徐紅
淺談網(wǎng)絡輿情預測方法
徐紅
(四川警察學院,四川 瀘州 646000)
隨著互聯(lián)網(wǎng)的不斷發(fā)展以及網(wǎng)民人數(shù)的不斷增多,網(wǎng)絡輿情對社會的影響越來越大,預測網(wǎng)絡輿情的發(fā)展趨勢對維護社會和諧具有重要的意義。分析了基本的網(wǎng)絡輿情預測方法,重點探討了基于人工神經(jīng)網(wǎng)絡的網(wǎng)絡輿情預測方法,并給出了相應的設計和實現(xiàn)方法。
網(wǎng)絡輿情;預測方法;ARIMA;灰色預測
隨著互聯(lián)網(wǎng)的飛速發(fā)展和網(wǎng)民數(shù)量的不斷增加,網(wǎng)絡在中國已經(jīng)成為一類重要的媒體。由于網(wǎng)絡信息發(fā)布具有隱匿性等特點,吸引了廣大網(wǎng)民不斷地通過互聯(lián)網(wǎng)發(fā)表個人的觀點和意見,眾多網(wǎng)民觀點和意見匯聚形成了網(wǎng)絡輿情。
近年來,移動互聯(lián)網(wǎng)的普及使得網(wǎng)民之間能更加方便、快捷地分享自己的思想和進行信息的交互,推動網(wǎng)絡輿情產(chǎn)生及快速地擴散,對社會生活產(chǎn)生了更大的影響。如果網(wǎng)絡輿情處理不當,就可能誘發(fā)民眾的過激行為,威脅社會的穩(wěn)定。因此,必須對網(wǎng)絡輿情加以正確應對,以促進社會的和諧發(fā)展。
由于網(wǎng)絡輿情關(guān)系到社會的穩(wěn)定發(fā)展,引起了眾多學者的關(guān)注,近些年來已成為研究的熱點。網(wǎng)絡輿情研究涉及面較廣,大致包括網(wǎng)絡輿情監(jiān)測、網(wǎng)絡輿情分析、網(wǎng)絡輿情預測和網(wǎng)絡輿情引導等。網(wǎng)絡輿情預測是根據(jù)當前網(wǎng)絡輿情的發(fā)展狀況對網(wǎng)絡輿情的未來發(fā)展趨勢進行預測。網(wǎng)絡輿情預測對于把握網(wǎng)絡輿情的發(fā)展趨勢、指導網(wǎng)絡輿情的引導工作、保障社會的和諧穩(wěn)定非常重要。因此,網(wǎng)絡輿情預測在網(wǎng)絡輿情工作中具有重要的地位,而預測方法又是網(wǎng)絡輿情預測的核心,它直接關(guān)系著預測的準確性和穩(wěn)定性,非常有必要對網(wǎng)絡輿情預測方法進行研究。
本文對基本的網(wǎng)絡輿情預測方法進行分析,探討其優(yōu)缺點,然后以人工神經(jīng)網(wǎng)絡為例闡述網(wǎng)絡輿情預測的具體實施步驟和方法。
通常而言,網(wǎng)絡輿情的發(fā)展趨勢在互聯(lián)網(wǎng)上可以通過某個話題的發(fā)帖數(shù)、回帖數(shù)、點擊數(shù)等數(shù)據(jù)隨時間的變化態(tài)勢客觀地反映出來,即發(fā)帖數(shù)、回帖數(shù)等相關(guān)指標對應的時間序列客觀上表征了網(wǎng)絡輿情的發(fā)展趨勢。網(wǎng)絡輿情預測方法就是基于時間序列的計算和處理,以實現(xiàn)對未來網(wǎng)絡輿情走勢的預測?;镜木W(wǎng)絡輿情預測方法分析如下。
ARIMA模型是自回歸移動平均模型的簡稱,它常被用于短期的時間序列預測。該方法的基本思想是將時間序列視為隨機序列,并建立相應的數(shù)學模型ARIMA(,,)來近似這個時間序列。然后利用這個模型再進行預測。
