徐紅

淺談網(wǎng)絡(luò)輿情預(yù)測(cè)方法

徐紅

（四川警察學(xué)院，四川 瀘州 646000）

隨著互聯(lián)網(wǎng)的不斷發(fā)展以及網(wǎng)民人數(shù)的不斷增多，網(wǎng)絡(luò)輿情對(duì)社會(huì)的影響越來(lái)越大，預(yù)測(cè)網(wǎng)絡(luò)輿情的發(fā)展趨勢(shì)對(duì)維護(hù)社會(huì)和諧具有重要的意義。分析了基本的網(wǎng)絡(luò)輿情預(yù)測(cè)方法，重點(diǎn)探討了基于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測(cè)方法，并給出了相應(yīng)的設(shè)計(jì)和實(shí)現(xiàn)方法。

網(wǎng)絡(luò)輿情；預(yù)測(cè)方法；ARIMA；灰色預(yù)測(cè)

1 引言

隨著互聯(lián)網(wǎng)的飛速發(fā)展和網(wǎng)民數(shù)量的不斷增加，網(wǎng)絡(luò)在中國(guó)已經(jīng)成為一類重要的媒體。由于網(wǎng)絡(luò)信息發(fā)布具有隱匿性等特點(diǎn)，吸引了廣大網(wǎng)民不斷地通過(guò)互聯(lián)網(wǎng)發(fā)表個(gè)人的觀點(diǎn)和意見(jiàn)，眾多網(wǎng)民觀點(diǎn)和意見(jiàn)匯聚形成了網(wǎng)絡(luò)輿情。

近年來(lái)，移動(dòng)互聯(lián)網(wǎng)的普及使得網(wǎng)民之間能更加方便、快捷地分享自己的思想和進(jìn)行信息的交互，推動(dòng)網(wǎng)絡(luò)輿情產(chǎn)生及快速地?cái)U(kuò)散，對(duì)社會(huì)生活產(chǎn)生了更大的影響。如果網(wǎng)絡(luò)輿情處理不當(dāng)，就可能誘發(fā)民眾的過(guò)激行為，威脅社會(huì)的穩(wěn)定。因此，必須對(duì)網(wǎng)絡(luò)輿情加以正確應(yīng)對(duì)，以促進(jìn)社會(huì)的和諧發(fā)展。

由于網(wǎng)絡(luò)輿情關(guān)系到社會(huì)的穩(wěn)定發(fā)展，引起了眾多學(xué)者的關(guān)注，近些年來(lái)已成為研究的熱點(diǎn)。網(wǎng)絡(luò)輿情研究涉及面較廣，大致包括網(wǎng)絡(luò)輿情監(jiān)測(cè)、網(wǎng)絡(luò)輿情分析、網(wǎng)絡(luò)輿情預(yù)測(cè)和網(wǎng)絡(luò)輿情引導(dǎo)等。網(wǎng)絡(luò)輿情預(yù)測(cè)是根據(jù)當(dāng)前網(wǎng)絡(luò)輿情的發(fā)展?fàn)顩r對(duì)網(wǎng)絡(luò)輿情的未來(lái)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。網(wǎng)絡(luò)輿情預(yù)測(cè)對(duì)于把握網(wǎng)絡(luò)輿情的發(fā)展趨勢(shì)、指導(dǎo)網(wǎng)絡(luò)輿情的引導(dǎo)工作、保障社會(huì)的和諧穩(wěn)定非常重要。因此，網(wǎng)絡(luò)輿情預(yù)測(cè)在網(wǎng)絡(luò)輿情工作中具有重要的地位，而預(yù)測(cè)方法又是網(wǎng)絡(luò)輿情預(yù)測(cè)的核心，它直接關(guān)系著預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性，非常有必要對(duì)網(wǎng)絡(luò)輿情預(yù)測(cè)方法進(jìn)行研究。

