主成分分析與BP神經(jīng)網(wǎng)絡(luò)在微博輿情預(yù)判中的應(yīng)用

饒浩 陳海媚

〔摘要〕首先通過(guò)主成分分析消除原始指標(biāo)之間的相關(guān)性，使指標(biāo)數(shù)量變少且相互之間不相關(guān)，從而構(gòu)建綜合預(yù)判指標(biāo)，再利用BP神經(jīng)網(wǎng)絡(luò)建立微博輿情預(yù)判模型。實(shí)驗(yàn)選取2013年微博熱門話題作為訓(xùn)練樣本，選取2014年的話題作為預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，主成分分析有助于去除原始樣本數(shù)據(jù)的冗余，簡(jiǎn)化了網(wǎng)絡(luò)的復(fù)雜度，所得到的結(jié)果更加準(zhǔn)確。因此，該模型較僅使用BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性更高。

〔關(guān)鍵詞〕主成分分析；BP神經(jīng)網(wǎng)絡(luò)；微博輿情；預(yù)判模型

DOI：10.3969/j.issn.1008-0821.2016.07.011

〔中圖分類號(hào)〕G206〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2016）07-0058-05

針對(duì)輿情的研究，國(guó)外起步較早，從19世紀(jì)中期初級(jí)發(fā)展，到20世紀(jì)中期已經(jīng)走向成熟[1]。在我國(guó)，專門針對(duì)輿情的研究，大致始于2004年，黨的十六屆四中全會(huì)提出：“建立輿情匯集和分析機(jī)制，暢通社情民意反映渠道”后，“輿情”這一詞才逐漸被社會(huì)各界所熟悉并使用，此后在我國(guó)成立了有關(guān)輿情的研究中心。

目前我國(guó)針對(duì)輿情分析指標(biāo)的研究有很多，如曾潤(rùn)喜等在建立網(wǎng)絡(luò)輿情分級(jí)預(yù)警機(jī)制的基礎(chǔ)上，構(gòu)建了警源、警兆、警情3類指標(biāo)體系[2]。高承實(shí)等結(jié)合信息空間模型構(gòu)建了微博輿情的三維空間，建立了社會(huì)類指標(biāo)與技術(shù)類指標(biāo)、輿情主體與輿情受眾之間的關(guān)系[3]。方潔等從利益相關(guān)者的視角出發(fā)，結(jié)合信息空間模型分析微博輿情傳播的過(guò)程，構(gòu)建微博輿情監(jiān)測(cè)指標(biāo)[4]。王長(zhǎng)寧等分析微博輿情的傳播特點(diǎn)，在此基礎(chǔ)上建立微博輿情預(yù)警體系[5]。也有眾多學(xué)者針對(duì)預(yù)警模型進(jìn)行研究，如張華采用離散的時(shí)間序列描述微博輿情的趨勢(shì)，對(duì)微博文本中的熱點(diǎn)話題進(jìn)行提取、分析并對(duì)微博輿情進(jìn)行預(yù)測(cè)[6]。曹帥等建立了微博輿情發(fā)展趨勢(shì)的直線修正模型，闡釋了移動(dòng)平均法能夠初步分析微博輿情的發(fā)展趨勢(shì)并對(duì)其進(jìn)行了預(yù)測(cè)[7]。張金偉等建立了一種基于性格、心情和情感空間的多層次心理預(yù)警模型，有效地實(shí)現(xiàn)了對(duì)微博情感的分析和描述[8]。邱智偉等對(duì)各維度包含的指標(biāo)與微博輿情進(jìn)行相關(guān)性檢驗(yàn)，經(jīng)回歸分析構(gòu)建輿情微博數(shù)預(yù)測(cè)方程式，通過(guò)輿情微博數(shù)的增減確定微博輿情的漲落，從而構(gòu)建微博輿情預(yù)警模型[9]。林琛設(shè)計(jì)了包含網(wǎng)絡(luò)輿情監(jiān)測(cè)指標(biāo)、網(wǎng)絡(luò)輿情評(píng)估指標(biāo)與網(wǎng)絡(luò)輿情預(yù)警指標(biāo)的三層網(wǎng)絡(luò)輿情指標(biāo)體系[10]。