假設時間序列1,2,…,n是平穩(wěn)隨機序列,它對應的ARIMA(,,)必須滿足式(1)和式(2):
t1t-1…+pt-p+δ+t(1)
tt+1t-1+…+qt-q(2)
式(1)(2)中:和為系數(shù);為回歸階次;δ為常數(shù);為白噪聲;為原時間序列的均值;為移動平均階次。
如果時間序列不是平穩(wěn)隨機序列時,首先要對它進行差分處理,以轉(zhuǎn)換得到平穩(wěn)序列,再通過解上述方程建立模型。
ARIMA預測的主要步驟如下:①利用單位根檢驗法對時間序列進行檢驗,如果序列存在單位根則不是平穩(wěn)隨機序列,否則就是平穩(wěn)隨機序列;②如果時間序列不是平穩(wěn)隨機序列,則通過差分處理將其轉(zhuǎn)換為平穩(wěn)隨機序列;③將平穩(wěn)隨機序列建立起ARIMA(,,)模型;④對建好的ARIMA(,,)模型進行檢驗;⑤利用ARIMA(,,)模型進行時間序列預測。
ARIMA預測方法的優(yōu)點是模型簡單,但是它的缺點也很明顯,就是它要求時間序列是穩(wěn)定的,所以該方法的使用有一定的局限性。
灰色系統(tǒng)是用來解決信息不完備系統(tǒng)的數(shù)學方法。灰色預測屬于灰色系統(tǒng)的內(nèi)容之一,它通過灰色微分函數(shù)對不確定的系統(tǒng)進行分析和預測。而網(wǎng)絡輿情具有較強的不確定性,所以可以將灰色預測運用在網(wǎng)絡輿情分析中?;疑A測方法通過處理原始時間序列來獲取系統(tǒng)的變化規(guī)律,生成規(guī)律性強的數(shù)據(jù)序列,再根據(jù)數(shù)據(jù)序列建立微分方程模型并求解,以此來預測系統(tǒng)未來的狀態(tài)。
為了突出時間序列的規(guī)律性,需要對原始時間序列進行運算處理,累加和累減是常用的有效處理方式。
處理后的時間序列可以通過GM(1,1)模型建立如下所示的微分方程:
式(3)中:為處理后的時間序列;為發(fā)展灰數(shù);為內(nèi)生控制灰數(shù)。
求解該微分方程即可得到用以預測的模型?;疑A測的優(yōu)點是簡單,不需要大量的數(shù)據(jù),在時間序列數(shù)據(jù)較少時能獲得較好地預測效果;它的缺點是當時間序列具有較強的波動性時,其預測效果會受嚴重影響。
網(wǎng)絡輿情本質(zhì)上是一個變化發(fā)展的動態(tài)系統(tǒng),表征網(wǎng)絡輿情發(fā)展趨勢的時間序列是非線性的序列。網(wǎng)絡輿情預測需要做的工作就是通過已知的時間序列1,2,…,n,推導出今后一段時間的時間序列n+1,n+2,…,已知的時間序列和未來的時間序列之間是存在一定非線性關(guān)系的。而人工神經(jīng)網(wǎng)絡中的BP神經(jīng)網(wǎng)絡理論上具有無限逼近任何非線性關(guān)系的能力,所以可以采用BP神經(jīng)網(wǎng)絡逼近網(wǎng)絡輿情的時間序列,進而實現(xiàn)對網(wǎng)絡輿情的預測。
基于BP神經(jīng)網(wǎng)絡的網(wǎng)絡輿情預測設計和實現(xiàn)方法如下所示。
對原始時間序列1,2,…,n進行歸一化處理,將所有數(shù)據(jù)映射到[0,1]區(qū)間,可以得到新的時間序列數(shù)據(jù)′1,′2,…,′n。
