基于最优模型的WEB舆情趋势预测方法

1.基于最优模型的WEB舆情趋势预测方法，其特征在于，该方法包括以下步骤：
(1)、分析指定论坛的URL特征抓取网页，将信息文档和相关的数据信息保存到本地数据库；
(2)、对本地数据库中的信息文档进行聚类和分类，获得各类文档数据库；
(3)、从各类文档已有的数据库中，根据事件标记和时间标记获取每个事件所需参数(如单位时间的文档量等)的时间序列，或从Google trends网站上下载每个事件对应的Google趋势时间序列；
(4)、针对步骤(3)中所获得的各类事件的时间序列，建立相应的最优模型并保存，作为被预测对象趋势匹配的对象；
(5)、当新的舆情事件发生时，首先通过步骤(1)到步骤(3)获得该事件相应的一些时间序列和所属的大类。通过与其所属大类里的已训练得到的一些最优模型进行匹配，从而实现对新舆情的长期预测。
2.根据权利要求1所述的WEB舆情趋势预测方法，其特征在于对各类事件建立最优模型。
3.根据权利要求2所述的WEB舆情趋势预测方法，其特征在于，步骤(2)建立最优模型的具体包括以下步骤：
A、对某类事件的每个时间序列所对应的曲线进行平滑处理，具体方法为一维中值滤波法；
B、对每条曲线进行切周期处理，得出事件发展趋势的周期；
C、对切出来的周期进行时间长度和最高值的规范化处理，不改变曲线形状；
D、对规范化处理后的曲线进行分层聚类，选择逐级均值聚类算法；
E、对聚类后得到的各个小类求出其最优模型，该模型需要保证与该类所有曲线的均方误差和最小。
4.根据权利要求1所述的WEB舆情趋势预测方法，其特征在于，步骤(5)对新舆情选取最优模型进行长期预测的具体包括以下步骤：
A、对新舆情事件的时间序列T的斜率进行分析，如果斜率大于或等于阈值3则开始取值进行预测；
B、分别对时间序列T对应的曲线图横坐标和纵坐标以遍历的方式从1到100步长为0.1进行拉伸或压缩变换，从已有的最优模型中取出一个与变换后的测试数据集均方误差和最小的模型S，并保留此时测试数据集的横坐标和纵坐标变换比值k1和k2；
C、将时间序列T经过k1和k2变化得到的曲线T′替代与S中与其进行匹配的同样长度的曲线得到变化后最匹配的模型S′；
D、为了得到新来舆情事件的预测曲线，需要将S′的横坐标和纵坐标分别按1/k1和1/k2进行反变换得到长期预测曲线

暂无