基于DTPM模型的话题热度预测方法

发布时间：2017-08-24 00:02

  本文关键词：基于DTPM模型的话题热度预测方法

  更多相关文章： 话题热度时间序列 LDA EEMD DTPM模型

【摘要】：[目的/意义]随着网络舆情对现实生活的影响越来越大,对其中一些具有负面影响的话题进行追踪与预测具有重要意义。由于微博话题热度时间序列非线性、时变性等特征,因此目前的研究难以对其进行较为理想的预测。[方法/过程]为了提高话题热度预测精度,在LDA和EEMD方法基础上提出了离散话题热度预测模型DTPM(Discretized Topic Predict Model)模型。首先,引入LDA模型,结合话题具有的内容和外在特征两个方面的热度因素,定义更加符合实际的话题热度计算方法,得到话题热度时间序列。然后,采用EEMD技术对该热度时间序列进行离散分解,利用神经网络等预测方法对各部分进行预测建模,最终汇总得到话题预测结果。[结果/结论]基于真实微博数据进行话题热度预测仿真实验,对比了话题热度时间序列不同处理下的预测精度。试验结果表明,对话题热度时间序列进行离散化的DTPM模型能够有效提高话题热度预测的精度。
【作者单位】： 南京航空航天大学经济与管理学院;
【关键词】： 话题热度时间序列 LDA EEMD DTPM模型
【基金】：国家自然科学基金项目“基于演化本体的网络舆情自适应跟踪方法研究”(编号:71373123) 江苏高校哲学社会科学研究重点项目“基于超网络的江苏教育微博舆情多元意见演化模型及应用研究”(编号:2015ZDIXM007) 高校基本科研业务费重大项目培育基金“基于‘模型-数据双驱动’的复杂社会网络行为大数据分析方法研究”(编号:NP201630X)研究成果之一
【分类号】：TP391.1;TP393.092
【正文快照】： 0引言作为大数据时代的典型例子,基于Internet的社交网络随着Web 2.0的出现在信息传播中扮演者越来越重要的角色,日益增加的海量互联网用户积累了庞大的用户群体,形成了巨大的虚拟社交网络。其中,微博作为网络社交媒体的代表具有用户量巨大、信息多元、影响力巨大等特点。截止，

本文编号：728045