針對網(wǎng)絡(luò)輿情的指標冗余和復雜度高不利于監(jiān)管,提出了因子分析和SVM建立綜合評價模型;首先利用因子分析將網(wǎng)絡(luò)輿情的14個指標進行降維為3個公因子,其次在簡化的指標體系中用遺傳算法的5-折交叉優(yōu)化SVM參數(shù),建立遺傳算法優(yōu)化SVM的網(wǎng)絡(luò)輿情危機預警模型,最后將兩類的SVM改進為一對多算法對4種情況進行分類,得出網(wǎng)絡(luò)輿情的預警;對2019年的10個網(wǎng)絡(luò)輿情事件進行實證分析表明,低于0.51%的誤差預警充分說明了其可行性,達到了強化網(wǎng)絡(luò)輿情的監(jiān)管,而因子分析降低了指標體系的復雜性,遺傳算法的5-折交叉提高了SVM分類器的學習能力,能更準確地預測訓練集,并用一對多算法使得分類速度較快,對網(wǎng)絡(luò)輿情的監(jiān)管提供了幫助。 

【文章來源】：重慶工商大學學報(自然科學版). 2020,37(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

遺傳算法優(yōu)化SVM模型程序

【參考文獻】：
期刊論文
[1]基于模糊綜合評價的網(wǎng)絡(luò)輿情預警方法研究[J]. 郝楠,馮晶,高媛.  重慶理工大學學報(自然科學). 2019(08)
[2]中國銀行業(yè)系統(tǒng)性風險預警研究——基于SVM模型的建模分析[J]. 趙丹丹,丁建臣.  國際商務(wù)(對外經(jīng)濟貿(mào)易大學學報). 2019(04)
[3]砂土地震液化預測的GA＿SVM＿Adaboost模型[J]. 毛志勇,黃春娟,路世昌.  煤田地質(zhì)與勘探. 2019(03)
[4]國內(nèi)外網(wǎng)絡(luò)輿情演化、預警和應(yīng)對理論研究綜述[J]. 王蘭成,陳立富.  圖書館雜志. 2018(12)
[5]基于SVM的圖像分類算法研究[J]. 孟金龍,丁超洋,周慧,呂爽.  數(shù)字技術(shù)與應(yīng)用. 2017(10)
[6]基于模糊支持向量機的火災預警信號危險性辨識研究[J]. 劉立憲.  輕工科技. 2017(09)
[7]基于因子分析和聚類分析的內(nèi)蒙古各盟市經(jīng)濟發(fā)展水平的研究[J]. 王丹丹,曉蘭.  內(nèi)蒙古統(tǒng)計. 2016(04)
[8]基于KNN算法的改進的一對多SVM多分類器[J]. 劉雨康,張正陽,陳琳琳,陳靜.  計算機工程與應(yīng)用. 2015(24)
[9]基于因子分析和支持向量機的電網(wǎng)故障風險評估[J]. 湯昶烽,衛(wèi)志農(nóng),李志杰,鐘淋涓,孫國強,孫永輝.  電網(wǎng)技術(shù). 2013(04)
[10]網(wǎng)絡(luò)輿情監(jiān)測及預警指標體系研究綜述[J]. 呼雨,陳新杰,蘭月新,鄧新元.  情報探索. 2012(11)

碩士論文
[1]基于Logistic回歸模型和支持向量機（SVM）模型的多分類研究[D]. 李錦繡.華中師范大學 2014



本文編號：3571177