本文選題：微博網(wǎng)絡(luò)輿情　切入點：RBF神經(jīng)網(wǎng)絡(luò)　出處：《蘭州交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：互聯(lián)網(wǎng)技術(shù)日新月異,微博社交平臺的出現(xiàn),改變了人們的生活方式,對傳統(tǒng)的信息傳播媒體,產(chǎn)生了巨大的沖擊。微博平臺上的輿情作為社會輿情的延伸,發(fā)揮著舉足輕重的作用。由于在微博上發(fā)布消息具有及時性、任意性,并且信息傳播很迅速,傳播的范圍廣泛,造成微博上的信息既有真實的,也有虛假的。一些人將微博當(dāng)作傳播謠言的工具,對社會生態(tài)環(huán)境、人民的正常生活造成很大的負(fù)面影響。因此,研究微博平臺上輿情的趨勢具有重要的現(xiàn)實意義。在用算法實現(xiàn)預(yù)測微博平臺上熱點話題的趨勢時,需要采集相關(guān)的輿情數(shù)據(jù)進(jìn)行實驗。本文面向新浪微博獲取數(shù)據(jù),從獲得的數(shù)據(jù)中,聚類發(fā)現(xiàn)熱點話題,將選取的話題表示為單位時間的數(shù)據(jù)序列。步驟如下:(1)選取新浪微博為研究對象,采集相關(guān)的微博數(shù)據(jù);(2)對獲取的微博文本進(jìn)行預(yù)處理,采用聚類算法得到熱點輿情話題;(3)根據(jù)微博的特點,提取能表示微博輿情趨勢的特征,構(gòu)成輿情預(yù)測實驗數(shù)據(jù)。目前,RBF神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。它結(jié)構(gòu)簡單、可塑性強,并且具有全局最優(yōu)逼近能力與良好的推廣能力。但是,在進(jìn)行輿情預(yù)測的時候,RBF神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的準(zhǔn)確度與徑向基函數(shù)的中心,方差(寬度)以及隱含層到輸出層的權(quán)值之間有著緊密的聯(lián)系。因此,傳統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)中,參數(shù)的選擇限制了它在網(wǎng)絡(luò)輿情預(yù)測中的應(yīng)用。本文對RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化,并采用優(yōu)化過的模型進(jìn)行預(yù)測實驗。通過對3個模型的實驗結(jié)果進(jìn)行對比發(fā)現(xiàn),用改進(jìn)的引力搜索算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型對微博輿情的預(yù)測精度及速度最好。因此,本文的算法模型可以更好的預(yù)測網(wǎng)絡(luò)話題的發(fā)展趨勢,預(yù)測結(jié)果有利于政府對輿情信息的監(jiān)控和引導(dǎo),也有利于社會的和諧穩(wěn)定。
[Abstract]:With the rapid development of Internet technology and the emergence of Weibo's social platform, it has changed people's way of life and had a huge impact on the traditional information dissemination media. Because of the timeliness and arbitrariness of publishing information on Weibo, and the rapid spread of information and the wide range of dissemination, the information on Weibo has both true information. There are also false ones. Some people regard Weibo as a tool for spreading rumors, which has a great negative impact on the social ecological environment and the normal life of the people. Therefore, It is of great practical significance to study the trend of public opinion on Weibo platform. When we use algorithms to predict the trend of hot topics on Weibo platform, we need to collect relevant public opinion data for experiment. From the data obtained, the hot topics were found by clustering, and the selected topics were expressed as a data sequence per unit time. The steps are as follows: 1. Select Sina Weibo as the research object, collect the relevant Weibo data. Using clustering algorithm to get hot topic of public opinion.) according to Weibo's characteristics, we can extract the features that can represent the trend of public opinion of Weibo. At present, RBF neural network is one of the most widely used and successful neural networks. It has simple structure, strong plasticity, global optimal approximation ability and good generalization ability. In the prediction of public opinion, there is a close relationship between the accuracy of the prediction results and the center of the radial basis function, the variance (width) and the weights from the hidden layer to the output layer. Therefore, in the traditional RBF neural network, the accuracy of the prediction results is closely related to the center of the radial basis function, the width and the weight of the hidden layer to the output layer. The selection of parameters limits its application in network public opinion prediction. In this paper, the parameters of RBF neural network are optimized, and the optimized model is used for prediction experiment. The RBF neural network model optimized by the improved gravitational search algorithm has the best prediction accuracy and speed for Weibo's public opinion. Therefore, the algorithm model in this paper can better predict the development trend of the network topic. The prediction results are beneficial to the government's monitoring and guidance of public opinion information, and to social harmony and stability.
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王陽;;基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的微博輿情預(yù)測研究[J];創(chuàng)新科技;2016年12期

2 游丹丹;陳福集;;我國網(wǎng)絡(luò)輿情預(yù)測研究綜述[J];情報科學(xué);2016年12期

3 何炎祥;劉健博;孫松濤;;基于神經(jīng)網(wǎng)絡(luò)的微博輿情預(yù)測方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2016年09期

4 ;CNNIC發(fā)布第38次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[J];信息網(wǎng)絡(luò)安全;2016年08期

5 徐敏捷;;基于指數(shù)平滑法的微博輿情預(yù)測模型研究[J];中國公共安全(學(xué)術(shù)版);2016年01期

6 馬慧芳;吉余崗;李曉紅;周汝南;;基于離散粒子群優(yōu)化的微博熱點話題發(fā)現(xiàn)算法[J];計算機工程;2016年03期

7 李洋;陳毅恒;劉挺;;微博信息傳播預(yù)測研究綜述[J];軟件學(xué)報;2016年02期

8 雷萌;李翠;王鑫;陳瑞成;;基于模糊聚類徑向基神經(jīng)網(wǎng)絡(luò)的煤質(zhì)分析模型[J];選煤技術(shù);2015年04期

9 魏德志;陳福集;鄭小雪;;基于混沌理論和改進(jìn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測方法[J];物理學(xué)報;2015年11期

10 陳海英;;一種基于改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)的非線性時間序列預(yù)測模型[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2015年01期

相關(guān)博士學(xué)位論文 前2條

1 董堅峰;面向公共危機預(yù)警的網(wǎng)絡(luò)輿情分析研究[D];武漢大學(xué);2013年

2 張一文;突發(fā)性公共危機事件與網(wǎng)絡(luò)輿情作用機制研究[D];北京郵電大學(xué);2012年

相關(guān)碩士學(xué)位論文 前8條

1 王酌;突發(fā)事件的微博網(wǎng)絡(luò)測量和話題趨勢預(yù)測模型的研究與實現(xiàn)[D];北京郵電大學(xué);2015年

2 張華;基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的微博輿情預(yù)測模型研究[D];華中師范大學(xué);2014年

3 范煒鋒;萬有引力搜索算法的分析與改進(jìn)[D];廣東工業(yè)大學(xué);2014年

4 李鵬飛;萬有引力算法的改進(jìn)及在板形模式識別中的應(yīng)用[D];燕山大學(xué);2013年

5 李英樂;微博傳播效果預(yù)測技術(shù)研究[D];解放軍信息工程大學(xué);2013年

6 李p，

本文編號：1598175