舆论发展趋势预测系统设计与实现
    3.1 系统设计体系结构
    3.2 系统功能设计
    3.3 系统设计流图
    3.4 系统模块划分
    3.5 数据库表结构设计
    3.6 系统采集模块
        3.6.1 基于API的采集
        3.6.2 基于网络爬虫的采集
    3.7 数据预处理模块
    3.8 系统预测模块
        3.8.1 遗传算法函数实现
        3.8.2 遗传算法优化的BP神经网络函数实现
    3.9 JAVA调用MATLAB过程
    3.10 本章小结
4 微博舆论发展趋势预测系统关键技术
    4.1 微博舆论发展趋势预测系统的BP神经网络结构
    4.2 微博舆论发展趋势预测系统的遗传算法优化BP神经网络
        4.2.1 遗传算法优化BP神经网络内部参数设计
        4.2.2 遗传算法优化BP神经网络过程实现
    4.3 本章小结
5 微博舆论发展趋势预测系统测试
    5.1 各模块功能测试
        5.1.1 采集模块
        5.1.2 预处理模块
        5.1.3 预测模块
        5.1.4 热门微博查看模块
    5.2 系统整体测试
    5.3 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3947585