本文對(duì)基本的網(wǎng)絡(luò)輿情預(yù)測(cè)方法進(jìn)行分析，探討其優(yōu)缺點(diǎn)，然后以人工神經(jīng)網(wǎng)絡(luò)為例闡述網(wǎng)絡(luò)輿情預(yù)測(cè)的具體實(shí)施步驟和方法。

2 網(wǎng)絡(luò)輿情預(yù)測(cè)方法分析

通常而言，網(wǎng)絡(luò)輿情的發(fā)展趨勢(shì)在互聯(lián)網(wǎng)上可以通過(guò)某個(gè)話題的發(fā)帖數(shù)、回帖數(shù)、點(diǎn)擊數(shù)等數(shù)據(jù)隨時(shí)間的變化態(tài)勢(shì)客觀地反映出來(lái)，即發(fā)帖數(shù)、回帖數(shù)等相關(guān)指標(biāo)對(duì)應(yīng)的時(shí)間序列客觀上表征了網(wǎng)絡(luò)輿情的發(fā)展趨勢(shì)。網(wǎng)絡(luò)輿情預(yù)測(cè)方法就是基于時(shí)間序列的計(jì)算和處理，以實(shí)現(xiàn)對(duì)未來(lái)網(wǎng)絡(luò)輿情走勢(shì)的預(yù)測(cè)?；镜木W(wǎng)絡(luò)輿情預(yù)測(cè)方法分析如下。

2.1 基于ARIMA模型的預(yù)測(cè)方法

ARIMA模型是自回歸移動(dòng)平均模型的簡(jiǎn)稱，它常被用于短期的時(shí)間序列預(yù)測(cè)。該方法的基本思想是將時(shí)間序列視為隨機(jī)序列，并建立相應(yīng)的數(shù)學(xué)模型ARIMA（，，）來(lái)近似這個(gè)時(shí)間序列。然后利用這個(gè)模型再進(jìn)行預(yù)測(cè)。

假設(shè)時(shí)間序列1，2，…，n是平穩(wěn)隨機(jī)序列，它對(duì)應(yīng)的ARIMA（，，）必須滿足式（1）和式（2）：

t1t-1…+pt-p+δ+t（1）

tt+1t-1+…+qt-q（2）

式（1）（2）中：和為系數(shù)；為回歸階次；δ為常數(shù)；為白噪聲；為原時(shí)間序列的均值；為移動(dòng)平均階次。

如果時(shí)間序列不是平穩(wěn)隨機(jī)序列時(shí)，首先要對(duì)它進(jìn)行差分處理，以轉(zhuǎn)換得到平穩(wěn)序列，再通過(guò)解上述方程建立模型。

ARIMA預(yù)測(cè)的主要步驟如下：①利用單位根檢驗(yàn)法對(duì)時(shí)間序列進(jìn)行檢驗(yàn)，如果序列存在單位根則不是平穩(wěn)隨機(jī)序列，否則就是平穩(wěn)隨機(jī)序列；②如果時(shí)間序列不是平穩(wěn)隨機(jī)序列，則通過(guò)差分處理將其轉(zhuǎn)換為平穩(wěn)隨機(jī)序列；③將平穩(wěn)隨機(jī)序列建立起ARIMA（，，）模型；④對(duì)建好的ARIMA（，，）模型進(jìn)行檢驗(yàn)；⑤利用ARIMA（，，）模型進(jìn)行時(shí)間序列預(yù)測(cè)。

ARIMA預(yù)測(cè)方法的優(yōu)點(diǎn)是模型簡(jiǎn)單，但是它的缺點(diǎn)也很明顯，就是它要求時(shí)間序列是穩(wěn)定的，所以該方法的使用有一定的局限性。

