首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
周耀明,李弼程,王波,张银燕.一种自适应网络舆情演化建模方法[J].数据采集与处理,2013,28(1):
一种自适应网络舆情演化建模方法
An Adaptive Evolution Modeling Method of Internet Public Opinions
投稿时间:2011-09-05  最后修改时间:2012-02-28
DOI:
中文关键词:  网络舆情;演化建模;趋势预测;自适应
英文关键词:Internet public opinions; evolution modeling; trend forecasting; adaptive
基金项目:国家社会科学基金重大项目(09&ZD014); 全军军事学研究生课题资助项目
作者单位E-mail
周耀明 解放军信息工程大学信息工程学院 zhouyaoming365@163.com 
李弼程 解放军信息工程大学信息工程学院  
王波 解放军信息工程大学信息工程学院  
张银燕 解放军信息工程大学信息工程学院  
摘要点击次数: 662
全文下载次数: 2308
中文摘要:
      网络舆情演化建模及在此基础之上的趋势预测已成为网络舆情研究的热点内容。针对短期趋势预测方法忽略演化过程统计特性的动态变化性,致使模型选择盲目、预测效果较差的问题,本文提出一种自适应网络舆情演化建模方法(AEMIPO)。首先,动态跟踪网络舆情演化过程的平稳性、周期性和自相似性等统计特性;其次,选取能够描述上述统计特性的ARMA、ARIMA、SARIMA、FARIMA模型构建备选模型库;最后,通过制定模型选择规则,从备选模型库中选择合适的模型对当前时刻的演化过程进行自适应建模,并预测其演化趋势。实验表明,与现有方法相比,AEMIPO具有更高的预测精度与更好的预测稳定性,更适合对网络舆情演化过程进行短期建模及趋势预测。
英文摘要:
      These years, modeling the process of Internet public opinions' evolution and trend forecasting based on that has become a hot topic. The existing short-term trend forecasting method ignores the variability of statistical properties of Internet public opinions’ evolution, which leads to a blind model selection, and the forecasting performance is poor. Therefore, this paper presents an adaptive evolution modeling method of Internet public opinions (AEMIPO). Firstly, this method tracks the statistical characteristics of the process of Internet public opinions' evolution dynamically, such as smoothness, periodicity and self-similarity. Then, by selecting ARMA, ARIMA, SARIMA and FARIMA, an alternative model bank is constructed. Finally, by making model selection rules, an appropriate model is selected to model and forecast the process of evolution adaptively. The experimental results show that compared with the existing methods, AEMIPO has higher forecasting accuracy and stability, and this method is more suitable for short-term modeling and trend forecasting of Internet public opinions’ evolution.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第875860位访问者 本站今日一共被访问130

技术支持:北京勤云科技发展有限公司