本文關鍵詞： 馬爾科夫模型 組合支持向量機 微博 輿情 熱點話題 預測　出處：《現(xiàn)代情報》2017年03期 　論文類型：期刊論文

【摘要】：為了提高微博輿情的預測精度,針對不同單一核函數(shù)的局限,用線性擬合確定兩種核函數(shù)的權重提出改進的支持向量機模型。首先利用馬爾科夫模型矩陣的稀疏程度提取影響因子指標,得到微博傳播的增減趨勢;然后用改進的支持向量機對實時數(shù)據(jù)按照4∶1的比例劃分測試集和訓練集,進行實時預測與警示。實驗結(jié)果表明:應用馬爾科夫模型進行微博輿情的主成分提取效果較佳,改進的支持向量機構(gòu)造了新的組合核函數(shù),比傳統(tǒng)的預判效果更佳。
[Abstract]:In order to improve the prediction accuracy of Weibo's public opinion, aiming at the limitation of different single kernel functions, The improved support vector machine model is proposed by linear fitting to determine the weights of two kernel functions. Firstly, the influence factor index is extracted by using the sparse degree of Markov model matrix, and the increasing and decreasing trend of Weibo propagation is obtained. Then the real-time data are divided into test set and training set according to the ratio of 4: 1 with improved support vector machine. The experimental results show that the method of extracting principal components of Weibo's public opinion using Markov model is effective. The improved support vector mechanism makes a new combination kernel function, which is better than the traditional prediction.
【作者單位】： 韶關學院信息管理系;廣西師范大學數(shù)學與統(tǒng)計學院;韶關學院教育技術系;
【基金】：教育部人文社會科學研究項目“社交媒體潛在輿情發(fā)現(xiàn)及導控機制研究”(項目編號:13YJCZH144) 廣東省哲學社會科學規(guī)劃項目“基于社交媒體的移動學習研究與實踐”(項目編號:GD13CJY07) 廣東省攀登計劃項目“大學生微博熱點話題趨勢預測系統(tǒng)”(項目編號:pdjh2015a0471)
【分類號】：TP18;G206

【相似文獻】

相關期刊論文 前10條

1 吳娟;范玉妹;王麗;;關于改進的支持向量機的研究[J];攀枝花學院學報;2006年05期

2 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機算法[J];計算機應用;2008年S2期

3 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機的研究進展[J];計算機工程與應用;2012年12期

4 王云英;閻滿富;;C-支持向量機及其改進[J];唐山師范學院學報;2012年05期

5 李逢煥;;試述不確定支持向量機應用分析及改進思路[J];中國證券期貨;2012年12期

6 邵惠鶴;支持向量機理論及其應用[J];自動化博覽;2003年S1期

7 曾嶸,蔣新華,劉建成;基于支持向量機的異常值檢測的兩種方法[J];信息技術;2004年05期

8 張凡,賀蘇寧;模糊判決支持向量機在自動語種辨識中的研究[J];計算機工程與應用;2004年21期

9 魏玲,張文修;基于支持向量機集成的分類[J];計算機工程;2004年13期

10 沈翠華,鄧乃揚,肖瑞彥;基于支持向量機的個人信用評估[J];計算機工程與應用;2004年23期

相關會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風險評估模型[A];第六屆（2011）中國管理學年會——商務智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學會2005年信息技術與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學習方法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應用[A];中國力學大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預測膜蛋白類型[A];第十一次中國生物物理學術大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學與技術應用學術會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學術年會論文集[C];2006年

10 侯澍e，

本文編號：1499127