利用BP神经网络的网络舆情论文

1数据获取与处理

1.1事件的选取和回顾在实证分析中以“宁波PX事件”为预警模型的最终目标，而选择了“厦门PX事件”和“昆明PX事件”为学习样本进行学习。这一连串关于PX事件其危害的对象不仅仅是政府形象更是对整个社会和谐稳定造成了较大的影响。尤其是宁波PX事件中，甚至出现了不理智的因受谣言的蛊惑冲击政府机关掀翻执勤警车的情况。倘若能及时且准确地对此类事件进行预警并作出相应的预防措施就能对事件进行有效的控制。

1.2指标数据的获取对于所建立的模型而言其关键不仅仅在于预警模型的指标的建立和神经网络的识别。其数据的获取亦是十分关键的一步。根据各个数据的特点，整理各个指标数据获取方式如下。将厦门PX事件和昆明PX事件作为一个学习样本，其数据清单如表3所示。同样将模型的预警目标——“宁波PX事件”作为目标数据，其数据清单如表4所示。

1.3输入数据的标准化处理网络舆情危机预警指标体系中有5个预警指标,其中存在定性指标和定量指标两大类，并且对各个指标的数据进行了量化处理,然而各个指标的单位的量纲是不同的，为了能够对各个指标进行对比评分,需要将它们进行标准化得到[0,1]无量纲指标。量化的指标均有正负方向均有正负方向之分，自然这些数据的标注化方法均有不同：1)正向指标处理:正向指标表示值越大越安全，危机等级越小无量纲化以最小值为基准,正向无量纲化处理方程:2)负向指标处理:负向指标在文章中表示指标值越小越安全,危机等级越小。无量纲化以最大值为基准,负向的无量纲化处理方程:其中,X表示量化后的指标值,xmin表示指标的最小值,xi表示指标的实际值，xmax表示指标的最大值。

2舆情预警模型的建立及结果

2.1模型的建立神经网络模型是一个典型的“输入-处理-输出”的过程。输入是采集到的指标的实际值,输出是模型识别的结果,即预警的敏感度,而中间过称则采用BP神经网络模型进行学习计算,这部分相当于“黑匣子”。在处理的时候，该文采用三层BP网络(一个输入层、一个隐含层、一个输出层)的网络结构,那么输入、输出节点数分别是5和1[8]。在设置完参数之后用第四章所讲述的利用Matlab软件完成模型的建立。

2.2结果及检验通过搜集得到的数据汇编成的学习样本，并将其中的70%作为样本，30%作为检验样本进行。通过计算可以得到该表，从该表中容易得到，学习过程中准确率达到了91.76%。并在测过程中抽取了5项进行预测，得到的准确率为92.31%，其较高的准确率。因此有理由认为该模型在未来的预测过程中其准确率应该达到90%以上。

3研究结论

本文的研究结果表明：基于舆情量化指标的BP神经网络能够对网络舆情信息进行较为准确的预警，无论是学习还是最后实践的识别准确率都达到了80%以上。这种预警方法通过舆情信息的预警指标利用量化评价方法可以降低人为的主管臆断，而实验结果也表明了其拥有较高的识别准确率。并且利用Matlab进行编程得到的预警模型具有广泛的应用前景和使用价值。模型可以为政府提供网络舆情的预警，也为企业的网络声誉进行预警为企业的公关提供预警参考。

作者：陈乐朋 周家政 单位：浙江万里学院