基于EMD-XGBoost-AR模型的網(wǎng)絡(luò)輿情預(yù)測(cè)研究.pdf

1、網(wǎng)絡(luò)輿情是網(wǎng)民對(duì)網(wǎng)絡(luò)事件發(fā)表的個(gè)人觀點(diǎn)、意見等行為傾向，當(dāng)網(wǎng)絡(luò)輿情發(fā)展到一定程度，將聚集或轉(zhuǎn)化為網(wǎng)絡(luò)輿論。習(xí)近平總書記在2016年的4.19講話中指出“互聯(lián)網(wǎng)已經(jīng)成為輿論斗爭(zhēng)的主戰(zhàn)場(chǎng)”，網(wǎng)絡(luò)輿論對(duì)于網(wǎng)絡(luò)生態(tài)的正常發(fā)展起著重要性作用。若負(fù)面的網(wǎng)絡(luò)輿論充斥著網(wǎng)絡(luò)環(huán)境，這將影響我國(guó)的社會(huì)安定和意識(shí)形態(tài)安全。因此，及時(shí)了解網(wǎng)絡(luò)輿情趨勢(shì)，預(yù)測(cè)未來(lái)的發(fā)展態(tài)勢(shì)，將有助于消解負(fù)面的輿論，維護(hù)網(wǎng)絡(luò)生態(tài)的健康發(fā)展。由此，網(wǎng)絡(luò)輿情的預(yù)測(cè)研究具有理論價(jià)值和社會(huì)

2、現(xiàn)實(shí)意義。
　　目前，多領(lǐng)域的預(yù)測(cè)研究主要采用組合預(yù)測(cè)模型用于時(shí)間序列的預(yù)測(cè)，既克服單一預(yù)測(cè)算法的缺點(diǎn)，更能發(fā)揮單一預(yù)測(cè)算法的優(yōu)勢(shì)，提高預(yù)測(cè)模型的準(zhǔn)確性。本文基于多領(lǐng)域的預(yù)測(cè)模型提出了合適的網(wǎng)絡(luò)輿情預(yù)測(cè)模型，用于提高預(yù)測(cè)模型的準(zhǔn)確性，為網(wǎng)絡(luò)輿情的管控提供理論支持。工作內(nèi)容主要包括三個(gè)方面：
　　（1）梳理網(wǎng)絡(luò)輿情和網(wǎng)絡(luò)輿情預(yù)測(cè)研究的文獻(xiàn)內(nèi)容，找出現(xiàn)有輿情預(yù)測(cè)的不足之處。據(jù)此引入或提出合適的網(wǎng)絡(luò)輿情預(yù)測(cè)模型，以網(wǎng)民熱議的“韓國(guó)

3、部署薩德”事件和2017年“全國(guó)兩會(huì)”事件作為輿情熱點(diǎn)事件，使用微信指數(shù)、微博微指數(shù)和百度指數(shù)作為網(wǎng)絡(luò)輿情發(fā)展趨勢(shì)的量化值，進(jìn)行輿情預(yù)測(cè)實(shí)驗(yàn)。模型預(yù)測(cè)結(jié)果以均方根誤差、平均絕對(duì)百分誤差和希爾不等系數(shù)作為評(píng)價(jià)標(biāo)準(zhǔn)，比較三個(gè)組合預(yù)測(cè)模型的實(shí)驗(yàn)結(jié)果，選取最佳的預(yù)測(cè)模型作為網(wǎng)絡(luò)輿情預(yù)測(cè)研究的解決方案，提供新的輿情預(yù)測(cè)方法。
　　（2）引入小波神經(jīng)網(wǎng)絡(luò)模型（WNN模型）和基于經(jīng)驗(yàn)?zāi)B(tài)分解的BP神經(jīng)網(wǎng)絡(luò)模型（EMD-BPNN模型）用于輿情預(yù)測(cè)

4、，并對(duì)這兩個(gè)模型進(jìn)行改進(jìn)優(yōu)化。對(duì)于WNN模型，采用附加動(dòng)量法對(duì)其進(jìn)行優(yōu)化改進(jìn)，考慮模型誤差在梯度上的作用，同時(shí)還考慮誤差曲面上變化趨勢(shì)對(duì)模型的影響，從而避免WNN模型陷入局部最優(yōu)值。對(duì)EMD-BPNN模型，采用Levenberg-Marquardt算法對(duì)其改進(jìn)優(yōu)化，處理模型的冗余參數(shù)問(wèn)題，避免預(yù)測(cè)模型陷入局部極小值，從而加快收斂速度。
　?。?）采用經(jīng)驗(yàn)?zāi)B(tài)分解的算法思想，提出融合極限梯度算法（XGBoost）擬合模型的殘差，在此