基于改进WOA-Elman模型的舆情热度预测研究

针对公共卫生舆情事件的突发性和破坏性等问题,为了更精准预测舆情发生时的热度走向,本文构建了基于改进鲸鱼算法(WOA)优化Elman神经网络的舆情热度预测模型。首先根据百度指数和360趋势,对2020年1月1日至同年2月19日时段“COVID-19”事件的时间序列指标进行选取;其次利用WOA优化Elman神经网络初始值和阈值的方法进行训练和预测;最后与标准BP神经网络模型、标准Elman神经网络模型进行对比分析。结果表明,改进WOA-Elman的平均绝对百分比误差、均方根误差分别为4.784 3和219 363.784 4,该预测模型的预测结果与原始数据更吻合,预测精度和预测误差上更具优势,在解决突发公共卫生舆情事件热度预测问题上切实有效。     

基于复杂网络的舆情信息传播网节点重要性的评价方法研究

文章应用复杂网络理论,结合突发群体性事件舆情信息传播的特点,建立舆情信息传播的有权网络模型。选取网络中的节点对事件的感知状态作为权值参数,建立舆情信息传播的有权网络模型,提出了基于有权网络模型的舆情信息传播网的节点重要度评估指标。该方法认为最重要的节点是要综合考虑节点的度和特征向量,通过对其归一化加权综合后得出的节点重要度,该方法有助于准确地发现舆情信息传播网中的重要节点,最后的实验分析验证了方法的有效性和可行性。     

基于BBS的热点话题发现与态势预测技术的研究

网络论坛BBS是中国网民一个重要的信息传播渠道,而其中的热点话题自然就成为舆情调控和效果评估的首要目标。提出一个快速有效的用于挖掘网络论坛中热点话题并分析预测其发展态势的方法,利用统计的方法为同一版面下帖子的热度打分并排序,并使用相关的数学模型对热度较高的帖子的发展态势进行分析与预测。通过实验验证了该模型的可行性和有效性,为进一步研究复杂网络中热点话题的演化奠定了基础。     

基于系统动力学的网络舆情驱动力模型研究

网络舆情作为社会舆情在互联网空间的映射,反过来影响着社会实体事件的发展进程。提升网络舆情处置能力,已成为管理部门的一项重要任务。分析了网络舆情的传播规律及其特点,利用系统动力学分析了网络舆论生态传播系统的驱动因素,通过因果回路图对因素之间的关系进行定性分析,并建立网络舆情驱动力模型。最后,对该模型进行仿真分析,以期提出积极管理网络舆情传播的建议。     

基于大数据的网络舆情监管预测算法研究

针对传统的网络舆情监管预测算法对大广度、强干扰的网络舆情数据预测性能差的缺点,在深入研究现有网络舆情监管预测算法基础上提出一种基于大数据语义特征分析的网络舆情监管预测算法。该算法采用二元语义对网络舆情特征进行拟合,构建与匹配网络舆情关键词,构建时间序列模型,分析与提取语义特征,从而实现大数据分析法对网络舆情的监管预测。最后利用仿真实验对该算法进行验证,其结果表明,该算法预测精度高、实时性强,对提高网络舆情的监管能力具有重要意义。     

政府网络舆情监控系统的实现

互联网以其便捷、虚拟化、传播快等特点使大众更乐于通过网络方式发表各自看法,形成网络舆情。政府通过构建网络舆情系统,及时了解社情民意,主导网络舆情。从网络舆情系统技术实现方面,介绍了舆情系统进行舆情收集、分析、预警、报告的整个过程,详细论述各个过程实现的关键技术,从而为理解和构建政府舆情监控系统提供参考。     

基于ARIMA和BP神经网络模型的舆情情感预测

针对重大事件网络舆情数量的激增,网络舆情安全监管和预警形势严峻的情况,提出一种基于ARIMA和BP神经网络组合模型的网络舆情情感预测模型,进而对新浪微博上采集的"余姚水灾事件"进行文本情感值计算,并对其情感变化趋势进行综合分析和预测。预测结果表明,也组合预测方法相对于单一预测方法具有更高的精度,进而说明该模型在网络舆情情感预测中的应用是可行的。     

基于移动元胞自动机的网络舆情传播模型

为了准确刻画网络舆情的变化规律,针对经典元胞自动机存在的不足,考虑网络舆情主体的可移动因素,提出一种基于移动元胞自动机的网络舆情传播模型。首先对经典元胞自动机的工作原理进行分析,提出移动元胞自动机模型,然后根据网络舆情的特点,制定网络舆情主体状态转换规则和移动规则,建立移动元胞自动机的网络舆情传播模型,最后采用Matlab 2011对网络舆情演化过程进行仿真分析。仿真结果表明,舆情主体移动概率对网络舆情传播速度和同质化率影响比较大,移动元胞自动机模型可以很好地描述网络舆情的实际传播过程。     

基于EMD.ARXG模型的网络舆情预测研究

针对复杂的网络舆情数据,传统的模型预测已经无法对大数据背景下的舆论趋势进行有效的预测,因此,提出一种基于EMD.ARXG(经验模态分解-自回归)改进的组合模型来应对复杂的网络舆情预测,该模型弥补了单一预测算法的缺陷,提高了预测模型的准确性。以"韩国萨德"事件和"全国两会"事件作为舆情热点对其进行预测实验,引入WNN(小波神经网络)与EMD-BPNN(BP神经网络)进行舆情预测,并与EMD.ARXG模型进行实验对比,实验结果证明,EMD.ARXG模型具有较好的预估准确度。     

基于数据分析透视网络科普舆情特点

在海量信息时代,开展科普工作需要具有针对性,了解网络科普舆情特点可以让科普工作更加有的放矢。 本文从中国科协、中国科普研究所和新华网共同开展的“科普中国实时探针”舆情监测系统数据入手,分别从不同 媒介载体舆情热度对比、同类媒介载体舆情热度对比、科普专题舆情热度对比、舆情热度趋势图规律分析（日、 周、月） 四个维度进行分析,对网络科普舆情规律和特点进行了提炼和总结,力求为科普工作提供参考借鉴。