針對網(wǎng)絡輿情預測,這里采用單步預測方式,用時間序列中連續(xù)的幾個數(shù)據(jù)預測之后的1個數(shù)據(jù)。即BP神經(jīng)網(wǎng)絡根據(jù)之前的個時刻的數(shù)據(jù)預測當前時刻的數(shù)據(jù)。根據(jù)這個條件,建立BP神經(jīng)網(wǎng)絡的訓練集如表1所示。
表1 BP神經(jīng)網(wǎng)絡的訓練集
序號輸入輸出 1x′1,x′2,…,x′k-1x′k 2x′2,x′3,…,x′kx′k+1 ……… n-k+1x′n-k+1,x′n-k+2,…,x′n-1x′n
BP神經(jīng)網(wǎng)絡采用輸入層、隱含層和輸出層的3層結(jié)構(gòu),輸入層為個節(jié)點,輸出層為1個節(jié)點,分別對應用于預測的個時刻數(shù)據(jù)以及1個時刻的預測值。根據(jù)Kolmogorov定理設置隱含層節(jié)點個數(shù)。隱含層和輸出層各節(jié)點的激活函數(shù)均選用Sigmoid函數(shù)。
BP神經(jīng)網(wǎng)絡訓練過程如下:①初始化相關(guān)參數(shù),設置包括學習率、最大迭代次數(shù)、誤差范圍等參數(shù),對BP神經(jīng)網(wǎng)絡連接權(quán)值矩陣賦隨機值,在訓練集中選取一組數(shù)據(jù)作為訓練樣本;②將訓練樣本提供給BP神經(jīng)網(wǎng)絡,BP神經(jīng)網(wǎng)絡計算出隱含層、輸出層的輸出;③計算模型輸出的總誤差,再通過求導,計算各層的誤差,根據(jù)計算得到的誤差對網(wǎng)絡權(quán)值進行修正;④如果全部樣本都完成了訓練則跳轉(zhuǎn)至步驟⑤,否則選取下一組訓練樣本,跳轉(zhuǎn)至步驟②;⑤如果BP網(wǎng)絡全局誤差小于或者訓練已達到最大迭代次數(shù),則完成訓練。
向訓練好的BP神經(jīng)網(wǎng)絡輸入經(jīng)歸一化處理的時間序列,然后將BP神經(jīng)網(wǎng)絡的輸出值反歸一化則可得到對應的預測值。
當前,網(wǎng)絡輿情已成為影響社會安定團結(jié)的重要因素,對網(wǎng)絡輿情發(fā)展趨勢的預測就顯得尤為重要。本文對網(wǎng)絡輿情預測方法進行了討論,分析了基本的網(wǎng)絡輿情預測方法,重點介紹了采用BP神經(jīng)網(wǎng)絡進行網(wǎng)絡輿情預測的方法,并闡述了具體的設計和實現(xiàn)方法。本文的研究可為相關(guān)的網(wǎng)絡輿情工作提供一定的借鑒和參考。
[1]劉毅.略論網(wǎng)絡輿情的概念、特點、表達與傳播[J].理論界,2007(1):11-12.
[2]周蔚華.網(wǎng)絡輿情概論[M].北京:中國人民大學出版社,2015.
[3]黃亞駒,陳福集,游丹丹.基于混合算法和BP神經(jīng)網(wǎng)絡的網(wǎng)絡輿情預測研究[J].情報科學,2018,36(2):24-29.
[4]杜智濤,謝新洲.利用灰色預測與模式識別方法構(gòu)建網(wǎng)絡輿情預測與預警模型[J].圖書情報工作,2013,57(15):27-33.
[5]蘭月新,董希琳,蘇國強.公共危機事件網(wǎng)絡輿情預測問題研究[J].情報科學,2014,32(4):35-38.
G202
A
10.15913/j.cnki.kjycx.2019.23.024
2095-6835(2019)23-0060-02
〔編輯:張思楠〕