一種網(wǎng)絡輿論趨勢預測分析方法
【技術(shù)領域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)信息分析技術(shù)領域，特別是一種網(wǎng)絡輿論趨勢預測分析方法。
【背景技術(shù)】
[0002] 網(wǎng)絡輿情是以網(wǎng)絡為載體，以事件為核心，是廣大網(wǎng)民情感、態(tài)度、意見、觀點的表 達，傳播與互動，以及后續(xù)影響力的集合。隨著信息時代的發(fā)展與普及，網(wǎng)絡已滲入到社會 的各個層次。截至2014年12月，我國網(wǎng)民規(guī)模達6.49億。網(wǎng)民可以通過多種途徑迅速地從網(wǎng) 絡上獲取社會各類信息，并將自己的主觀意見發(fā)布與互聯(lián)網(wǎng)上，與他人進行交流。通過這種 快速以及廣泛的信息交流，事件得以擴張形成輿情。特別是微博的發(fā)展，增加了社會事件的 透明度，加快了熱點事件的傳播速度。在這種輿論自由的環(huán)境下，不良的謠言或者攻擊性的 評論很容易激發(fā)社會矛盾，進一步導致重大社會事件，因此輿情監(jiān)控顯得尤為重要。
[0003] 輿情監(jiān)控能幫助有關(guān)部門及時了解熱點輿情信息，提高對于輿情的應對能力，根 據(jù)輿情發(fā)展趨勢采取相應措施避免網(wǎng)絡暴力帶來的負面影響，從而構(gòu)建和諧的網(wǎng)絡言論環(huán) 境。
[0004] 目前國內(nèi)市場主要的輿情產(chǎn)品具有的功能有:熱點識別能力、傾向性分析與統(tǒng)計、 主題跟蹤、信息自動摘要功能、趨勢分析、突發(fā)事件分析、統(tǒng)計報告等。
[0005] 趨勢分析是在歷史輿情發(fā)展的基礎上對未來發(fā)展進行預測。目前有效的預測方 法包括大致3類：
[0006] 1)通過輿情的歷史數(shù)據(jù)預測熱點的爆發(fā)。
[0007] 2)對歷史事件進行聚類，獲取同類別熱點的發(fā)展變化趨勢。
[0008] 3)對輿論數(shù)進行數(shù)據(jù)挖掘如時間序列分析、人工神經(jīng)網(wǎng)絡等，預測未來輿論數(shù)。
[0009] 這些方法在一定程度上能夠預測輿情的發(fā)展，但也存在各自的局限性。前兩種方 法對于熱點的爆發(fā)能夠有預見性，但是對于特定輿情的未來發(fā)展趨勢并不能做出解釋。類 二的分析也只是考慮了單純的時間序列，并沒有結(jié)合考慮影響輿論發(fā)展的推動因素。同時 均方誤差最小的判斷標準也不適用于預測輿情的發(fā)展波動趨勢。因此需要一種快速可靠的 網(wǎng)絡輿情預測方法來預測輿情事件的發(fā)展波動趨勢。
[0010]中國發(fā)明專利申請CN 103198078 A公開了一種互聯(lián)網(wǎng)新聞事件報道趨勢分析方 法，包括以下步驟：
[0011] (1)根據(jù)配置的新聞事件的特征信息，實時采集互聯(lián)網(wǎng)中的新聞信息；
[0012] (2)預處理所述新聞信息，篩選出發(fā)布時間在設置的新聞事件的統(tǒng)計周期內(nèi)的新 聞信息；
[0013] (3)分析篩選出的新聞信息的征文信息，得到新聞信息的主題及主題信息;所述主 題包括存在主題信息的主題和不存在主題信息的源主題；
[0014] (4)分析當前統(tǒng)計周期與前一統(tǒng)計周期的主題，得出當前統(tǒng)計周期與前一統(tǒng)計周 期之間的相同主題以及各相同主題的關(guān)聯(lián)信息數(shù)；
[0015] (5)根據(jù)所述關(guān)聯(lián)信息數(shù)，得出轉(zhuǎn)化主題;所述轉(zhuǎn)化主題是指當前統(tǒng)計周期該相同 主題的關(guān)聯(lián)信息數(shù)大于或等于前一統(tǒng)計周期該相同主題的關(guān)聯(lián)信息數(shù)；
[0016] (6)獲取設定時間段內(nèi)的源主題和轉(zhuǎn)化主題的關(guān)聯(lián)信息數(shù)，并展現(xiàn)源主題和轉(zhuǎn)化 主題的關(guān)聯(lián)信息數(shù)隨時間的分布趨勢。

【發(fā)明內(nèi)容】

[0017] 本發(fā)明需要解決的技術(shù)問題是提供一種微博輿論趨勢分析方法。
