主成分分析与BP神经网络在微博舆情预判中的应用

首先通过主成分分析消除原始指标之间的相关性,使指标数量变少且相互之间不相关,从而构建综合预判指标,再利用BP神经网络建立微博舆情预判模型。实验选取2013年微博热门话题作为训练样本,选取2014年的话题作为预测。实验结果表明,主成分分析有助于去除原始样本数据的冗余,简化了网络的复杂度,所得到的结果更加准确。因此,该模型较仅使用BP神经网络的准确性更高。

基于粒子群算法的微博热点话题发现分析

微博平台门槛低、用户多、时效性强、随意转发等特点,使其成为目前流行的消息分享媒介。因此如果能够提前发现热点话题,给用户提供高影响力的话题就变得越来越重要了。选取了大量微博用户数据作为原始数据集,从中提取了100多个话题,对这些话题用粒子群算法进行迭代,把迭代过程中该话题的最高影响力作为该话题的最终影响力。确定出影响力高于14的话题就是有价值的热点话题,以此提取热点话题。通过提前发现热点话题,相关部门可以及时发现和引导舆情、阻碍谣言的传播,促使微博朝着健康、可持续的方向发展。