一种基于支持向量机的论坛帖子热度回归预测算法

对论坛帖子的热度进行预测成为了当前舆情监控的一项重点研究方向,本文提出一种新的论坛帖子热度回归预测算法。在进行数据处理时,首先将帖子的影响要素进行了量化处理,研究舆情热度发展的预测。本文在进行研究时,首先做的是对论坛帖子的热度的分布特征进行研究;然后量化处理影响帖子热度的影响因子,利用以回归为基础的向量机来生成舆论的发展走向;最后,对本文的预测方法进行测试,测试结果表明本文提出的帖子热度预测算法具有良好的准确性。

LDA和KNN相结合的帖子热度预测算法

随着互联网的快速发展,网络舆情对社会的影响与日俱增.对互联网上网民产生的海量文本内容进行快速准确的分析,以及在此基础上捕捉网络舆情,并对其发展趋势进行预测,对社会经济发展无疑具有重要意义.为此,本文研究了论坛中帖子的热度预测问题,针对现有算法在度量帖子内容相似性时仅仅考虑字面上的相似性,未涉及语义层面,并且未考虑发帖人的特定喜好等不足,提出了LDA(潜在狄利克雷分配)与KNN(K近邻)相结合的热度预测算法,该算法利用LDA挖掘帖子表面文本隐藏的主题信息和用户感兴趣的主题信息,在概念层面上度量帖子之间的相似性,在此基础上基于KNN算法对帖子的热度进行预测.在两组数据集的实验结果表明,所提出的算法在预测准确率方面明显优于相关工作中的方法,平均准确率分别提高了4.34%和2.52%.