此外還有許多針對(duì)微博輿情的研究，例如李天龍等引入系統(tǒng)研究方法，界定了微博輿情生成機(jī)制[11]。張亞明等結(jié)合基于Vague集的AHP評(píng)估方法對(duì)輿情進(jìn)行實(shí)證分析[12]。唐曉波提出用依存句法分析來(lái)改進(jìn)傳統(tǒng)文本相似矩陣，以提高微博數(shù)據(jù)聚類準(zhǔn)確性[13]。王洪亮等同時(shí)從情報(bào)學(xué)和傳染病學(xué)的角度來(lái)研究突發(fā)自然災(zāi)害事件微博輿情蔓延特征[14]。高承實(shí)等結(jié)合信息空間模型構(gòu)建了微博輿情的三維空間，運(yùn)用層次分析法，建立了微博輿情監(jiān)測(cè)指標(biāo)體系[15]。

建立科學(xué)的微博監(jiān)測(cè)指標(biāo)是進(jìn)行輿情預(yù)判的前提。雖然針對(duì)微博監(jiān)測(cè)指標(biāo)的研究已有很多，但是許多學(xué)者的研究只涉及到了定性的層面，而沒(méi)有更深入的進(jìn)行定量分析。也有一些學(xué)者涉及到了定量的研究，但是研究所得到的指標(biāo)難以獲取，導(dǎo)致很難進(jìn)行預(yù)判監(jiān)控；并且得到的定量的指標(biāo)之間可能還會(huì)存在著一定的相關(guān)性，導(dǎo)致預(yù)判監(jiān)控的結(jié)果準(zhǔn)確率不夠高。

71主成分分析與BP神經(jīng)網(wǎng)絡(luò)模型的建立

本研究嘗試建立基于主成分分析與BP神經(jīng)網(wǎng)絡(luò)的微博網(wǎng)絡(luò)社群突發(fā)輿情預(yù)判模型，通過(guò)主成分分析消除指標(biāo)之間的相關(guān)性，再利用BP神經(jīng)網(wǎng)絡(luò)人工智能的特點(diǎn)，通過(guò)最速下降法的學(xué)習(xí)，輸出話題等級(jí)。主成分分析使指標(biāo)數(shù)量變少且相互之間不相關(guān)，再利用BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射，有效處理這些內(nèi)部機(jī)制復(fù)雜的輿情管控問(wèn)題。研究以期幫助相關(guān)部門及時(shí)了解微博的輿情，有助于其對(duì)正面信息加大力度傳播，對(duì)負(fù)面信息加以預(yù)警，從而保障群眾對(duì)相關(guān)部門的信任與支持，利于國(guó)家和諧穩(wěn)定可持續(xù)的發(fā)展[16]。

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過(guò)程，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成。輸入層各節(jié)點(diǎn)接收輸入信息，并傳遞給隱含層各節(jié)點(diǎn)；隱含層負(fù)責(zé)信息變換，考慮到增加隱含層的節(jié)點(diǎn)數(shù)比增加隱含層的層數(shù)更便于計(jì)算，不會(huì)使網(wǎng)絡(luò)太過(guò)于復(fù)雜化，因此本文的隱含層為單隱層結(jié)構(gòu)；隱含層傳遞信息到輸出層各節(jié)點(diǎn)，完成一次信息的正向傳播。當(dāng)實(shí)際輸出與期望輸出不符時(shí)，誤差通過(guò)輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱含層、輸入層逐層反傳。信息正向傳播和誤差反向傳播的交替進(jìn)行，使各層權(quán)值不斷調(diào)整，一直到網(wǎng)絡(luò)輸出的誤差減少到可以接受的范圍或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止[17]。

