基于微博的信息热度评价与预测分析 6.doc

本科生毕业论文论文题目基于微博的信息热度评价与预测分析作者姓名专业指导教师2019年6月摘要211摘要微博已成为时下非常热门的社交媒体平台，是一个庞大的关于信息分享和话题交流的平台，在人们线上社交活动中发挥着不可替代的作用，由于网络信息鱼龙混杂，所以本文通过了解微博的热度机制进而研究微博热度和预测微博的热门程度，本文研究内容对于监控预测微博舆情有重要的借鉴意义。本文主要以新浪微博作为研究对象，首先进行爬取工具的选取，随后通过分析信息传播特征，从微博的用户、内容与传播三个方面提炼影响微博热度的主要因素，并提取关键指标建立热度体系评价指标，运用因子分析法建立微博热度评估模型，得到各微博信息维度表达式以及热度计算公式，对数据进行整理分析，最终对其结果进行排序和对比，发现模型比较符合实际情况，表明本模型具有较高的准确性。随后又提出了基于PSO优化BP神经网络的话题热门程度预测模型。构建出话题热门程度的时间序列模型作为预测模型的输入，依照优化后的预测模型，完成了对话题热门程度值的预测。实验结果表明基于PSO优化BP神经网络的话题热门程度预测模型能够很好的模拟话题热门程度的变化趋势，对现实具有一定的指导意义。关键词：微博；因子分析；热度评价模型；BP神经网络预测模型本科生毕业设计（论文）AbstractWeibohasbecomeaverypopularsocialmediaplatform,todayisabigtopicaboutinformationsharingandexchangeplatform,inpeopleonlineplayanirreplaceableroleinsocialactivities,thegoodandevilpeoplemixedupbecauseofthenetworkinformation,sothisarticlethroughunderstandingtheheatmechanismandfurtherstudyofweibomicrobloggingheatandpredictmicrobloggingpopularity,thisarticleresearchcontentformonitoringthemicrobloggingpublicopinionhasimportantsignificance.Basedonsinaweibo,thisarticlecrawltoolsselectionatfirst,thenthroughanalyzingthecharacteristicofinformationdisseminationandspreadfromweibousers,contentandthreeaspectsofrefiningthemainfactorsaffectingheatweibo,andextractthekeyindicatorstoestablishtheheatsystemofevaluationindex,heatweiboevaluationmodelisestablishedbyusingfactoranalysismethod,getthemicrobloginformationdimensionexpressionandheatcalculationformulaofsortsthroughthedataanalysis,sorting,andfinallytheresults,foundmodelmoreinlinewiththeactualsituation,showthatthemodelhashigheraccuracy.Then,apso-basedBPneuralnetworkoptimizationmodelisproposedtopredictthedegreeofhottopics.Thetimeseriesmodeloftopicpopularityisconstructedastheinputofthepredictionmodel.Accordingtotheoptimizedpredictionmodel,thepredictionoftopicpopularityiscompleted.TheexperimentalresultsshowthatthePSOoptimizedBPneuralnetworkmodelcanwellsimulatethechangetrendofthehottopicdegree,whichhascertainguidingsignificancetothereality.Keywords：weibo;factoranalysis;heatevaluationmodel;BPneural