基于多输出神经网络的舆情分析指标拟合及优化研究

摘要：

通过互联网媒介数据构建出完整的互联网舆情指标体系,是进行舆情预测及评估、网络空间治理的基础.然而,由于数据冲突、数据不完整、计算误差、标注失误等诸多问题,严重降低某些指标的可信度.本文根据可信度高低将舆情指标划分为两类,综合多变量数据拟合、主成分分析(PCA)、多输出神经网络等技术,以及基于数据类型的指标评价方法,能够由高可信度指标推导出低可信度指标,并采用新浪微博用户数据进行性别判断实验与用户粉丝量实验.实验结果表明,所推导出的性别准确率高达96.7％,用户粉丝量的相对绝对误差(RAE)为16％,说明本方法可以构建高可信度舆情指标体系,为舆情指标体系的构建和量化研究奠定基础.

关键词：舆情指标体系、可信度、指标拟合、主成分分析、多输出神经网络

所属期刊栏目：29

资助基金：国家自然科学基金61502475,61841601

在线出版日期：2019-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：19-26