基于参数反演的网络舆情传播趋势预测_以新浪微博为例_刘巧玲1
需积分: 0 97 浏览量
2022-08-04
15:38:06
上传
评论
收藏 776KB PDF 举报
收稿日期
： 2016-11-14；
修回日期
： 2016-12-14。
基金项目
：
国家自然科学基金资助项目
（ 61540032） 。
作者简介
：
刘巧玲
（ 1993—） ，
女
，
湖北当阳人
，
硕士研究生
，
主要研究方向
：
舆情传播
、
大数据
；
李劲
（ 1980—） ，
男
，
湖北武汉人
，
博士
，
主要
研究方向
：
舆情大数据
、
神经网络
；
肖人彬
（ 1965—） ，
男
，
湖北武汉人
，
教授
，
博士
，
主要研究方向
：
复杂系统
、
复杂社会管理
。
文章编号
： 1001-9081（ 2017） 05-1419-05 DOI： 10． 11772 /j． issn． 1001-9081． 2017． 05． 1419
基于参数反演的网络舆情传播趋势预测
———
以新浪微博为例
刘巧玲
，
李 劲
*
，
肖人彬
(
华中科技大学 自动化学院
，
武汉
430074)
( *
通信作者电子邮箱
ljhust@ hust． edu． cn)
摘 要
：
针对现有的舆情传播模型研究与实际舆情数据结合较少以及难以从舆情大数据中挖掘舆情传播内在规
律的问题
，
提出一种基于实际网络舆情大数据采用神经网络的舆情传播模型参数反演算法
。
改进经典
SIＲ
传染病传
播模型
，
构建一种网络舆情传播模型
，
基于该模型对实际案例进行参数反演
，
预测网络舆情的后续传播趋势
，
并与马
尔可夫预测模型对比
，
所提算法可以精确预测舆情的具体热度值
。
实验结果表明
，
所提算法在预测性能上具有一定
的优越性
，
可以用于网络突发事件传播的数据拟合
、
过程模拟和趋势预测
。
关键词
：
新浪微博
； SIＲ
模型
；
反向传播神经网络
；
参数反演
；
舆情传播
中图分类号
： TP393． 09
文献标志码
： A
Trend prediction of public opinion propagation based on
parameter inversion — an empirical study on Sina micro-blog
LIU Qiaoling， LI Jin
*
， XIAO Ｒenbin
( School of Automation， Huazhong University of Science and Technology， Wuhan Hubei 430074， China)
Abstract: Concerning that the existing researches on public opinion propagation model are seldom combined with the
practical opinion data and digging out the inherent law of public opinion propagation from the opinion big data is becoming an
urgent problem， a parameter inversion algorithm of public opinion propagation model using neural network was proposed based
on the practical opinion big data． A network opinion propagation model was constructed by improving the classical disease
spreading Susceptible-Infective-Ｒecovered ( SIＲ) model． Based on this model， the parameter inversion algorithm was used to
predict the network public opinion s trend of actual cases． The proposed algorithm could accurately predict the specific heat
value of public opinion compared with Markov prediction model． The experimental results show that the proposed algorithm has
certain superiority in prediction and can be used for data fitting， process simulation and trend prediction of network emergency
spreading．
Key words: Sina micro-blog; Susceptible-Infective-Ｒecovered ( SIＲ) model; Back-Propagation ( BP) neural network;
parameter inversion; public opinion propagation
0
引言
互联网及社交网络的发展如新浪微博等
，
在便利信息传
播的同时导致网络舆情传播研究越来越困难
。
舆情传播模型
能对舆情传播的过程和趋势进行描述
，
因此
，
基于舆情传播模
型研究社交网络的舆情传播具有极其重要的意义
。
对社交网络舆情的传播国内外都有较多研究
。
早期的舆
情传播研究主要沿用
SIS （ Susceptible-Infected-Susceptible） 、
SIＲ（ Susceptible-Infective-Ｒecovered）
传染病模 型
［1 － 2］
。
后来
很多研究者为更好地揭示社交网络的舆情传播规律改进这些
传统模型
： 2012
年
，
朱恒民等
［3］
以无标度网络为载体提出了
舆情传播的
SIＲS（ Susceptible-Infective-Ｒecovered-Susceptible）
模型
； 2013
年
，
张彦超等
［4］
结合传染病模型构造了一个基于
社交网络的信息传播模型
； Borge-Holthoefer
等
［5］
将社交网络
中用户的活跃度和对信息的感知度加入到信息传播模型中
；
2014
年
，
蒙在桥等
［6］
考虑信息的传播延迟
，
提出了动态消息
传播模型
；
张晓伟
［7］
借鉴日常生活中人与人之间的信任原
理
，
提出了一种基于信任度的消息传播模型
； 2015
年
，
陈骁
等
［8］
为探究微博转发网络的构建机制提出了一种有向加权
网络模型
； 2016
年
，
黄宏程等
［9］
考虑了网络中用户的不同感
染状态
，
引入感染用户的衰减函数
，
提出了适合社交网络的信
息传播模型
。
现有的社交网络舆情传播研究多局限于舆情传播模型本
身
，
研究所提模型的有效性及参数对舆情传播的影响
，
与实际
舆情数据结合较少
。
结合实际的传染病疫情数据对传染病传
播的参数反演已有相关研究
。
韩卫国等人以香港和北京非典
SAＲS（ Severe Acute Ｒespiratory Syndrome）
疫情数据为实例
，
采
用
SIＲ
模型对
SAＲS
传播的时间过程参数反演
［10］
。
熊焱
等
［11］
提出一种基于
SIＲ
模型参数反演的新方法
，
以北 京
SAＲS
疫情数据为例进行验证
。
王香阁等
［12］
基于
SIＲ
模型预
测病毒传播的速度
。
但对于舆情传播的参数反演则不多见
。
针对上述问题
，
本文基于
SIＲ
模型构建一种网络舆情传
播模型
，
并提出了一种基于实际网络舆情大数据采用神经网
络的舆情传播模型参数反演算法
，
可实现从日益增长的舆情
Journal of Computer Applications
计算机应用
，2017，37( 5) : 1419 － 1423
ISSN 1001-9081
CODEN JYIIDU
2017-05-10
http: / /www． joca． cn
卡哥Carlos
- 粉丝: 27
- 资源: 300
最新资源
- 藏区特产销售平台源代码+论文+毕业设计.zip
- B297C8EC5A69641DB3E681E1B3F894E5.mp4
- PrimitivesPro v2.2.unitypackage
- 财务管理系统源代码+论文.zip
- 高级信息通信运行管理员第七套试卷
- UModeler v2.11.6 (May 10, 2024).unitypackage
- 基于Selenium的Java爬虫实战(内含谷歌浏览器Chrom和Chromedriver版本127.0.6486.0)
- 基于FPGA的CORDIC算法旋转模式实现
- bilibili视频解析下载源码
- 基于Selenium的Java爬虫实战(内含谷歌浏览器Chrom和Chromedriver版本124.0.6367.60)
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0