2.2 灰色預(yù)測(cè)方法

灰色系統(tǒng)是用來(lái)解決信息不完備系統(tǒng)的數(shù)學(xué)方法?；疑A(yù)測(cè)屬于灰色系統(tǒng)的內(nèi)容之一，它通過(guò)灰色微分函數(shù)對(duì)不確定的系統(tǒng)進(jìn)行分析和預(yù)測(cè)。而網(wǎng)絡(luò)輿情具有較強(qiáng)的不確定性，所以可以將灰色預(yù)測(cè)運(yùn)用在網(wǎng)絡(luò)輿情分析中。灰色預(yù)測(cè)方法通過(guò)處理原始時(shí)間序列來(lái)獲取系統(tǒng)的變化規(guī)律，生成規(guī)律性強(qiáng)的數(shù)據(jù)序列，再根據(jù)數(shù)據(jù)序列建立微分方程模型并求解，以此來(lái)預(yù)測(cè)系統(tǒng)未來(lái)的狀態(tài)。

為了突出時(shí)間序列的規(guī)律性，需要對(duì)原始時(shí)間序列進(jìn)行運(yùn)算處理，累加和累減是常用的有效處理方式。

處理后的時(shí)間序列可以通過(guò)GM（1，1）模型建立如下所示的微分方程：

式（3）中：為處理后的時(shí)間序列；為發(fā)展灰數(shù)；為內(nèi)生控制灰數(shù)。

求解該微分方程即可得到用以預(yù)測(cè)的模型。灰色預(yù)測(cè)的優(yōu)點(diǎn)是簡(jiǎn)單，不需要大量的數(shù)據(jù)，在時(shí)間序列數(shù)據(jù)較少時(shí)能獲得較好地預(yù)測(cè)效果；它的缺點(diǎn)是當(dāng)時(shí)間序列具有較強(qiáng)的波動(dòng)性時(shí)，其預(yù)測(cè)效果會(huì)受嚴(yán)重影響。

3 基于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測(cè)

網(wǎng)絡(luò)輿情本質(zhì)上是一個(gè)變化發(fā)展的動(dòng)態(tài)系統(tǒng)，表征網(wǎng)絡(luò)輿情發(fā)展趨勢(shì)的時(shí)間序列是非線性的序列。網(wǎng)絡(luò)輿情預(yù)測(cè)需要做的工作就是通過(guò)已知的時(shí)間序列1，2，…，n，推導(dǎo)出今后一段時(shí)間的時(shí)間序列n+1，n+2，…，已知的時(shí)間序列和未來(lái)的時(shí)間序列之間是存在一定非線性關(guān)系的。而人工神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)理論上具有無(wú)限逼近任何非線性關(guān)系的能力，所以可以采用BP神經(jīng)網(wǎng)絡(luò)逼近網(wǎng)絡(luò)輿情的時(shí)間序列，進(jìn)而實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情的預(yù)測(cè)。

基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測(cè)設(shè)計(jì)和實(shí)現(xiàn)方法如下所示。

3.1 網(wǎng)絡(luò)輿情時(shí)間序列預(yù)處理

對(duì)原始時(shí)間序列1，2，…，n進(jìn)行歸一化處理，將所有數(shù)據(jù)映射到[0，1]區(qū)間，可以得到新的時(shí)間序列數(shù)據(jù)′1，′2，…，′n。

3.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練集構(gòu)建

針對(duì)網(wǎng)絡(luò)輿情預(yù)測(cè)，這里采用單步預(yù)測(cè)方式，用時(shí)間序列中連續(xù)的幾個(gè)數(shù)據(jù)預(yù)測(cè)之后的1個(gè)數(shù)據(jù)。即BP神經(jīng)網(wǎng)絡(luò)根據(jù)之前的個(gè)時(shí)刻的數(shù)據(jù)預(yù)測(cè)當(dāng)前時(shí)刻的數(shù)據(jù)。根據(jù)這個(gè)條件，建立BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集如表1所示。

表1 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集

序號(hào)輸入輸出 1x′1，x′2，…，x′k-1x′k 2x′2，x′3，…，x′kx′k+1 ……… n－k+1x′n-k+1，x′n-k+2，…，x′n-1x′n

