張琳

摘要：提出了基于神經(jīng)網(wǎng)絡(luò)的微博話題預(yù)測與分析系統(tǒng)，介紹了此系統(tǒng)的整體結(jié)構(gòu)與流程，并說明了該系統(tǒng)具有抓取話題信息及其相關(guān)內(nèi)容、建立數(shù)據(jù)庫、熱門話題預(yù)判等功能，從各個角度表明該系統(tǒng)對商業(yè)情報分析、行業(yè)調(diào)研、信息安全、網(wǎng)絡(luò)輿情預(yù)警十分具有研究意義，本文對系統(tǒng)其中的數(shù)據(jù)處理和分析這一流程進行了重點闡述，并法分別闡述了固定權(quán)重、函數(shù)構(gòu)建和神經(jīng)網(wǎng)絡(luò)這三種算法的主要內(nèi)容、公式以及它們優(yōu)缺點，并且對神經(jīng)網(wǎng)絡(luò)訓(xùn)練這一過程進行了仿真結(jié)果分析。我們采取三種算法相結(jié)合的方法來進行數(shù)據(jù)處理，對話題熱度進行預(yù)判，可以綜合三種方式的優(yōu)點，避免一些缺點。系統(tǒng)將這三種方式相結(jié)合，使其更加貼近人類思考方式，提高預(yù)測準確度。

關(guān)鍵詞：話題熱度；權(quán)重；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP393 文獻標識碼：A 文章編號：1007-9416（2017）03-0082-02

1 引言

近幾年，社交網(wǎng)絡(luò)飛速發(fā)展，各大社交媒體的用戶量呈指數(shù)性上升，微博也成為人們獲取和發(fā)布信息的重要渠道，其熱門話題也已經(jīng)成為了網(wǎng)絡(luò)熱點的風(fēng)向標。微博話題預(yù)測與分析，可向用戶提供了解熱門信息的渠道，還能節(jié)省時間；對于網(wǎng)絡(luò)社交媒體網(wǎng)站的管理人員來說，可以幫助他們更好的了解用戶群體的喜好；對于企業(yè)來說，能幫助他們迅速了解市場動向，為業(yè)務(wù)決策提供數(shù)據(jù)支持和指導(dǎo)[1]；對于政府來說，有助于了解民眾關(guān)注點與文化道德傾向，為施政方向提供參考等等。本文提出了將神經(jīng)網(wǎng)絡(luò)的思想應(yīng)用在話題預(yù)測中，使微博話題更有預(yù)見性，提高預(yù)測準確度。

2 系統(tǒng)結(jié)構(gòu)

系統(tǒng)的整體結(jié)構(gòu)如圖1所示。首先從新浪微博開放接口中獲取并識別出話題信息，建立話題數(shù)據(jù)庫，并通過網(wǎng)絡(luò)爬蟲技術(shù)從微博搜索中抓取到與話題有關(guān)的微博數(shù)據(jù)，均進行特征提取[2]后分類存入話題相關(guān)數(shù)據(jù)庫中，對這些數(shù)據(jù)處理和分析后作出預(yù)判哪些話題為熱門話題，哪些為非熱門話題。本文將主要闡述數(shù)據(jù)處理分析這一過程中用算法實現(xiàn)對熱門話題的預(yù)判這一流程。

3 神經(jīng)網(wǎng)絡(luò)

3.1 固定權(quán)重計算

權(quán)重，即將話題熱度分為閱讀量、轉(zhuǎn)發(fā)量、增長率等影響因子，為其中每種影響因子分配各自的系數(shù)。最終將各項影響因子與其系數(shù)相乘再進行累加可得到話題熱度。這種方式的優(yōu)點是劃分精細，可根據(jù)測試后數(shù)據(jù)增減影響因子，改動系數(shù)，但其缺點明顯，自適應(yīng)能力差，所需數(shù)據(jù)量太過龐大。其計算公式為：

（1）

式（1）中，T表示話題熱度，表示權(quán)重，表示影響因子。

3.2 構(gòu)建函數(shù)計算

根據(jù)各項數(shù)據(jù)之間的關(guān)系，可以簡單地抽象為一個熱度得分與權(quán)重的線性關(guān)系，得分越高，對應(yīng)權(quán)重在有限范圍內(nèi)同比上升。這種方式需要在前期獲取大量數(shù)據(jù)進行測試和構(gòu)建函數(shù)模型，最后得到話題熱度。利用這種方式，我們可以在一定程度上進行簡單的話題預(yù)測模擬。其具有較為清晰的邏輯，編程較為簡單的優(yōu)點，缺點是需要大量的真實數(shù)據(jù)來構(gòu)建函數(shù)模型。其計算公式為：

