原创《基于BP神经网络突发传染病舆情热度趋势预测模型》：这篇神经网络论文范文为免费优秀学术论文范文,可用于相关写作参考。
〔摘 要〕[目的/意义]研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义.[方法/过程]本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型.以新浪微博为例,选取“MERS病毒卫生突发事件”的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性.[结果/结论]实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持.
〔关键词〕BP神经网络；舆情热度；突发传染病；微博；预测模型
DOI：10.3969/j.issn.1008-0821.2018.05.006
〔中图分类号〕G2062〔文献标识码〕A〔文章编号〕1008-0821（2018）05-0037-08
〔Abstract〕[Purpose/Significance]It is of great theoretical significance to study the development trend of public opinion in emergent infectious diseases,which can provide reference for making public opinion guidance strategy.[Method/Process]The paper first constructed the index system of microblog public opinion and evaluated the weight of each index based on the information entropy,and then classified the obtained public opinion heat trend,on the base of which,it established the public opinion heat trend prediction model of emergent infectious diseases bases on BP neural network.Taking Sina microblog as an example,it analyzed the public opinion heat data of“MERS virus”to predict the development trend of the emergent infectious disease event,and verified the feasibility of the model.[Result/Conclusion]The experimental results showed that the model could effectively predict the trend of public opinion in emergent infectious diseases,and then provide decision support for public opinion control.
〔Key words〕BP neural network；heat of public opinion；emergent infectious diseases；microblog；prediction model
据中国互联网络信息中心（CNNIC）发布的《第40次中国互联网络发展状况统计报告》显示,截至2017年6月,我国互联网普及率较2016年底提升了11个百分点,达到543%,超过全球平均水平46个百分点[1].在互联网迅猛发展的环境下,国际范围内频繁发生的突发传染病引起人们高度关注,如“埃博拉病毒”、“塞卡病毒”、“SARS病毒”、“MERS病毒”等.微博作为传播媒介的代表,具有互动性高、传播速度快等特点,突发传染病事件借助新浪微博等社交平台不断发酵,往往迅速演化为网络舆情.以2014年西非爆发的埃博拉病毒为例,在2014年2月1日至10月31日期间,新浪微博平台上共产生23万多条包含“埃博拉”关键词的微博[2].在描述突发传染病舆情的诸多要素中,舆情热度体现了人们对于舆 件的关注程度,日益受到政府以及学术界的广泛关注.
突发传染病舆情同其他类型突发事件舆情相较而言,具有爆发性、演变不确定性、 倾向性等特征.由于涉及公众的健康和生命安全,社会公众高度关注致病原因、每日新增病例数、死亡率、治愈情况等和之相关的信息.相关消息一旦发出就会掀起网络舆情的浪潮,引起整体舆论环境的波动,其舆情发展的管控已经成为应急管理的一个重要组成部分.基于此,本文结合徐旖旎[3]对媒体奇观网络舆情热度趋势分析以及赵磊、王松等[4]对舆情热度趋势仿真模型的研究思路,将突发传染病舆情热度趋势预测问题转化为模式分类问题,并尝试引入BP神经网络对舆情热度趋势做预测.首先,文章构建面向微博的舆情热度评价指标体系,基于信息熵确定各个指标的权重,再利用加权求和的方法得到热度值,然后求出舆情热度趋势值并进行分类,接着引入BP神经网络理论,從新浪微博收集“MERS病毒卫生突发事件”相关数据,对突发传染病的舆情热度趋势进行预测,探讨该方法的可行性和有效性.
1研究现状
11网络舆情热度研究
网络舆情热度研究是一门涉及情报学、统计学、传播学等多学科交叉融合的研究领域.当前,国内外学者针对网络舆情热度的研究分为定性研究、定量研究以及定性定量相结合方法.其中,定性研究包含网络舆情热度发展演变规律、特征、热度评价指标体系建立等,定量研究包含最优化模型、系统动力学模型、马尔可夫链模型等.Lean Yu等[5]提出了以网络公民、意见领袖、政府以及大众媒体四大主体为代表的网络舆情传播模型,并通过4起典型的危险化学品泄漏事件进行案例研究,验证模型的有效性；张行钦等[6]使用百度指数,研究了“乙肝疫苗”事件网络舆情热度演变规律；Jeffrey R Lax等[7]根据突发事件网络舆情生成过程、热度涨落的影响因素,提出了较为成熟的舆情热度指标.曹学艳等[8]引入突发事件应对等级,构建了网络舆情热度评价指标体系；王慧军等[9]通过最小化舆情热度的 作用和监控成本之和,研究了政府对舆情热度的最优监控问题；袁国平等[10]借助系统动力学的流图模型,通过Vensim PIE软件进行模拟仿真,从事件公共度、事件敏感度、网民质疑度、政府公信力4个方面分析对网络舆情热度的影响；屈启兴等[11]给出了基于微博的企业网络舆情热度的计算公式,在此基础上提出基于马尔可夫链的舆情热度趋势分析模型；王新猛[12]构建了针对政府 网络舆情热度趋势的马尔可夫链预测模型.Xue Gang Chen等[13]运用粗糙集理论降低网络舆情指标体系的属性,并通过层次分析法确定指标权重,从定量和定性的角度出发,提出一种网络舆情趋势预测和评价的新方法.
神经网络论文参考资料：
结论：基于BP神经网络突发传染病舆情热度趋势预测模型为关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文深度神经网络算法论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
