面向大数据的网络舆情热度动态预测模型研究

被引：37

作者：

兰月新 ^{[1
]}

刘冰月 ^{[2
]}

张鹏 ^{[1
]}

夏一雪 ^{[1
]}

李昊青 ^{[1
]}

机构：

[1] 中国人民武装警察部队学院

[2] 天津交通职业学院

来源：

情报杂志 | 2017年 / 36卷 / 06期

关键词：

大数据; 网络舆情; 灰色关联度; 热度预测; logistic;

D O I：

暂无

中图分类号：

C913.4 [文教、卫生];

学科分类号：

030301 ; 1204 ;

摘要：

[目的/意义]面向大数据研究网络舆情热度模型以及热度预测模型,能够准确把握大数据环境下网络舆情热度,并可以决定网络舆情应对和舆论引导措施的轻重缓急,具有重要的理论意义。[方法/过程]定性分析大数据环境下网络舆情热度影响因素,通过定义最大关联度向量,基于灰色关联度方法构建网络舆情热度模型,并在此基础上构建多维度logistic模型对各个媒体平台舆情信息开展预测,通过灰色关联度得出动态预测方法。[结论/结果]经过理论建模和实证分析得出构建的热度模型和热度动态预测模型是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情热度,制定网络舆情引导策略提供参考依据。

引用

页码：105 / 110+147 +147

页数：7

共 21 条

[1]

Dynamic hierarchical algorithms for document clustering.[J].Reynaldo Gil-García;Aurora Pons-Porrata.Pattern Recognition Letters.2009, 6

[2]

2017年中国社会形势分析与预测.[M].李培林;陈光金;张翼.社会科学文献出版社.2016,

[3]

管理预测与决策方法.[M].宁宣熙; 刘思峰; 编著.科学出版社.2009,

[4] 基于DTPM模型的话题热度预测方法 [J].