基于ARIMA和BP神经网络模型的舆情情感预测

›› 2016, Vol. 29 ›› Issue (5): 83-.

基于ARIMA和BP神经网络模型的舆情情感预测

王努努,张伟佳,钮亮

(中国计量学院经济与管理学院,浙江杭州 310018)

出版日期:2016-05-15 发布日期:2016-05-24
作者简介:王努努(1994—),女,本科。研究方向:信息管理与数据挖掘。
基金资助:
2014年度国家级大学生创新创业训练计划基金资助项目(201410356019);2015年浙江省大学生科技创新活动计划暨新苗人才计划基金资助项目(2015R409005)

Emotion Prediction of Public Sentiment Based on ARIMA and BP Neural Network Model

WANG Nunu,ZHANG Weijia,NIU Liang

(College of Economics and Management,China Jiliang University,Hangzhou 310018,China)

Online:2016-05-15 Published:2016-05-24

摘要/Abstract

摘要：

针对重大事件网络舆情数量的激增,网络舆情安全监管和预警形势严峻的情况,提出一种基于ARIMA和BP神经网络组合模型的网络舆情情感预测模型,进而对新浪微博上采集的"余姚水灾事件"进行文本情感值计算,并对其情感变化趋势进行综合分析和预测。预测结果表明,也组合预测方法相对于单一预测方法具有更高的精度,进而说明该模型在网络舆情情感预测中的应用是可行的。

关键词: 网络舆情, 情感值, 组合模型, 预测

Abstract:

As the number of significant events of public opinion surged in recent years,it is extremely serious to keep the security of the Network public opinion and to warn early.Thus,it is important to grasp the trend of public opinion in the macro.This paper presents a network public sentiment forecast based on ARIMA and BP neural network.The emotional value of the text of "the flood incident in Yuyao" on Sina Weibo is calculated.Then the comprehensive analysis and forecast of the trend of emotional change are given.Forecast results show that relative to,method of combined forecasting is more precise than the single forecast method,indicating the application of this model in the emotion forecast of Internet public sentiment is feasible.

Key words: public opinion;emotional value;combined model;forecast

中图分类号:

G206

王努努,张伟佳,钮亮. 基于ARIMA和BP神经网络模型的舆情情感预测[J]. , 2016, 29(5): 83-.

WANG Nunu,ZHANG Weijia,NIU Liang. Emotion Prediction of Public Sentiment Based on ARIMA and BP Neural Network Model[J]. , 2016, 29(5): 83-.

[1]	冯先丁,魏镜弢,吴张永,钱杰,浦友尚. 基于PCA-PSO-SVM的球磨机负荷预测研究[J]. 电子科技, 2022, 35(1): 29-34.
[2]	宋丙鑫,路宏敏,李敏玥,孟晓姣,万健鹏. 一种车载通信设备电磁兼容性预测方法[J]. 电子科技, 2021, 34(5): 7-12.
[3]	朱成名,魏云冰,蒋成成,朱健安. 基于PSO-BP神经网络的风电功率备用容量估计模型[J]. 电子科技, 2021, 34(12): 36-41.
[4]	王洪亮,陈新源,赵雨梦. 基于集合经验模态分解和ARIMA-GRNN的负荷预测方法[J]. 电子科技, 2021, 34(12): 42-48.
[5]	朱健安,魏云冰,朱鹏杰,蒋成成,朱成名. 基于优化灰色傅里叶残差修正的中长期负荷预测[J]. 电子科技, 2021, 34(12): 49-55.
[6]	任磊,付子义,雷海勋. 有源电力滤波器改进电流预测无差拍控制方法[J]. 电子科技, 2021, 34(11): 67-74.
[7]	金鑫,冯毅,尤雪汐,王佳欣. 基于机器学习的信息安全设备调配保障技术研究[J]. 电子科技, 2020, 33(8): 80-86.
[8]	付新贺,袁永旭. 基于灰色预测算法的图情数据分析技术[J]. 电子科技, 2020, 33(7): 67-70.
[9]	刘义民,刘韬,陈庆. CHMM和AR模型在轴承性能退化评估与预测中的应用[J]. 电子科技, 2020, 33(5): 58-65.
[10]	许凤翔. 一种改进相似度的协同过滤算法实现[J]. 电子科技, 2020, 33(2): 54-59.
[11]	杨海柱,江昭阳,李梦龙,康乐. 基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测[J]. 电子科技, 2020, 33(12): 67-74.
[12]	祁鑫,王福忠,张丽,王瑞,王晓慧. 基于SVD-LSTM的高校学生宿舍空调负荷预测[J]. 电子科技, 2020, 33(11): 59-66.
[13]	罗小龙,刘子龙. 基于快速编码单元划分和自适应模式决策的HEVC效率改进算法[J]. 电子科技, 2020, 33(10): 21-25.
[14]	管胜,阮方鸣,周奎,苏明,王珩,邓迪,李佳. BP神经网络预测电极速度影响放电参数分析[J]. 电子科技, 2019, 32(6): 43-48.
[15]	马青青,闫光辉,王雅斐,武昱. 银行交易网络的链路预测[J]. 电子科技, 2019, 32(5): 55-62.