[0018] 為解決上述的技術(shù)問題，本發(fā)明的一種微博輿論趨勢分析方法，包括以下步驟，
[0019] 步驟S101:確定指標體系，爬取網(wǎng)絡輿論信息，通過預處理獲得所需指標的時間序 列；
[0020] 步驟S102:建立模型，在獲取得到的時間序列上建立候選模型；
[0021] 步驟S103:選取最優(yōu)算法，從建立的候選模型中比較選取最優(yōu)模型；
[0022]步驟S104:網(wǎng)絡輿論趨勢預測分析，基于選擇的最優(yōu)模型對網(wǎng)絡輿論趨勢進行預 測分析。
[0023] 進一步的，步驟S101還包括以下步驟，
[0024]步驟S1011:確定指標體系；
[0025]步驟S1012:爬取網(wǎng)絡輿論信息，抽樣爬取網(wǎng)絡輿情數(shù)據(jù)；
[0026] 步驟S1013:關(guān)鍵字匹配網(wǎng)絡輿情；
[0027] 步驟S1014:數(shù)據(jù)預處理；
[0028]步驟S1015:獲取相關(guān)指標時間序列，整理出符合標準的以每小時信息為單位的各 指標時間序列：日期、時點、原創(chuàng)帖評論數(shù)、原創(chuàng)帖轉(zhuǎn)發(fā)數(shù)、轉(zhuǎn)發(fā)貼評論數(shù)、轉(zhuǎn)發(fā)貼轉(zhuǎn)發(fā)數(shù)、平 均活躍度、平均影響力、綜合貼數(shù)，并將上述指標作為建模的自變量。
[0029]更進一步的，所述步驟S1015中同時納入根據(jù)歷史數(shù)據(jù)折算的作者活躍度和影響 力指標作為建模的自變量。
[0030] 更進一步的，步驟S102中根據(jù)步驟S101獲得所需指標的時間序列作為自變量，另 外將當前時刻為止，根據(jù)關(guān)鍵字索引出的輿論的評論文數(shù)作為因變量;根據(jù)滯后參數(shù)和選 擇的算法得到相應的映射，具體表示如下：
[0031]
[0032]其中n:n個時間點m:m個自變量t:滯后參數(shù)。
[0033]更進一步的，所述步驟S102中的算法包括為簡單線性回歸、決策樹回歸、隨機森林 回歸、支持向量機、bagg i ng回歸算法中的一種。
[0034]更進一步的，所述步驟S102中的簡單線性回歸、決策樹回歸、隨機森林回歸、支持 向量機、bagg ing回歸算法中引入MVE來作為算法選擇的判斷標準。
[0035]更進一步的，所述步驟S103中選擇隨機森林回歸算法建立的模型為最優(yōu)模型。
[0036]更進一步的，所述步驟S102中隨機森林回歸算法中采取基尼不純度作為隨機森林 節(jié)點分割的標準。
[0037] 進一步的，步驟S103之后還包括步驟S104模型修正，當有新的時點數(shù)據(jù)出現(xiàn)時，可 將其納入指標體系作為參數(shù)，進行模型修正。
[0038]采用上述方法后，本發(fā)明活躍度與影響力作為間接獲取的指標，能從側(cè)面上反映 輿情事件的擴張潛能，對預測有較大幫助。滯后參數(shù)的可調(diào)性能夠靈活的適應實際需求，同 時引入MVE(平均誤差方差)來作為模型選擇的判斷標準，提高了對特定輿情發(fā)展趨勢波動 的預測能力。最終，可通過新的數(shù)據(jù)對模型進行修正，為長期追蹤預測創(chuàng)造了可能。
【附圖說明】
[0039]下面將結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細的說明。
[0040]圖1為本發(fā)明一種網(wǎng)絡輿論趨勢預測分析方法的流程圖。
[0041 ]圖2為本發(fā)明建立最優(yōu)模型的選擇過程。
[0042]圖3a為本發(fā)明通過簡單線性回歸算法模擬得到的走勢圖。
[0043]圖3b為本發(fā)明通過隨機森林算法模擬得到的走勢圖。
[0044]圖3c為本發(fā)明通過bagging回歸算法模擬得到的走勢圖。
[0045]圖3d為本發(fā)明通過決策樹回歸算法模擬得到的走勢圖。
[0046]圖3e為本發(fā)明通過支持向量機算法模擬得到的走勢圖。
[0047]圖4a為本發(fā)明隨機森林回歸算法中采取基尼不純度作為隨機森林節(jié)點分割標準 的示意圖。
[0048]圖4b為本發(fā)明將新時點數(shù)據(jù)納入指標體系進行模型修正的示意圖。
【具體實施方式】