3.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)采用輸入層、隱含層和輸出層的3層結(jié)構(gòu)，輸入層為個(gè)節(jié)點(diǎn)，輸出層為1個(gè)節(jié)點(diǎn)，分別對(duì)應(yīng)用于預(yù)測(cè)的個(gè)時(shí)刻數(shù)據(jù)以及1個(gè)時(shí)刻的預(yù)測(cè)值。根據(jù)Kolmogorov定理設(shè)置隱含層節(jié)點(diǎn)個(gè)數(shù)。隱含層和輸出層各節(jié)點(diǎn)的激活函數(shù)均選用Sigmoid函數(shù)。

3.4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程如下：①初始化相關(guān)參數(shù)，設(shè)置包括學(xué)習(xí)率、最大迭代次數(shù)、誤差范圍等參數(shù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值矩陣賦隨機(jī)值，在訓(xùn)練集中選取一組數(shù)據(jù)作為訓(xùn)練樣本；②將訓(xùn)練樣本提供給BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)計(jì)算出隱含層、輸出層的輸出；③計(jì)算模型輸出的總誤差，再通過(guò)求導(dǎo)，計(jì)算各層的誤差，根據(jù)計(jì)算得到的誤差對(duì)網(wǎng)絡(luò)權(quán)值進(jìn)行修正；④如果全部樣本都完成了訓(xùn)練則跳轉(zhuǎn)至步驟⑤，否則選取下一組訓(xùn)練樣本，跳轉(zhuǎn)至步驟②；⑤如果BP網(wǎng)絡(luò)全局誤差小于或者訓(xùn)練已達(dá)到最大迭代次數(shù)，則完成訓(xùn)練。

3.5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

向訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)輸入經(jīng)歸一化處理的時(shí)間序列，然后將BP神經(jīng)網(wǎng)絡(luò)的輸出值反歸一化則可得到對(duì)應(yīng)的預(yù)測(cè)值。

4 結(jié)論

當(dāng)前，網(wǎng)絡(luò)輿情已成為影響社會(huì)安定團(tuán)結(jié)的重要因素，對(duì)網(wǎng)絡(luò)輿情發(fā)展趨勢(shì)的預(yù)測(cè)就顯得尤為重要。本文對(duì)網(wǎng)絡(luò)輿情預(yù)測(cè)方法進(jìn)行了討論，分析了基本的網(wǎng)絡(luò)輿情預(yù)測(cè)方法，重點(diǎn)介紹了采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)輿情預(yù)測(cè)的方法，并闡述了具體的設(shè)計(jì)和實(shí)現(xiàn)方法。本文的研究可為相關(guān)的網(wǎng)絡(luò)輿情工作提供一定的借鑒和參考。

［1］劉毅.略論網(wǎng)絡(luò)輿情的概念、特點(diǎn)、表達(dá)與傳播［J］.理論界，2007（1）：11-12.

［2］周蔚華.網(wǎng)絡(luò)輿情概論［M］.北京：中國(guó)人民大學(xué)出版社，2015.

［3］黃亞駒，陳福集，游丹丹.基于混合算法和BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測(cè)研究［J］.情報(bào)科學(xué)，2018，36（2）：24-29.

［4］杜智濤，謝新洲.利用灰色預(yù)測(cè)與模式識(shí)別方法構(gòu)建網(wǎng)絡(luò)輿情預(yù)測(cè)與預(yù)警模型［J］.圖書(shū)情報(bào)工作，2013，57（15）：27-33.

［5］蘭月新，董希琳，蘇國(guó)強(qiáng).公共危機(jī)事件網(wǎng)絡(luò)輿情預(yù)測(cè)問(wèn)題研究［J］.情報(bào)科學(xué)，2014，32（4）：35-38.

G202

A

10.15913/j.cnki.kjycx.2019.23.024

2095－6835（2019）23－0060－02

〔編輯：張思楠〕