（2）

式（2）中，T表示話題熱度，表示權(quán)重上限，表示權(quán)重下限，表示此話題下內(nèi)容條數(shù)上限，此話題下內(nèi)容條數(shù)下限，表示當前內(nèi)容條數(shù)。

3.3 神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法是指讓機器模擬邏輯性的思維，根據(jù)邏輯規(guī)則進行推理的過程。人工神經(jīng)網(wǎng)絡(luò)按照一定的學(xué)習(xí)準則，自發(fā)發(fā)現(xiàn)環(huán)境特征和規(guī)律性，減少下次犯錯的可能性，達到高準確度的理想狀態(tài)[3]。其優(yōu)點是模擬人類思考的方式，對話題熱度預(yù)測的方式更加人性化，自適應(yīng)力強，通過大量的訓(xùn)練課提高預(yù)測的準確性，但它的編程比較困難，邏輯比較復(fù)雜。神經(jīng)網(wǎng)絡(luò)訓(xùn)練公式：

（3）

式（3）輸入樣本X根據(jù)誤差e對權(quán)重A不斷調(diào)整，直到e接近零；表示權(quán)重變化率，其取值不能過大或過小，過大會影響權(quán)重的穩(wěn)定，過小會使調(diào)整權(quán)重時收斂太慢。

3.4 概述

我們的方法綜合利用了以上三種思想。我們首先將話題的閱讀量、評論數(shù)、粉絲數(shù)按照一定比例賦予固定的權(quán)重，存入基本庫，得到熱度基值；而對于一些比較抽象的影響因子，例如名人效應(yīng)、時效性、內(nèi)容生動性、國家政策等沒有明顯劃分標準的因素，我們首先利用一些少量的數(shù)據(jù)來構(gòu)建一個簡單的函數(shù)，提取內(nèi)容特征來并建立附加庫，再通過神經(jīng)網(wǎng)絡(luò)算法思想利用訓(xùn)練數(shù)據(jù)來不斷調(diào)整權(quán)重，豐富并完善附加庫，最終得到熱度附加值。最后，將熱度基值與熱度附加值相加得到話題熱度。

4 測試結(jié)果與分析

4.1 神經(jīng)網(wǎng)絡(luò)算法應(yīng)用

輸入訓(xùn)練數(shù)據(jù)，先根據(jù)當前的權(quán)重計算，看誤差是否達到訓(xùn)練要求，若沒有則對權(quán)重進行調(diào)整，直到誤差接近于零，計算出的結(jié)果與訓(xùn)練數(shù)據(jù)的結(jié)果一樣，然后再進行下一組數(shù)據(jù)的讀取，重復(fù)以上步驟，直到所有結(jié)果達到訓(xùn)練要求。其神經(jīng)網(wǎng)絡(luò)算法流程圖如圖2。

4.2 模擬結(jié)果與分析

如圖3，在做神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測時，我們采取兩個點做回歸分析。橫坐標為目標值target，縱坐標神經(jīng)網(wǎng)絡(luò)輸出。為防止過擬合，我們運用matlab對數(shù)據(jù)劃分成三分，trainning表示訓(xùn)練，validation表示驗證，test表示測試，最后統(tǒng)計了整體狀況all，只有trainning數(shù)據(jù)參加訓(xùn)練，其他兩組數(shù)據(jù)不參加訓(xùn)練，用于檢驗。訓(xùn)練進行時，目標target和訓(xùn)練test數(shù)據(jù)之間的誤差會越來越小，validation數(shù)據(jù)和目標之間的誤差也越來越小，曲線也越來越接近對角線。

5 結(jié)語

本文對微博熱門話題預(yù)測進行了分析，針對數(shù)據(jù)處理及分析這一過程中的算法問題進行研究，綜合應(yīng)用了固定權(quán)重法、構(gòu)建函數(shù)法和神經(jīng)網(wǎng)絡(luò)算法這三種算法。若要提高預(yù)測的準確度，我們還需考慮更多影響因子與劃分標準，需要更多數(shù)據(jù)加以測試與改進，優(yōu)化我們的算法，使其有更多的應(yīng)用價值和更加廣泛的應(yīng)用平臺。

參考文獻

[1]姚婧.中文微博的話題檢測和預(yù)警[D].上海：上海交通大學(xué)，2012：1-2.

[2]劉月杰.基于中文微博的話題趨勢預(yù)測[D].北京：北京郵電大學(xué)，2013：1-3.

[3]梁野.郭寧寧.基于機器學(xué)習(xí)的網(wǎng)絡(luò)媒體熱點話題預(yù)測研究方法與實現(xiàn)[J].微型機與應(yīng)用.2014.33（15）.