本文選題：網絡輿情　切入點：網絡輿情預測　出處：《廣東工業(yè)大學》2017年碩士論文

【摘要】：網絡輿情是網民對網絡事件發(fā)表的個人觀點、意見等行為傾向,當網絡輿情發(fā)展到一定程度,將聚集或轉化為網絡輿論。習近平總書記在2016年的4.19講話中指出“互聯(lián)網已經成為輿論斗爭的主戰(zhàn)場”,網絡輿論對于網絡生態(tài)的正常發(fā)展起著重要性作用。若負面的網絡輿論充斥著網絡環(huán)境,這將影響我國的社會安定和意識形態(tài)安全。因此,及時了解網絡輿情趨勢,預測未來的發(fā)展態(tài)勢,將有助于消解負面的輿論,維護網絡生態(tài)的健康發(fā)展。由此,網絡輿情的預測研究具有理論價值和社會現(xiàn)實意義。目前,多領域的預測研究主要采用組合預測模型用于時間序列的預測,既克服單一預測算法的缺點,更能發(fā)揮單一預測算法的優(yōu)勢,提高預測模型的準確性。本文基于多領域的預測模型提出了合適的網絡輿情預測模型,用于提高預測模型的準確性,為網絡輿情的管控提供理論支持。工作內容主要包括三個方面:(1)梳理網絡輿情和網絡輿情預測研究的文獻內容,找出現(xiàn)有輿情預測的不足之處。據此引入或提出合適的網絡輿情預測模型,以網民熱議的“韓國部署薩德”事件和2017年“全國兩會”事件作為輿情熱點事件,使用微信指數、微博微指數和百度指數作為網絡輿情發(fā)展趨勢的量化值,進行輿情預測實驗。模型預測結果以均方根誤差、平均絕對百分誤差和希爾不等系數作為評價標準,比較三個組合預測模型的實驗結果,選取最佳的預測模型作為網絡輿情預測研究的解決方案,提供新的輿情預測方法。(2)引入小波神經網絡模型(WNN模型)和基于經驗模態(tài)分解的BP神經網絡模型(EMD-BPNN模型)用于輿情預測,并對這兩個模型進行改進優(yōu)化。對于WNN模型,采用附加動量法對其進行優(yōu)化改進,考慮模型誤差在梯度上的作用,同時還考慮誤差曲面上變化趨勢對模型的影響,從而避免WNN模型陷入局部最優(yōu)值。對EMD-BPNN模型,采用Levenberg-Marquardt算法對其改進優(yōu)化,處理模型的冗余參數問題,避免預測模型陷入局部極小值,從而加快收斂速度。(3)采用經驗模態(tài)分解的算法思想,提出融合極限梯度算法(XGBoost)擬合模型的殘差,在此基礎上利用經典的短期時間序列模型——自回歸(AR)模型用以預測網絡輿情的發(fā)展趨勢,即構建網絡輿情預測模型EMD-XGBoost-AR模型。實驗結果證明,該模型具有較好的評估性能和預估準確度。
[Abstract]:Internet public opinion is the behavior tendency of Internet users to express personal views and opinions on network events. When network public opinion develops to a certain extent, it will gather or transform into network public opinion.General Secretary Xi Jinping pointed out in his speech of 4.19 in 2016 that "the Internet has become the main battlefield of public opinion struggle" and that Internet public opinion plays an important role in the normal development of the network ecology.If the negative network public opinion fills the network environment, this will affect the social stability and ideological security of our country.Therefore, timely understanding the trend of network public opinion and predicting the future development situation will help to eliminate the negative public opinion and maintain the healthy development of the network ecology.Therefore, the prediction of network public opinion has theoretical value and social practical significance.At present, the combined prediction model is mainly used in the prediction of time series, which not only overcomes the shortcomings of the single prediction algorithm, but also improves the accuracy of the prediction model by giving full play to the advantages of the single prediction algorithm.In this paper, an appropriate network public opinion prediction model is proposed based on the multi-domain prediction model, which is used to improve the accuracy of the prediction model and provide theoretical support for the management and control of network public opinion.The work mainly includes three aspects: 1) combing the literature of network public opinion and network public opinion prediction, and finding the deficiency of public opinion prediction.Weibo micro-index and Baidu index as the quantitative value of the development trend of network public opinion, public opinion prediction experiment.The results of model prediction are based on root mean square error, mean absolute percent error and Hill unequal coefficient. The experimental results of the three combined forecasting models are compared, and the best prediction model is chosen as the solution to the research of network public opinion prediction.Provide a new method of public opinion prediction. (2) introduce wavelet neural network model (WNN) and BP neural network model based on empirical mode decomposition (EMD-BPNN) for public opinion prediction, and improve and optimize the two models.For the WNN model, the additional momentum method is adopted to optimize the model, considering the effect of model error on the gradient, and the influence of the change trend on the error surface on the model, so as to avoid the WNN model falling into the local optimum value.For EMD-BPNN model, the Levenberg-Marquardt algorithm is adopted to improve and optimize the model, to deal with the redundant parameter problem of the model, to avoid the prediction model falling into a local minimum, thus to speed up the convergence speed. (3) to adopt the idea of empirical mode decomposition (EMD).A fusion limit gradient algorithm (XG boost) is proposed to fit the residuals of the model. On this basis, the classical short term time series model, autoregressive ARL, is used to predict the trend of network public opinion, that is, the EMD-XGBoost-AR model of network public opinion prediction model is constructed.The experimental results show that the model has good evaluation performance and prediction accuracy.
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：G206;F49;F224

