网络舆情行为演化分析及其应用研究

发布时间：2017-08-06 06:07

  本文关键词：网络舆情行为演化分析及其应用研究

  更多相关文章： 网络舆情 演化模式 演化建模 趋势预测 预警 时间序列 经验模态分解 云模型

【摘要】：随着互联网在全球范围内的发展与普及,网络媒体已被公认为是继报纸、广播、电视之后的“第四媒体”,其凭借着开放、快捷和互动等特点,已成为人们交流思想、阐述观点、发表意见的新平台。正是在网络媒体的作用下,网络舆情较传统的社会舆情具有更快的传播速度、更广的扩散范围和更大的影响强度,进而对舆情的表达与传播产生了巨大的推动作用。由于网络媒体存在虚拟性,同时缺少有效的监督,致使其成为一些网民发泄情绪的空间,极易误导民众,如不对其采取有效的措施加以控制,将对社会造成较大的影响与冲击。网络舆情行为演化分析能够为国家有关部门准确了解民意,及时发现并掌握网络舆情提供技术支持,已经成为网络舆情演化分析领域的研究热点。论文主要研究网络舆情行为演化分析及其应用,其贡献体现在如下3个方面： (1)研究了网络舆情行为演化特性,构建了6个网络舆情行为演化模式。论文使用描述网民发帖过程的时间序列来表征网络舆情的行为演化过程,结合时间序列的分析方法,构建了分布模式、平稳模式、相关模式、自相似模式、周期模式和趋势模式等6个网络舆情行为演化模式,并给出了相应的模式分析方法。实验表明,网络舆情行为演化模式能够有效地刻画网络舆情的行为演化过程,可以为网络舆情行为演化建模与趋势预测提供理论基础。 (2)考虑到行为演化过程具有动态变化性和多成分特性,论文从提高模型适应性和分解行为演化过程等两个思路出发,分别提出了自适应网络舆情行为演化建模方法和基于EMD的网络舆情行为演化建模方法。前一种方法遵循先分析后建模的因果关系,在动态跟踪网络舆情行为演化模式的基础上,根据模型选择规则从备选模型库中选择合适的模型进行行为演化建模。后一种方法首先对行为演化过程进行EMD分解,形成行为演化过程的趋势成分、周期成分、突发成分和随机成分,随后通过对各成分的建模来实现行为演化过程的整体建模。实验表明,上述两种行为演化建模方法的趋势预测性能较现有方法均有一定的提高。 (3)研究了网络舆情行为演化分析在网络舆情预警中的应用,提出了一种基于云模型的网络舆情预警方法。该方法将网络舆情行为演化趋势预测信息引入到网络舆情预警中,并给出基于云模型的威胁评估技术,将当前威胁状态与潜在威胁趋势进行融合评估,得到预警等级。实验表明,该方法具有一定的容错性和鲁棒性,预警效果优于现有方法,得到的预警等级具有时变性,变化过程与事件发展过程一致,并体现了网民的上网习惯,符合客观实际。
【关键词】：网络舆情 演化模式 演化建模 趋势预测 预警 时间序列 经验模态分解 云模型
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F49;C912.63
【目录】：

• 表目录6-7
• 图目录7-8
• 摘要8-9
• ABSTRACT9-11
• 第一章 绪论11-17
• 1.1 课题背景及研究意义11-12
• 1.2 研究现状12-15
• 1.2.1 网络信息传播12-13
• 1.2.2 网民交互行为13-14
• 1.2.3 网民发帖行为14-15
• 1.3 论文研究内容与结构安排15-17
• 1.3.1 论文研究内容15
• 1.3.2 论文组织结构15-17
• 第二章 网络舆情行为演化模式分析17-29
• 2.1 网络舆情行为演化模式分析原理17-19
• 2.1.1 网络舆情数据特征分析17-18
• 2.1.2 时间序列分析原理18-19
• 2.1.3 基于时间序列分析的网络舆情行为演化模式分析原理19
• 2.2 网络舆情行为演化模式及分析方法19-23
• 2.2.1 分布模式19-20
• 2.2.2 平稳模式20-21
• 2.2.3 相关模式21
• 2.2.4 自相似模式21-22
• 2.2.5 周期模式22-23
• 2.2.6 趋势模式23
• 2.3 实验结果与性能分析23-27
• 2.3.1 分布模式分析24-25
• 2.3.2 平稳模式分析25
• 2.3.3 相关模式分析25-26
• 2.3.4 自相似模式分析26-27
• 2.3.5 周期模式分析27
• 2.3.6 趋势模式分析27
• 2.4 本章小结27-29
• 第三章 网络舆情行为演化建模与趋势预测29-43
• 3.1 网络舆情行为演化建模与趋势预测原理29-30
• 3.2 自适应网络舆情行为演化建模方法30-35
• 3.2.1 动态跟踪行为演化模式30
• 3.2.2 构建备选模型库30-32
• 3.2.3 制定模型选择规则32-33
• 3.2.4 实验结果与性能分析33-35
• 3.3 基于EMD的网络舆情行为演化建模方法35-41
• 3.3.1 网络舆情行为演化过程的EMD分解36
• 3.3.2 基于EMD的网络舆情行为演化模型36-37
• 3.3.3 实验结果与性能分析37-41
• 3.4 本章小结41-43
• 第四章 网络舆情行为演化分析在网络舆情预警中的应用43-58
• 4.1 网络舆情预警原理43-45
• 4.1.1 网络舆情预警指标选取43-44
• 4.1.2 综合分析技术44-45
• 4.2 基于云模型的网络舆情预警方法45-54
• 4.2.1 基于云模型的网络舆情预警方法流程45
• 4.2.2 预警指标选取45-47
• 4.2.3 基于云模型的威胁评估技术47-54
• 4.3 实验结果与性能分析54-57
• 4.4 本章小结57-58
• 第五章 总结与展望58-60
• 5.1 全文总结58
• 5.2 工作展望58-60
• 参考文献60-66
• 作者简历 攻读硕士学位期间完成的主要工作66-67
• 致谢67

【参考文献】

中国期刊全文数据库 前10条

1 高辉;王沙沙;傅彦;;Web舆情的长期趋势预测方法[J];电子科技大学学报;2011年03期

2 程光 ,龚俭 ,丁伟;网络流量宏观行为分析的一种时序分解模型[J];电子学报;2002年11期

3 姜明;吴春明;张e，

本文编号：628635