面向大数据的网络舆情热度动态预测模型研究

发布时间：2018-06-25 10:57

本文选题：大数据 + 网络舆情　；参考：《情报杂志》2017年06期

【摘要】：[目的/意义]面向大数据研究网络舆情热度模型以及热度预测模型,能够准确把握大数据环境下网络舆情热度,并可以决定网络舆情应对和舆论引导措施的轻重缓急,具有重要的理论意义。[方法/过程]定性分析大数据环境下网络舆情热度影响因素,通过定义最大关联度向量,基于灰色关联度方法构建网络舆情热度模型,并在此基础上构建多维度logistic模型对各个媒体平台舆情信息开展预测,通过灰色关联度得出动态预测方法。[结论/结果]经过理论建模和实证分析得出构建的热度模型和热度动态预测模型是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情热度,制定网络舆情引导策略提供参考依据。
[Abstract]:[objective / significance] the research of network public opinion heat model and heat prediction model oriented to big data can accurately grasp the network public opinion heat under the big data environment, and can determine the priority of the network public opinion response and public opinion guidance measures. It has important theoretical significance. [method / process] qualitative analysis of the influence factors of network public opinion heat under big data environment, through the definition of maximum correlation degree vector, based on grey correlation degree method to construct network public opinion heat model. On this basis, the multi-dimensional logistic model is constructed to predict the public opinion information of various media platforms, and the dynamic prediction method is obtained by grey correlation degree. [conclusion] after theoretical modeling and empirical analysis, the thermal model and the thermal dynamic prediction model are feasible. The above theoretical research can provide the government with an accurate grasp of the heat of network public opinion under the environment of big data. Make the network public opinion guidance strategy to provide the reference basis.
【作者单位】：中国人民武装警察部队学院;天津交通职业学院;
【基金】：河北省科技计划项目“面向大数据的网络舆情对抗关键技术研究”(编号:16215604) 国家社会科学基金青年项目“公共安全视角下网络舆情风险建模与对策研究”(编号:15CXW015) 河北省社会科学发展研究课题“基于涉恐舆情综合研判的反恐情报预警研究”(编号:201604120504) 河北省统计科学研究计划重点项目“大数据环境下网络舆情数据分析与决策支持研究”(编号:2016HZ09)
【分类号】：C913.4

【参考文献】

相关期刊论文前10条

1 裴可锋;陈永洲;马静;;基于DTPM模型的话题热度预测方法[J];情报杂志;2016年12期

2 汪鹭;陆朝阳;;基于马尔可夫模型的网络舆情热度趋势分析[J];河南工程学院学报(自然科学版);2016年03期

3 林文声;姚一源;王志刚;;食品安全事件网络舆情热度评价研究:基于BP神经网络的方法[J];现代管理科学;2016年09期

4 彭艺;李磊;;一种基于马尔可夫链的微信舆情热度预测模型[J];信息技术;2016年08期

5 兰月新;王芳;董希琳;苏国强;张鹏;;公共危机事件网络舆情热度模型研究[J];情报科学;2016年02期

6 孙飞显;程世辉;靳晓婷;倪天林;;政府负面网络舆情热度定量评价方法——以新浪微博为例[J];情报杂志;2015年08期

7 王新猛;;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];情报杂志;2015年07期

8 王鹏程;肖正;刘辉;;融合观点倾向的话题热度趋势建模研究[J];计算机工程;2015年07期

9 翟晓芳;刘全明;程耀东;胡庆宝;李海波;;基于转发层次分析的新浪微博热度预测研究[J];计算机工程;2015年07期

10 屈启兴;齐佳音;;基于微博的企业网络舆情热度趋势分析[J];情报杂志;2014年06期

【共引文献】

相关期刊论文前10条

1 兰月新;刘冰月;张鹏;夏一雪;李昊青;;面向大数据的网络舆情热度动态预测模型研究[J];情报杂志;2017年06期

2 刘波维;曾润喜;;我国食品安全网络舆情研究现状分析[J];情报杂志;2017年06期

3 夏一雪;兰月新;李昊青;吴翠芳;张秋波;;面向突发事件的微信舆情生态治理研究[J];现代情报;2017年05期

4 林芹;郭东强;;企业网络舆情传播的系统动力学仿真研究——基于传播主体特性[J];情报科学;2017年04期

5 刘冰月;夏一雪;李增;高扬;屈健;王俊迪;;大数据环境下微博舆情预测模型方法研究[J];科技创新导报;2017年09期

6 冯超政;蒋溢;何军;马祥均;;基于冷热数据的MongoDB自动分片机制[J];计算机工程;2017年03期

7 诺明扎娅;兰月新;;政府应对暴恐事件网络舆情实证分析与对策研究[J];中国公共安全(学术版);2017年01期

8 徐德华;杨孝慈;;基于用户访问特征的信用卡中心IVR优化[J];经营管理者;2017年06期

9 徐旖旎;;基于微博的媒体奇观网络舆情热度趋势分析[J];情报科学;2017年02期

10 林玲;陈福集;;基于CiteSpace的国内网络舆情研究知识图谱分析[J];情报科学;2017年02期

【二级参考文献】

相关期刊论文前10条

1 李情情;鲁燃;朱振方;刘颖莹;;基于特定用户角色的热度计算方法及应用[J];计算机工程与设计;2016年05期

2 韩忠明;张梦;谭旭升;段大高;司慧琳;;基于自激点过程的网络热点话题传播模型[J];计算机学报;2016年04期

3 舒予;张黎俐;;基于小波分析与人工神经网络的网络舆情预测[J];情报科学;2016年04期

4 袁国平;许晓兵;;基于系统动力学的关于突发事件后网络舆情热度研究[J];情报科学;2015年10期

5 王新猛;;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];情报杂志;2015年07期

6 宾宁;张成科;庄佳弟;李广杰;;突发事件网络舆情演变过程中的演化博弈行为分析[J];情报探索;2015年07期

7 苏创;彭锦;李圣国;;基于不确定微分方程的网络舆情传播模型研究[J];系统工程理论与实践;2015年12期

8 何炎祥;刘健博;刘楠;彭敏;陈强;何静;;基于改进人口模型的微博话题趋势预测[J];通信学报;2015年04期

9 孙飞显;程世辉;倪天林;靳晓婷;;基于新浪微博的负面网络舆情监测研究——针对政府的负面网络舆情研究系列之一[J];情报杂志;2015年04期

10 姬建新;;捕鱼算法优化核极限学习机的微博热点话题预测[J];激光杂志;2015年01期

【相似文献】

相关期刊论文前10条

1 郝英杰;马海红;赵治;;高校网络舆情引导工作实务研究[J];中国电力教育;2008年24期

2 吴明友;;校园网络舆情的应对策略分析[J];中国教育信息化;2008年24期

3 杜先涛;吕婷;;网络舆情视野下的思想政治教育方法[J];现代教育科学;2008年02期

4 张丽红;;试论网络舆情传播对文化的影响[J];前沿;2008年04期

5 姜胜洪;;网络舆情热点的形成与发展、现状及舆论引导[J];理论月刊;2008年04期

6 李子德;;论和谐社会视野中不良网络舆情的预警[J];中国石油大学学报(社会科学版);2008年04期

7 顾翔;;从网络舆情看网络对政治和文化影响的差异[J];才智;2009年16期

8 马春来;;论高校网络舆情的内容及管理[J];琼州学院学报;2009年04期

9 张鹏程;;高校网络舆情工作初探[J];宜春学院学报;2009年03期

10 曾润喜;王国华;徐晓林;;高校网络舆情的控制与引导[J];情报理论与实践;2009年11期