一种网络舆论趋势预测分析方法

1.一种网络舆论趋势预测分析方法，其特征在于，包括以下步骤，
步骤S101：确定指标体系，爬取网络舆论信息，通过预处理获得所需指标的时间序列；
步骤S102：建立模型，在获取得到的时间序列上建立候选模型；
步骤S103：选取最优模型，从建立的候选模型中比较选取最优模型；
步骤S104：网络舆论趋势预测分析，基于选择的最优模型对网络舆论趋势进行预测分析。
2.按照权利要求1所述的一种网络舆论趋势预测分析方法，其特征在于，步骤S101还包括以下步骤，
步骤S1011：确定指标体系；
步骤S1012：爬取网络舆论信息，抽样爬取网络舆情数据；
步骤S1013：关键字匹配网络舆情；
步骤S1014：数据预处理；
步骤S1015：获取相关指标时间序列，整理出符合标准的以每小时信息为单位的各指标时间序列：日期、时点、原创帖评论数、原创帖转发数、转发贴评论数、转发贴转发数、平均活跃度、平均影响力、综合贴数，并将上述指标作为建模的自变量。
3.按照权利要求2所述的一种网络舆论趋势预测分析方法，其特征在于：所述步骤S1015中同时纳入根据历史数据折算的作者活跃度和影响力指标作为建模的自变量。
4.按照权利要求1至3中任一项所述的一种网络舆论趋势预测分析方法，其特征在于，步骤S102中根据步骤S101获得所需指标的时间序列作为自变量，另外将当前时刻为止，根据关键字索引出的舆论的评论文数作为因变量；根据滞 后参数和选择的算法得到相应的映射，具体表示如下：
其中n：n个时间点 m：m个自变量 t：滞后参数。
5.按照权利要求4所述的一种网络舆论趋势预测分析方法，其特征在于：所述步骤S102中的算法包括为简单线性回归、决策树回归、随机森林回归、支持向量机、bagging回归算法中的一种。
6.按照权利要求5所述的一种网络舆论趋势预测分析方法，其特征在于：所述步骤S103中的简单线性回归、决策树回归、随机森林回归、支持向量机、bagging回归算法中引入MVE来作为选取最优模型的判断标准。
7.按照权利要求6所述的一种网络舆论趋势预测分析方法，其特征在于：步骤S103中选择随机森林回归算法建立的模型为最优模型。
8.按照权利要求7所述的一种网络舆论趋势预测分析方法，其特征在于，所述步骤S102中随机森林回归算法中采取基尼不纯度作为随机森林节点分割的标准。
9.按照权利要求8所述的一种网络舆论趋势预测分析方法，其特征在于：步骤S104之后还包括步骤S105模型修正，当有新的时点数据出现时，可将其纳入指标体系作为参数，进行模型修正。

暂无