基于類模型的Web輿情趨勢預(yù)測.pdf

1、Web輿情表達(dá)快捷、信息多元和方式互動的特點(diǎn)，從根本上改變了傳播者與受傳者之間的關(guān)系，具有傳統(tǒng)媒體無法比擬的優(yōu)勢。事件通過網(wǎng)絡(luò)的快速傳播和熱烈討論進(jìn)而產(chǎn)生一定的輿論壓力，負(fù)面的輿論，輕則影響企業(yè)和政府形象，重則可能引發(fā)危機(jī)，造成公眾對企業(yè)和政府的抵制。因此如何提前預(yù)測網(wǎng)絡(luò)輿情的發(fā)展趨勢去積極化解網(wǎng)絡(luò)輿論危機(jī)顯得越來越重要。
　　目前數(shù)據(jù)挖掘中的趨勢分析與預(yù)測技術(shù)已經(jīng)在商業(yè)、金融、醫(yī)療、氣象、電信等領(lǐng)域得到了廣泛的應(yīng)用，具體應(yīng)用如股

2、票交易數(shù)據(jù)趨勢分析、汽車銷售的數(shù)據(jù)挖掘趨勢預(yù)測、洪水的預(yù)報等。在信息網(wǎng)絡(luò)傳輸快速的今天，對輿情事件的識別并做出較長一段時間內(nèi)的趨勢預(yù)測，這給研究者和工程人員提出了新的挑戰(zhàn)。目前需要考慮的主要問題是：如何較快的識別輿情事件并根據(jù)有限的信息對該事件做出較為合理的長期趨勢預(yù)測。為解決此問題，本課題主要通過介紹一個Web輿情的社會網(wǎng)絡(luò)關(guān)系挖掘項(xiàng)目對以下提出的技術(shù)和算法進(jìn)行具體分析和詳細(xì)介紹并以真實(shí)的數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)來驗(yàn)證其有效性。
　　1、

3、網(wǎng)頁信息提取
　　根據(jù)指定的URL爬取網(wǎng)頁信息和根據(jù)項(xiàng)目所需內(nèi)容從網(wǎng)頁中提取相應(yīng)的信息是本課題web輿情趨勢預(yù)測的主要前提條件，因此在文本獲取和預(yù)處理階段，首先研究了國內(nèi)外現(xiàn)有的web信息提取技術(shù)，在分析了其優(yōu)缺點(diǎn)的基礎(chǔ)上提出了一種基于模糊高斯混合模型的網(wǎng)頁信息提取方法。本文提出的方法充分利用了網(wǎng)頁的DOM結(jié)構(gòu)，在分析每個路徑中標(biāo)簽的均值和方差從而確定提取到的信息內(nèi)容，在一定程度上減少了人工參與的程度。
　　2、時間序列預(yù)測