本研究采用主成分分析構(gòu)建微博網(wǎng)絡(luò)輿情預(yù)判指標(biāo)體系，盡可能多的考慮對(duì)預(yù)判結(jié)果有影響的指標(biāo)。可是涉及的多個(gè)指標(biāo)之間可能會(huì)存在一定的相關(guān)性，比如說(shuō)：活躍粉絲多的微博用戶可能發(fā)出一條微博會(huì)有很多的評(píng)論量。因此找出幾個(gè)為原來(lái)指標(biāo)的線性組合的綜合指標(biāo)就顯得很重要了。綜合指標(biāo)有以下幾個(gè)特點(diǎn)：（1）綜合指標(biāo)是原始指標(biāo)的線性組合，因此保留了原始指標(biāo)的主要信息；（2）彼此之間不相關(guān)；（3）比原始指標(biāo)具有某些優(yōu)越性質(zhì)。這使得在研究指標(biāo)體系時(shí)更加容易[18]。

通過(guò)主成分分析可以消除指標(biāo)之間的相關(guān)性，用原始指標(biāo)的線性組合形成的相互之間不相關(guān)的綜合指標(biāo)來(lái)代替原始指標(biāo)，選取特征值大于1并且原始指標(biāo)的大部分信息可被解釋的若干個(gè)綜合指標(biāo)，此時(shí)得到的綜合指標(biāo)的數(shù)量會(huì)少于原始指標(biāo)，從而減少指標(biāo)，去除原始樣本數(shù)據(jù)的冗余，利于數(shù)據(jù)的整理與計(jì)算；再利用BP神經(jīng)網(wǎng)絡(luò)，分別用原始指標(biāo)和綜合指標(biāo)作為輸入，通過(guò)數(shù)據(jù)流的正向傳輸和反向傳輸兩個(gè)過(guò)程的交替進(jìn)行，分別輸出話題等級(jí)，比較兩種輸入所得到的輸出結(jié)果[18]。所建立的綜合模型見(jiàn)圖1。圖1主成分分析與BP神經(jīng)網(wǎng)絡(luò)模型

2主成分分析法與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合應(yīng)用

21話題表

由于該類問(wèn)題沒(méi)有Benchmark算例，此處選取的訓(xùn)練樣本與預(yù)測(cè)樣本僅為說(shuō)明模型使用過(guò)程，具體如下：根據(jù)新浪微博數(shù)據(jù)中心提供的2013年1月-2013年12月微博熱門話題盤點(diǎn)及新浪微博2013年熱門事件話題大盤點(diǎn)，選取2013年十大熱點(diǎn)話題為預(yù)警度最高的Ⅰ級(jí)（特別嚴(yán)重），在各月中排在前面但沒(méi)在十大話題出現(xiàn)的作為Ⅱ級(jí)（嚴(yán)重），在各月中排在中間位置的作為Ⅲ級(jí)（較重），在各月中排名相對(duì)較后的作為Ⅳ級(jí)（一般），訓(xùn)練話題表如表1所示。以同樣的方法選取2014年的話題作為預(yù)測(cè)，預(yù)測(cè)話題表如表2所示。

