基于GA-Elman預(yù)測模型的網(wǎng)絡(luò)輿情研究.pdf

1、網(wǎng)絡(luò)輿情是網(wǎng)民通過互聯(lián)網(wǎng)提供的各種媒體，所表達(dá)的對某一事件的認(rèn)知、情感、態(tài)度和行為傾向性的總和。隨著互聯(lián)網(wǎng)在生活中的應(yīng)用范圍不斷擴(kuò)大，網(wǎng)絡(luò)輿情在社會中的影響力也越來越大。由于互聯(lián)網(wǎng)具有虛擬性、隨意性、滲透性和發(fā)散性等特點(diǎn)，消極負(fù)面的輿情信息能迅速擴(kuò)散并可能對人們的日常生活產(chǎn)生不良影響，甚至可能引發(fā)輿情危機(jī)，嚴(yán)重危害社會公共安全。預(yù)測網(wǎng)絡(luò)輿情未來的發(fā)展趨勢，能夠發(fā)現(xiàn)潛在的輿情危機(jī)，對維護(hù)社會穩(wěn)定和促進(jìn)國家發(fā)展具有重要的現(xiàn)實(shí)意義。因此，研究

2、網(wǎng)絡(luò)輿情的預(yù)測技術(shù)，具有重大的現(xiàn)實(shí)意義。
　　實(shí)現(xiàn)對網(wǎng)絡(luò)輿情發(fā)展趨勢的預(yù)測，首先要從互聯(lián)網(wǎng)上獲取能表征網(wǎng)絡(luò)輿情發(fā)展規(guī)律的數(shù)據(jù)。本文使用網(wǎng)絡(luò)爬蟲獲取網(wǎng)頁，根據(jù)從網(wǎng)頁中獲取得到的信息，通過聚類和熱度計(jì)算找出熱點(diǎn)議題，然后基于熱點(diǎn)議題按時間統(tǒng)計(jì)回復(fù)總數(shù)，并用它組成的時間序列來表征網(wǎng)絡(luò)輿情。
　　獲得數(shù)據(jù)后，要實(shí)現(xiàn)對網(wǎng)絡(luò)輿情預(yù)測的研究，需要建立合理的預(yù)測模型。目前，有些學(xué)者基于傳統(tǒng)的數(shù)學(xué)方法建模，還有些研究者采用人工神經(jīng)網(wǎng)絡(luò)模型。表

3、征網(wǎng)絡(luò)輿情的時間序列是非線性動態(tài)變化的時間序列，因此，本文選用標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)輿情的未來發(fā)展趨勢進(jìn)行預(yù)測。標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)模型只存儲了隱藏層各節(jié)點(diǎn)的歷史信息，鑒于模型的網(wǎng)絡(luò)結(jié)構(gòu)中各層的歷史信息都會影響整個模型的數(shù)據(jù)處理能力，本文提出對標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，通過增加反饋節(jié)點(diǎn)來存儲各層神經(jīng)元的歷史信息。在Elman神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)的訓(xùn)練算法上，采用具有全局搜索策略的遺傳算法，克服傳統(tǒng)梯

4、度下降訓(xùn)練算法易陷入局部最優(yōu)解的缺點(diǎn)。本文采用遺傳算法訓(xùn)練改進(jìn)后的Elman模型的網(wǎng)絡(luò)參數(shù)，構(gòu)建最新的GA—Elman預(yù)測模型來對網(wǎng)絡(luò)輿情的發(fā)展趨勢進(jìn)行預(yù)測。
　　本文采用均方誤差和平均相對誤差作為評價模型預(yù)測性能的指標(biāo)。本文設(shè)計(jì)了兩組實(shí)驗(yàn)，第一組實(shí)驗(yàn)用來證明標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)模型的預(yù)測性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型和ARIMA動態(tài)模型。第二組驗(yàn)證了通過兩方面綜合改進(jìn)獲得的GA—Elman預(yù)測模型的預(yù)測性能是幾個模型中最好的，表明這