第2 9卷第 1 0期 2 01 3年 1 0月

科技通报 B UL LE HN 0F S CI E NCE AND TE CHN0L OG Y

Vo 1 . 2 9 No . 1 0 0c t .2 0l 3

数据挖掘技术在网络舆情预测中的应用 蒋玉婷 (江苏海事职业技术学院信息工程系，南京 2 1 1 1 7 0 )

摘要：提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型G M模型对网络舆情进行预测，然后采用B P神经网络对G M模型预测结果进行修正，同时采有粒子群算法优化 B P神经网络参数， 最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明，本文模型可以准确预测网络舆情变化趋势，提高了网络舆情预测精度。 关键词：网络舆情；灰色模型； B P神经网络；粒子群优化算法；数据挖掘技术 中图分类号： T P 1 8 3 文献标识码： A 文章编号： 1 0 0 1— 7 1 1 9 ( 2 0 1 3 ) 1 0— 0 0 7 3— 0 3

I n t e r n e t Pu b i c Op i n i o n Pr e d i c t i o n Mo d e l Ba s e d o n Da t a Mi n i n g J/ a n g Y u t i n g ( D e p a r t me n t o f I n f o r ma t i o n E n g i n e e i r n g, J i a n g s u M a r i t i m e V o c a t i o n a l a n d T e c h n i c a l C o l l e g e, N a n j i n g 2 1 1 1 7 0, C h i n a ) Ab s t r a c t: Th e c o mb i n a t i o n o f n e t wo r k p u b l i c o p i n i o n p r e s e n t s a d a t a mi n i n g mo d e 1 .F i r s t c a r r i e s o n t h e f o r e c a s t t o t h e n e t w o r k o f p u b l i c o p i n i o n b y u s i n g g r e y mo d e l GM mo d e l,t h e n u s e s B P n e u r a l n e t w o r k t o p r e d i c t t h e r e s u l t o f GM mo d e l i s mo d i f i

e d, a n d a d o p t s t h e p a t r i c l e s wa r m a l g o i r t h m t o o p t i mi z e B P n e u r a l n e t wo r k p a r a me t e r s, t h e s i mu l a t i o n e x p e i r me n t o n a n e t wo r k mo d e l i s a h o t t o p i c . T h e s i mu l a t i o n r e s u l t s s h o w t h a t, t h e mo d e l c a n a c c u r a t e l y p r e d i c t he t n e t w o r k p u b l i c o p i n i o n t r e n d s, i mp r o v e t h e p r e d i c t i o n a c c u r a c y o f n e t wo r k p u b l i c o p i n i o n .

Ke y wo r d s: n e t w o r k p u b l i c o p i n i o n; re g y mo d e l; B P n e u r l a n e t wo r k; p a t r i c l e s wa r m o p t i mi z a t i o n a l g o i r t h m; d a t a mi n i n g

针对网络舆情预测问题，国内学者提出了大量的研究方法，主要包括线性预测方法和非线性预测方法} J _, 线性预测方法主要有自回归移动平均、指数平滑等模

1 灰色模型和B P神经网络概述 1 . 1灰色模型 在诸多的灰色模型中，以灰色系统中单序列一阶线性微分方程模型G M0, 1 )模型最为常用。 ( 1 )设有原始数据序列， n为数据个数。 。】= ( 1 ), ( 2 ),…, n )] ( 1 )

型。这些算法参数设置少，易实现，但是它们均是基于网络舆情线性建模，与网络舆情变化特点不一致，预测准确性差[ 2 - 5 1。非线性预测方法是基于数据挖掘技术进行建模，主要有隐马尔可夫、灰色模型、神经网络和支持向量机等，网络舆情预测准确性得以提高嘲。但这些非线性算法存在各自不足，如灰色模型对随机波动性较大的数据拟合效果较差；神经网络网络结构复杂、要求样本大，易出现过拟合缺陷；支持向量机训练时间长，速度慢，参数确定没有统一

标准。为此，一些学者将各种数据挖掘技术组合在一起，出现灰色马尔可夫的

( 2 )对原始数据序列累加以便弱化随机序列的波动性和随机性，得到新数据序列： :

” ( 1 ),” ( 2 ),…,” ( n )】

( 2 )

式中，’ ( ):∑ ( n ), t= 1, n=l

( 3 )建立相应的微分方程模型为：

网络舆情等组合模型，预测结果明显优于单一数据挖 掘算法。

氅+ ): M d

( 3 )

式中，。为发展系数； 为灰色作用量。

收稿日期： 2 0 1 2一 l 1— 2 2

作者简介：蒋玉婷 ( 1 9 8 1一 ),女，南京人，硕士，讲师，研究方向：计算机软件，计算机应用，数据挖掘等。