22對(duì)數(shù)據(jù)進(jìn)行主成分分析

微博熱度由廣播數(shù)x1、收聽(tīng)數(shù)x2、聽(tīng)眾數(shù)x3、平均轉(zhuǎn)播數(shù) and 平均評(píng)論數(shù)x4、聽(tīng)眾的平均收聽(tīng)人數(shù)x5、聽(tīng)眾的平均聽(tīng)眾人數(shù)x6、聽(tīng)眾的平均等級(jí)x7、收聽(tīng)人的平均收聽(tīng)人數(shù)x8、收聽(tīng)人的平均聽(tīng)眾人數(shù)x9、收聽(tīng)人的平均等級(jí)x10、手機(jī)達(dá)人x11、QQ會(huì)員x12、轉(zhuǎn)播達(dá)人x13、天下無(wú)雙x14、微博勞模x15、青春正能量x16、秒微創(chuàng)意x17、事實(shí)派x18、微生活x19、微愛(ài)校園行x20、投票達(dá)人x21、禮物達(dá)人x22、新鮮達(dá)人x23、熱心達(dá)人x24、奇吃妙享x25、評(píng)論達(dá)人x26、點(diǎn)贊狂魔x27、心情簽到達(dá)人x28、動(dòng)感勛章x29、新星主播x30、沙發(fā)王x31、蒲公英印記x32這32個(gè)原始指標(biāo)組成。隨機(jī)選取324個(gè)名人，獲取上述數(shù)據(jù)。經(jīng)過(guò)主成分分析處理之后得到綜合指標(biāo)X1、X2、X3、X4、X5、X6，這6個(gè)綜合指標(biāo)能概括32個(gè)原始指標(biāo)7781%的信息，達(dá)到了降低復(fù)雜度的同時(shí)盡量保留大部分信息的目的。

23建立BP神經(jīng)網(wǎng)絡(luò)模型

以話題為關(guān)鍵詞，獲取該話題轉(zhuǎn)發(fā)量最多的10位名人的32個(gè)原始指標(biāo)（其中有些指標(biāo)是該話題所特有的，比如：平均轉(zhuǎn)播數(shù) and 平均評(píng)論數(shù)；還有一些指標(biāo)是該名人所特有的，比如：廣播數(shù)、收聽(tīng)數(shù)），分別計(jì)算32個(gè)原始指標(biāo)的平均值作為該關(guān)鍵詞的相應(yīng)原始指標(biāo)。

（1）直接用32個(gè)原始指標(biāo)x1、x2…x32作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。以訓(xùn)練樣本話題的數(shù)據(jù)為樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后用預(yù)測(cè)樣本的數(shù)據(jù)進(jìn)行輸入，比較輸出結(jié)果與真實(shí)結(jié)果。

（2）32個(gè)原始指標(biāo)先根據(jù)主成分分析得到的公式算出6個(gè)綜合指標(biāo)，再把得到的6個(gè)綜合指標(biāo)X1、X2、X3、X4、X5、X6作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，經(jīng)過(guò)訓(xùn)練學(xué)習(xí)后把輸出結(jié)果與真實(shí)結(jié)果進(jìn)行比較。

兩種方法的運(yùn)行結(jié)果對(duì)比如圖2所示。

24結(jié)果分析

為了使結(jié)果看起來(lái)更直觀。將準(zhǔn)確率分為一級(jí)準(zhǔn)確率、二級(jí)準(zhǔn)確率、三級(jí)準(zhǔn)確率、四級(jí)準(zhǔn)確率。其中，一級(jí)準(zhǔn)確率：輸出結(jié)果與真實(shí)結(jié)果相同的話題數(shù)/總話題數(shù)；二級(jí)準(zhǔn)確率：輸出結(jié)果與真實(shí)結(jié)果相差一個(gè)等級(jí)（例：真實(shí)結(jié)果為Ⅰ級(jí)預(yù)警，而預(yù)測(cè)結(jié)果為Ⅱ級(jí)預(yù)警，反過(guò)來(lái)亦然）的話題數(shù)/總話題數(shù)；三級(jí)準(zhǔn)確率：輸出結(jié)果與真實(shí)結(jié)果相差兩個(gè)等級(jí)（例：真實(shí)結(jié)果為Ⅰ級(jí)預(yù)警，而預(yù)測(cè)結(jié)果為Ⅲ級(jí)預(yù)警）的話題數(shù)/總話題數(shù)；四級(jí)準(zhǔn)確率：輸出結(jié)果與真實(shí)結(jié)果相差3個(gè)等級(jí)（例：真實(shí)結(jié)果為Ⅰ級(jí)預(yù)警，而預(yù)測(cè)結(jié)果為Ⅳ級(jí)預(yù)警）的話題數(shù)/總話題數(shù)。根據(jù)定義，計(jì)算出兩種方法所得結(jié)果的準(zhǔn)確率：法一得到的一級(jí)準(zhǔn)確率為22/40=55%，二級(jí)準(zhǔn)確率為11/40=275%，三級(jí)準(zhǔn)確率為4/40=10%，四級(jí)準(zhǔn)確率為3/40=75%。而法二得到的輸出結(jié)果一級(jí)準(zhǔn)確率為35/40=875%，二級(jí)準(zhǔn)確率為2/40=5%，三級(jí)準(zhǔn)確率為1/40=25%，四級(jí)準(zhǔn)確率為2/40=5%。由此可以得到，經(jīng)過(guò)主成分分析后預(yù)警結(jié)果的一級(jí)準(zhǔn)確率比沒(méi)有進(jìn)行主成分分析提高了325%；而誤差比較明顯的三級(jí)準(zhǔn)確率和四級(jí)準(zhǔn)確率比沒(méi)有進(jìn)行主成分分析降低了10%。發(fā)圖2運(yùn)行結(jié)果對(duì)比圖

