Web舆情的长期趋势预测方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

Web舆情的长期趋势预测方法

高辉, 王沙沙, 傅彦

文章导航 > 电子科技大学学报 > 2011 > 40(3): 440-445

高辉, 王沙沙, 傅彦. Web舆情的长期趋势预测方法[J]. 电子科技大学学报, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

引用本文:

高辉, 王沙沙, 傅彦. Web舆情的长期趋势预测方法[J]. 电子科技大学学报, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

GAO Hui, WANG Sha-sha, FU Yan. Prediction Model for Long-Term Development Trend of Web Sentiment[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

Citation:

GAO Hui, WANG Sha-sha, FU Yan. Prediction Model for Long-Term Development Trend of Web Sentiment[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

Web舆情的长期趋势预测方法

doi: 10.3969/j.issn.1001-0548.2011.03.022

高辉¹,
王沙沙²,
傅彦^1,2

1.
电子科技大学计算机科学与工程学院成都 610054;
2.
电子科技大学软件学院成都 610054

基金项目:

国家高技术研究发展计划(2007AA01Z440);国家自然科学基金(60973069,90924011);四川省应用技术研究与开发项目支撑计划(2008GZ0009);中国博士后科学基金(20080431273)

作者简介:
高辉(1969-)男,博士,副教授,主要从事方向复杂网络的并行数据挖掘、高效并行算法的设计与程序验证等方面的研究.

中图分类号: TP311.13

Prediction Model for Long-Term Development Trend of Web Sentiment

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054;
2.
School of Software,University of Electronic Science and Technology of China Chengdu 610054

摘要: 针对传统预测方法无法有效预测Web舆情的长期趋势中拐点的不足,提出一种长期趋势预测方法。该方法首先通过周期分析和层次聚类为每类已发生舆情事件的发展趋势建立类模型库,然后通过对待预测舆情事件已知发展趋势进行自适应变换后,应用最小二乘法从相应的类模型库中选取均方误差和最小的模型来预测该事件的未来发展趋势。实验证明,与传统方法相比该方法在预测舆情事件发展的长期趋势时有较高的关联度,能有效预测长期趋势中的拐点。
- 分类 /
- 聚类 /
- 周期分析 /
- 长期趋势预测 /
- 关联度分析
Abstract: In this paper we present a novel approach for long-term prediction of the development trend of Web sentiment. For each class of social events, the class model library of the development trend of Web sentiment is established by cycle analysis and hierarchical clustering. Then the adaptive transform is applied to the already known development trend of a new social event, and the min-sum of MSE from the library is selected to predict the future development trend of web sentiment. Experiments show that, compared with the traditional methods, the approach presented in this paper yields a higher correlation in predicting the long-term development trend of web sentiment, and can predict the turning points of the development trend more effectively.
- classification /
- clustering /
- cycle analysis /
- long-term prediction /
- relevancy analysis

