基于大数据网络舆情监管预测算法研究.docVIP

基于大数据网络舆情监管预测算法研究 　　摘 要： 针对传统的网络舆情监管预测算法对大广度、强干扰的网络舆情数据预测性能差的缺点，在深入研究现有网络舆情监管预测算法基础上提出一种基于大数据语义特征分析的网络舆情监管预测算法。该算法采用二元语义对网络舆情特征进行拟合，构建与匹配网络舆情关键词，构建时间序列模型，分析与提取语义特征，从而实现大数据分析法对网络舆情的监管预测。最后利用仿真实验对该算法进行验证，其结果表明，该算法预测精度高、实时性强，对提高网络舆情的监管能力具有重要意义。 　　关键词： 大数据； 网络舆情； 特征提取； 舆情监管 　　中图分类号： TN711?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）24?0028?03 　　Abstract： In allusion to the problem that the traditional network public opinion monitoring and prediction algorithm has poor prediction performance for large amount of network public opinion data with strong interference， a network public opinion monitoring and prediction algorithm based on semantic feature analysis of big data is proposed after the in?depth study on the current network public opinion monitoring and prediction algorithm. In the algorithm， the two?tuple semantics is used to fit the features of network public opinions， construct and match the keywords of network public opinions， construct the time series model， and analyze and extract semantic features， so as to realize the monitoring and prediction of network public opinions by using the big data analysis method. The simulation experiment was carried out to verify the algorithm. The results show that the algorithm has high prediction precision and strong real?time performance， which is of great significance for improving the network public opinion monitoring capability. 　　Keywords： big data； network public opinion； feature extraction； public opinion monitoring 　　?W络舆情是指在博客、微博、BBS论坛等网络平台上发表评论与意见，而形成的互联网空间社会舆情的映射[1?4]。网络的开放性与网络通信技术的发展促进了信息的快速传播，从而加速网络舆情发酵传播。为了避免不良情绪与谣言等网络舆情给社会生活造成恶劣的影响，需要对网络舆情加强管理[5?8]。针对传统的基于主题[9]、基于自相关特征[10]、基于概念格的网络舆情监管预测算法对大广度、强干扰的网络舆情数据预测性能差的缺点，本文在深入研究现有网络舆情监管预测算法基础上提出了一种基于大数据语义特征分析的网络舆情监管预测算法。该算法采用二元语义对网络舆情特征进行拟合，构建与匹配网络舆情关键词，构建时间序列模型，分析与提取语义特征，从而实现大数据分析法对网络舆情的监管预测，对提高网络舆情的监管能力具有重要意义[11]。 　　1 网络舆情时间序列模型构建 　　构建本质为非线性特征序列的网络舆情的时间序列模型。设d维随机变量Ui，监测到的网络舆情为，并通过网络平台对其进行特征提取与聚类分析。在经过传播之后，网络舆情在路由链路层的域间关联特征表示为： 　　式中：β为二元语义分解系数，取值范围为；S为热点时间评价集；K为抽