現(xiàn)因?yàn)橹鞒煞址治鲇兄谌コ紭颖緮?shù)據(jù)的冗余，簡(jiǎn)化了網(wǎng)絡(luò)的復(fù)雜度，所以所得到的結(jié)果更加準(zhǔn)確。

另一方面，方法一訓(xùn)練時(shí)間為1秒，進(jìn)行了235次迭代，錯(cuò)誤率為0308。方法二訓(xùn)練時(shí)間為1秒，進(jìn)行了297次迭代，錯(cuò)誤率為185*10^（5）。雖然訓(xùn)練時(shí)間與迭代次數(shù)都差不多，可是誤差卻是幾個(gè)數(shù)量級(jí)的區(qū)別。可見(jiàn)簡(jiǎn)化網(wǎng)絡(luò)的復(fù)雜度可以在同樣的時(shí)間內(nèi)進(jìn)行更加有效的學(xué)習(xí)。

由此可以得出，為了實(shí)驗(yàn)的準(zhǔn)確性，需要獲取盡可能多的原始數(shù)據(jù)，可是過(guò)多的原始數(shù)據(jù)之間不可避免的可能會(huì)有一定的相關(guān)性，這就導(dǎo)致了矛盾的存在。而采用主成分分析的方法，可以有效的減少這種矛盾，使結(jié)果更加準(zhǔn)確。

3結(jié)語(yǔ)

本研究結(jié)合主成分分析與BP神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建微博網(wǎng)絡(luò)社群突發(fā)輿情危機(jī)預(yù)判模型，通過(guò)實(shí)例來(lái)驗(yàn)證模型的準(zhǔn)確性。此模型較僅使用BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性更高。此外，該模型也會(huì)存在著一些缺點(diǎn)。首先是進(jìn)行主成分分析的324位名人是隨機(jī)選取的，在此進(jìn)行改進(jìn)（如把名人細(xì)分：體育類、新聞?lì)?、綜藝類等）并增加名人的數(shù)量，預(yù)判結(jié)果的準(zhǔn)確性可能會(huì)有所增長(zhǎng)。其次是以話題為關(guān)鍵詞獲取原始指標(biāo)時(shí)為了獲取的方便，是以轉(zhuǎn)發(fā)量為考慮對(duì)象的，而沒(méi)有充分結(jié)合所有方面進(jìn)行考慮，且獲取的名人數(shù)量不夠多。再次此刻獲取2013年某個(gè)關(guān)鍵詞的數(shù)據(jù)，獲取到的是當(dāng)前的數(shù)據(jù)，用當(dāng)前數(shù)據(jù)的值來(lái)分析2013年的情況，不可避免的存在一定的誤差。最后也存在BP神經(jīng)網(wǎng)絡(luò)固有的缺點(diǎn)，就是容易陷入局部極小值點(diǎn)，結(jié)果也會(huì)根據(jù)隱含層的元素個(gè)數(shù)而改變。