[1]	常文文, 聂文超, 袁月婷, 闫光辉, 杨志飞, 张冰涛, 张学军. 基于多层脑功能网络特征的动作意图识别 . 电子科技大学学报, 2023, 52(1): 14-22. doi: 10.12178/1001-0548.2022292
[2]	张俐. 基因数据的交互依赖特征选择算法 . 电子科技大学学报, 2022, 51(5): 754-759. doi: 10.12178/1001-0548.2021136
[3]	韩嫚莉, 侯卫民, 孙靖国, 王明, 梅少辉. 基于PCA与协同表示的高光谱图像分类研究 . 电子科技大学学报, 2019, 48(1): 117-121. doi: 10.3969/j.issn.1001-0548.2019.01.019
[4]	叶娅兰, 何文文, 程云飞, 侯孟书, 李云霞. 面向压缩感知的基于相关性字典学习算法 . 电子科技大学学报, 2017, 46(5): 703-708. doi: 10.3969/j.issn.1001-0548.2017.05.011
[5]	张淯舒, 王慧强, 冯光升, 吕宏武, 温秀秀. 基于两阶段聚类的机会社会网络路由算法 . 电子科技大学学报, 2017, 46(4): 607-613. doi: 10.3969/j.issn.1001-0548.2017.04.021
[6]	汪文勇, 刘川, 赵强, 沈晓明, 丘晓彤. 直接验证的封装式特征选择方法 . 电子科技大学学报, 2016, 45(4): 607-615. doi: 10.3969/j.issn.1001-0548.2016.04.013
[7]	张乐君, 邓鑫, 国林, 张健沛, 杨静, 李泓波. 基于关联度分析的WSN节点信任模型研究 . 电子科技大学学报, 2015, 44(1): 106-111. doi: 10.3969/j.issn.1001-0548.2015.01.018
[8]	邓晓政, 焦李成. 流形距离的自动免疫克隆聚类图像分割算法 . 电子科技大学学报, 2014, 43(5): 742-748. doi: 10.3969/j.issn.1001-0548.2014.05.019
[9]	张靖, 何发镁, 邱云. 个性化推荐系统描述文件攻击检测方法 . 电子科技大学学报, 2011, 40(2): 250-254. doi: 10.3969/j.issn.1001-0548.2011.02.019
[10]	朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法 . 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019
[11]	杨宏宇, 李春林. 采用FA和SVDFRM的SVM入侵检测分类模型 . 电子科技大学学报, 2009, 38(2): 240-244. doi: 10.3969/j.issn.1001-0548.2009.02.20
[12]	张赪, 蔡之华. 代价敏感的GEP分类算法实现 . 电子科技大学学报, 2007, 36(6): 1319-1321.
[13]	郑晓鸣, 吕士颖, 王晓东. 免疫接种粒子群的聚类算法 . 电子科技大学学报, 2007, 36(6): 1264-1267.
[14]	牛强, 夏士雄, 周勇, 张磊. 改进的模糊C-均值聚类方法 . 电子科技大学学报, 2007, 36(6): 1257-1259,1272.
[15]	高俊波, 杨静. 在线论坛中的意见领袖分析 . 电子科技大学学报, 2007, 36(6): 1249-1252.
[16]	祝金荣, 胡望斌. 聚类电价预测方法研究 . 电子科技大学学报, 2007, 36(6): 1278-1281.
[17]	马义德, 钱志柏, 陈娜. 基于FCM的动态结合全局图像阈值分割 . 电子科技大学学报, 2006, 35(3): 349-351.
[18]	何军, 谭兴烈, 李新, 谢京涛, 周明天. 一种支持QoS的IPSec安全设备体系结构 . 电子科技大学学报, 2005, 34(1): 97-100.
[19]	叶茂, 陈勇. 基于分布模型的层次聚类算法 . 电子科技大学学报, 2004, 33(2): 171-174.
[20]	陈宏, 杨莉, 朱蕙, 李燕. 国民经济各部门作用类型的研究 . 电子科技大学学报, 2001, 30(3): 295-299.

WeChat

点击查看大图

计量

文章访问数: 3362
HTML全文浏览量: 124
PDF下载量: 74
被引次数: 0

Web舆情的长期趋势预测方法

doi: 10.3969/j.issn.1001-0548.2011.03.022

1. 电子科技大学计算机科学与工程学院成都 610054;

2. 电子科技大学软件学院成都 610054

基金项目:

国家高技术研究发展计划(2007AA01Z440);国家自然科学基金(60973069,90924011);四川省应用技术研究与开发项目支撑计划(2008GZ0009);中国博士后科学基金(20080431273)

作者简介:
高辉(1969-)男,博士,副教授,主要从事方向复杂网络的并行数据挖掘、高效并行算法的设计与程序验证等方面的研究.

收稿日期: 2010-01-21
修回日期: 2010-11-18
刊出日期: 2011-06-15

中图分类号: TP311.13

关键词:

摘要: 针对传统预测方法无法有效预测Web舆情的长期趋势中拐点的不足,提出一种长期趋势预测方法。该方法首先通过周期分析和层次聚类为每类已发生舆情事件的发展趋势建立类模型库,然后通过对待预测舆情事件已知发展趋势进行自适应变换后,应用最小二乘法从相应的类模型库中选取均方误差和最小的模型来预测该事件的未来发展趋势。实验证明,与传统方法相比该方法在预测舆情事件发展的长期趋势时有较高的关联度,能有效预测长期趋势中的拐点。

English Abstract

高辉, 王沙沙, 傅彦. Web舆情的长期趋势预测方法[J]. 电子科技大学学报, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

引用本文:

高辉, 王沙沙, 傅彦. Web舆情的长期趋势预测方法[J]. 电子科技大学学报, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

GAO Hui, WANG Sha-sha, FU Yan. Prediction Model for Long-Term Development Trend of Web Sentiment[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

Citation:

GAO Hui, WANG Sha-sha, FU Yan. Prediction Model for Long-Term Development Trend of Web Sentiment[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发