突发事件网络舆情热点检测与预测技术研究

发布时间：2020-08-24 09:56

【摘要】：微博作为网络舆情的主战场之一,对微博中的网络舆情进行研究具有重要意义。而微博中的大部分数据都是关于人们的日常生活,只有部分微博含有流行事件信息。因此,面对复杂多样的微博信息,如何准确地检测热点话题并有效地进行预测变得越来越重要。但目前的研究没有考虑到微博热点话题度量的复杂性以及其在社交网络中的传递问题,从而导致热点话题检测和预测精度偏低,针对突发性热点话题时尤为明显。为此,本文通过引入多维度热点话题度量模型和优化的随机森林热点预测方法来解决以上问题,并展开了相应的研究。本文取得的成果包括:1.针对突发性热点话题检测精度低的问题,提出了一种多维度热点话题度量模型。该模型首先对话题进行筛选,得到一个热点话题初始集,再融入话题热度的影响力因子,计算各个话题的综合权值,将话题的综合权值按照一定的权重与多维度热点话题度量模型进行有效的融合,最终得到一种基于微博多维度及综合权值的热点话题检测模型。实验结果表明本文提出的算法模型在对突发性热点话题的检测中,其检测准确度相比于传统算法有了较大提高,整体性能表现稳定,从而改善了突发性热点话题检测的质量。2.为提高突发性热点话题预测精度,本文采用优化的随机森林预测方法对微博热点话题进行预测,该方法根据不同特征的权重来选取特征,微博热度影响权重越大的特征越容易被抽取到,从而提高预测的准确度。最后,与两种传统算法进行了对比实验,实验结果表明,相较于其他两种算法,优化的随机森林预测方法的预测效果有明显提高。3.本文使用Java Web框架对上述模型进行了原型系统的设计与实现,采用Web页面的方式为热点检测与预测用户展示个性化的检测与预测结果。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.092;TP18
【图文】：

路线图,舆情,路线图

提出了一种改进的单通道聚类技术，该技术使用潜在的狄配（LDA）模型代替传统的向量空间模型，可以提取隐藏的微博主题信息ng 等人[17]提出了一种增量聚类框架，该框架可以基于时间特征和一系列内容热点话题。F. Jafariakinabad 等人[18]采用了一个名为核心项潜在狄利克雷分微博话题检测模型。Pang Jianhui 等人[19]开发了一种新颖的主题模型，可以个语料库中明确建模词汇共现模式来捕捉短文内的主题。Zhang Chunmei 等了一种高效的热点话题检测算法，可以在线处理大量推文。.2 网络舆情热点预测1. 网络舆情预测路线现有的网络舆情预测分析主要采用数学方法建立基于时间序列模型分析的，这是一种定量分析方法。网络舆情预测遵循的主要路线见图 1.1。

分类图,预测模型,分类图,舆情

图 1.2 预测模型分类图传统统计学预测模型比较常见的有基于自回归模型、指数平滑模型、ARIM型以及移动平均模型等。Yuan Chaoqing 等人[21]利用 ARIMA 模型建立网络舆情模型，从时间的角度来看，预测结果与整体趋势吻合良好。然而由于舆情的突发性，主题的数量呈现爆发式增长，基于该模型进行预测，无法准确地预测其趋势；K. Barrow 等人[22]基于移动平均法理论，根据微博舆情内部发展规律，在础之上得到了线性修正的微博舆情预测模型；M. Cruz 等人[23]将逻辑曲线模型于网络舆情预测，获得了较好的预测结果。但是，网络舆情的发展趋势受到诸素的影响，在复杂和可变的客观环境中，不能机械地运用该方法。智能机器算法预测模型是在人工智能技术和时间序列预测两大技术基础之上的[24]。相关理论基础主要包括灰色理论、混沌理论、神经网络、贝叶斯网络、可夫链理论、支持向量机、EM 聚类和群体智能计算等[25]。Liu Yang 等人[26]使

系统结构图,通用搜索引擎,系统结构图,索引器

图 2.1 通用搜索引擎系统结构图网络蜘蛛：网络蜘蛛（亦称网络爬虫）在互联网中不断地搜索（也称爬行），发现和采集新的网页信息，然后将网页信息存入页面库，由索引器建立索引。索引器：索引器将分析网络蜘蛛所采集的信息，从中抽取出索引项，建立用于检索页面的索引表，存入索引库中。检索器：检索器将根据用户的查询请求和条件，从索引库中快速检索出网页信息，并通过网页相似度评价，对输出的结果进行排序。用户接口：用户接口为用户提供了一个输入查询请求和显示查询结果的用户界面。(3) 通用搜索引擎不足尽管通用搜索引擎已经成为搜索互联网信息的常用网络工具，但是它也存在一定的局限性：

【相似文献】