該模型的預(yù)判結(jié)果的準(zhǔn)確性將隨著原始指標(biāo)的合理性、訓(xùn)練集數(shù)量的增加而增長(zhǎng)。研究所得到的結(jié)果可以為輿情的管理提供有效的指導(dǎo)。

參考文獻(xiàn)

[1]艾新革.國(guó)內(nèi)外輿情研究述略[J].圖書(shū)館學(xué)刊，2011，（9）：140-142.

[2]曾潤(rùn)喜.網(wǎng)絡(luò)輿情突發(fā)事件預(yù)警指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2010，（1）：77-80.

[3]高承實(shí)，榮星，陳越.微博輿情監(jiān)測(cè)指標(biāo)體系研究[J].情報(bào)雜志，2011，（9）：66-70.

[4]方潔，龔立群，魏疆.基于利益相關(guān)者理論的微博輿情中的用戶分類研究[J].情報(bào)科學(xué)，2014，（1）：18-22.

[5]王長(zhǎng)寧，陳維勤，許浩.對(duì)微博輿情熱度監(jiān)測(cè)及預(yù)警的指標(biāo)體系的研究[J].計(jì)算機(jī)與現(xiàn)代化，2013，（1）：126-129.

[6]張華.基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的微博輿情預(yù)測(cè)模型研究[D].武漢：華中師范大學(xué)，2014.

[7]曹帥，蘭月新，蘇國(guó)強(qiáng)，等.基于移動(dòng)平均法的微博輿情預(yù)測(cè)模型研究[J].湖北警官學(xué)院學(xué)報(bào)，2014，（3）：40-42.

[8]張金偉，劉曉平.基于心理預(yù)警模型的微博情感識(shí)別研究[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，（11）：1318-1322.

[9]邱智偉.基于混沌理論的微博輿情預(yù)警模型研究[D].廣州：華南理工大學(xué)，2015.

[10]林琛.基于網(wǎng)絡(luò)輿論形成過(guò)程的輿情指標(biāo)體系構(gòu)建研究[J].情報(bào)科學(xué)，2015，（1）：146-149.

[11]李天龍，李明德，張宏邦.微博輿情生成機(jī)制研究[J].情報(bào)雜志，2014，（9）：117-122.

[12]張亞明，劉婉瑩，劉海鷗.基于Vague集的微博輿情評(píng)估體系研究[J].情報(bào)雜志，2014，（4）：84-89.

[13]唐曉波，肖璐.基于依存句法分析的微博主題挖掘模型研究[J].情報(bào)科學(xué)，2015，（9）：61-65.

[14]王洪亮，周海煒.突發(fā)自然災(zāi)害事件微博輿情蔓延規(guī)律與控制研究[J].情報(bào)雜志，2013，（9）：23-28.

[15]高承實(shí)，榮星，陳越.微博輿情監(jiān)測(cè)指標(biāo)體系研究[J].情報(bào)雜志，2011，（9）：66-70.

[16]潘芳，張霞，仲偉俊.基于BP神經(jīng)網(wǎng)絡(luò)的微博網(wǎng)絡(luò)社群突發(fā)輿情的預(yù)警監(jiān)控[J].情報(bào)雜志，2014，（5）：125-128.

[17]楊淑娥，黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[J].系統(tǒng)工程理論與實(shí)踐，2005，（1）：12-18.

[18]陳建宏，劉浪，周智勇，等.基于主成分分析與神經(jīng)網(wǎng)絡(luò)的采礦方法優(yōu)選[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，（5）：1967-1972.

（本文責(zé)任編輯：郭沫含）