基于EKSC算法的网络事件热度预测方法

计算机工程与科学

基于EKSC算法的网络事件热度预测方法

张茂元，孙树园，王奕博，孟琼瑶，王琦

（华中师范大学计算机学院,湖北武汉 430079）

收稿日期:2017-08-01 修回日期:2017-10-11 出版日期:2018-02-25 发布日期:2018-02-25
基金资助:
教育部人文社会科学研究基金（15YJC870029）；国家语委科研项目(YB135-40）；华中师范大学中央高校基本科研业务费（CCNU16A02049,CCNU16A06039）

#br# Prediction of network events’ hotness

based on EKSC algorithm

ZHANG Mao-yuan，SUN Shu-yuan，WANG Yi-bo,MENG Qiong-yao，WANG Qi

（School of Computer Science,Central China Normal University,Wuhan 430079,China）

Received:2017-08-01 Revised:2017-10-11 Online:2018-02-25 Published:2018-02-25

摘要/Abstract

摘要：

随着互联网的发展,有效地对网络舆情进行监管和引导对社会的和谐稳定具有重要意义,网络事件的热度预测是舆情监管的重要组成部分。针对传统方法在预测的过程中忽视了事件时间序列中蕴含的时态信息和关联性，提出了一种基于EKSC算法的网络热点事件热度预测模型。该模型使用EKSC算法对每类已知网络舆情事件的时间序列进行聚类，并构建类模型库。对待预测事件已知的热度时间序列进行缩放变化，并使用最小二乘法选取类模型库中均方误差和最小的模型对该事件进行预测。实验表明，该方法能够对网络热点事件的热度进行有效的预测。

关键词: 网络舆情, EKSC算法, 聚类, 热度预测

Abstract:

With the rapid development of the Internet, how to effectively monitor and guide the public opinion on the Internet is of great significance to the social stability. The prediction of network events’ hotness is an important part of public opinion supervision. In view of the fact that the traditional method ignores the temporal information and the relevance contained in the event time series in the process of prediction, a prediction model based on EKSC algorithm is proposed. The model uses the EKSC algorithm to cluster the time series of known network public opinion events of each class and construct a class model library. The time sequence of the know hotness in the predicted event is scaled. The least square method is used to predict the event by selecting the model with the minimum mean square error in the class library. Experimental results show that this method can effectively predict the hotness of network events.

Key words: public opinion, EKSC algorithm, clustering；hotness prediction

张茂元，孙树园，王奕博，孟琼瑶，王琦. 基于EKSC算法的网络事件热度预测方法[J]. 计算机工程与科学.

ZHANG Mao-yuan，SUN Shu-yuan，WANG Yi-bo,MENG Qiong-yao，WANG Qi.

#br# Prediction of network events’ hotness

based on EKSC algorithm

[J]. Computer Engineering & Science.

[1]	柴旭清, 乔一航, 范黎林, . 一种基于随机森林分类器构建高性能应用程序性能分析模型的方法[J]. 计算机工程与科学, 2024, 46(07): 1218-1228.
[2]	宋鑫海, 韩京宇, 郎杭, 毛毅. 滑动窗口投票策略的QRS波群形态识别[J]. 计算机工程与科学, 2024, 46(02): 272-281.
[3]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[4]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[5]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[6]	李帅, 常锦才, 李吕牧之, 蔡昆杰, . 基于差分隐私保护的Stacking集成聚类算法研究[J]. 计算机工程与科学, 2022, 44(08): 1402-1408.
[7]	李兰, 刘杰, 张洁. 基于YOLOv4改进算法的复杂行人检测模型研究[J]. 计算机工程与科学, 2022, 44(08): 1449-1456.
[8]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.
[9]	庞兴龙, 朱国胜, 杨少龙, 李修远. 一种基于聚类与噪声的网络流量分类方法[J]. 计算机工程与科学, 2022, 44(07): 1207-1215.
[10]	黄志强, 李军, 张世义. 基于轻量级神经网络的目标检测研究[J]. 计算机工程与科学, 2022, 44(07): 1265-1272.
[11]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[12]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[13]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(02): 251-256.
[14]	许光宇, 丁健. 基于特征聚类的大视差图像拼接算法 [J]. 计算机工程与科学, 2022, 44(02): 283-290.
[15]	沈郭鑫, 蒋中云. 基于密度和中心指标的Canopy二分K-均值算法优化[J]. 计算机工程与科学, 2022, 44(02): 372-380.