【相似文獻】

相關期刊論文 前10條

1 張春峰;;網絡輿情危機的預警方法概述[J];科技信息;2011年23期

2 韓曉虎;曹麗勇;;網絡輿情模型研究[J];科技資訊;2012年03期

3 劉文;李強;;食品安全網絡輿情監(jiān)測與干預研究初探[J];中國科技論壇;2012年07期

4 齊紅娜;郭麗;;社會管理視野下的網絡輿情監(jiān)管研究[J];科技創(chuàng)業(yè)月刊;2012年07期

5 劉武成;張冬梅;;網絡輿情:概念、特征及生成[J];赤峰學院學報(自然科學版);2012年16期

6 張冬梅;孫友;;網絡輿情:功能、影響及引導[J];赤峰學院學報(自然科學版);2012年19期

7 朱海波;;大學生網絡輿情現(xiàn)狀分析及對策研究[J];赤峰學院學報(自然科學版);2013年03期

8 陳舒暢;高晶;周洋;葉曉雪;蔣麗莎;;基于微博的網絡輿情危機控制對策[J];黑龍江科技信息;2013年03期

9 孫軼;程瑞蕓;劉建明;;基于關鍵詞分析的網絡輿情變化規(guī)律[J];吉首大學學報(自然科學版);2013年06期

10 于素懿;;網絡輿情的現(xiàn)狀及管理手段分析[J];中國科技信息;2014年08期

相關會議論文 前10條

1 任銘;陳俊鑫;;我國網絡輿情及管理策略研究[A];2011年全國通信安全學術會議論文集[C];2011年

2 潘崇霞;;網絡輿情演化的階段分析[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

3 潘慶芳;周萍;;涉路網絡輿情的現(xiàn)狀及應對建議[A];中國公路學會高速公路運營管理分會2011年度年會暨第十八次全國高速公路運營管理工作研討會論文集[C];2011年

4 李大鵬;;加強新形勢下檢察機關網絡輿情體系建設[A];第27次全國計算機安全學術交流會論文集[C];2012年

5 曹俊喜;劉云;徐希源;;電力行業(yè)網絡輿情監(jiān)測分析技術研究與系統(tǒng)設計[A];2012年電力通信管理暨智能電網通信技術論壇論文集[C];2013年

6 冉治平;;提高網絡輿情應對能力的幾點思考[A];浙江煙草（2012年第3期總第122期）[C];2012年

7 疏學明;鄭魁;張輝;袁宏永;;突發(fā)事件中網絡輿情信息管理方式探討[A];中國突發(fā)事件防范與快速處置優(yōu)秀成果選編[C];2009年

8 耿騫;劉穎;;網絡輿情的形成、傳播及監(jiān)測方法[A];科學發(fā)展：文化軟實力與民族復興——紀念中華人民共和國成立60周年論文集（下卷）[C];2009年

9 韓偉;張洪濤;;網絡輿情與青少年媒介認知能力構建[A];網絡時代的青少年和青少年工作研究報告——第六屆中國青少年發(fā)展論壇暨中國青少年研究會優(yōu)秀論文集（2010）[C];2010年

10 曾華藝;;網絡輿情危機事件指標體系探討[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

相關重要報紙文章 前10條

1 記者 劉自賢　通訊員 吳濤;網絡輿情助推漢江中院司法為民[N];湖北日報;2010年

2 通訊員 王宏杰;注重網絡輿情監(jiān)督 網上網下良性互動[N];檢察日報;2010年

3 四川省地稅局直屬分局 韋一新　胡曉馳;正確應對征納糾紛引發(fā)的網絡輿情危機[N];中國稅務報;2010年

4 唐莉　記者 郭樹仁;梅河口檢察院加強涉檢網絡輿情研判與應對工作[N];北方法制報;2010年

5 記者 盧志堅　通訊員 胡連芳;江蘇大豐:征聘百名“網絡輿情監(jiān)督員”[N];檢察日報;2009年

6 見習記者 施燕燕;應對網絡輿情與三項重點工作息息相關[N];檢察日報;2010年

7 記者 吳漢松;提升引導網絡輿情能力[N];石獅日報;2010年

8 四川省內江市工商局 吳明顯　楊曉彬;建議加強網絡輿情收集分析及引導工作(下)[N];中國工商報;2010年

9 吳明顯;內江積極加強網絡輿情監(jiān)測[N];中國工商報;2010年

10 本報記者 白真智;探秘網絡輿情市場[N];人民日報;2010年

相關博士學位論文 前10條

1 張玉強;網絡輿情危機的政府適度反應研究[D];中央民族大學;2011年

2 何健;高校大學生網絡輿情特征與管理對策研究[D];西南大學;2015年

3 石新宇;當代大學生網絡輿情分析及對策研究[D];遼寧大學;2015年

4 曹學艷;突發(fā)事件動態(tài)網絡輿情挖掘與應對研究[D];電子科技大學;2013年

5 劉泉;基于個體社會屬性的網絡輿情演化模型研究[D];大連理工大學;2016年

6 方付建;突發(fā)事件網絡輿情演變研究[D];華中科技大學;2011年

7 張偉;基于復雜社會網絡的網絡輿情演化模型研究[D];哈爾濱工業(yè)大學;2014年

8 陳t熀，

本文編號：1700358