基于改进GM（1，n）的动态网络舆情预警模型

doi:10.11772/j.issn.1001-9081.2021101842

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (1): 299-305.DOI: 10.11772/j.issn.1001-9081.2021101842

所属专题：前沿与综合应用

基于改进GM（1，n）的动态网络舆情预警模型

谢康¹, 姜国庆¹, 郭杭鑫², 刘峥²

1.公安部第三研究所网络安全技术研发中心，上海 200031
2.上海工程技术大学管理学院，上海 201620

收稿日期:2021-10-29 修回日期:2022-01-11 发布日期:2022-03-04
作者简介:谢康（1987—），女，山东菏泽人，助理研究员，博士，主要研究方向：数据分析、信息安全；姜国庆（1989—），男，上海人，助理研究员，硕士，主要研究方向：数据分析、信息安全；郭杭鑫（1996—），男，浙江金华人，硕士研究生，主要研究方向：运筹管理、大数据分析 email：hunter831@163.com；刘峥（1987—），男，天津人，副教授，博士，主要研究方向：运筹管理、大数据分析；
基金资助:
信息网络安全公安部重点实验室开放课题（C20609）。

Dynamic network public opinion early warning model based on improved GM（1，n）

XIE Kang¹, JIANG Guoqing¹, GUO Hangxin², LIU Zheng²

1.Network Security Technology Research and Development Center， The Third Research Institute of Ministry of Public Security， Shanghai 200031， China
2.School of Management， Shanghai University of Engineering Science， Shanghai 201620， China

Received:2021-10-29 Revised:2022-01-11 Online:2022-03-04
Contact: GUO Hangxin， born in 1996， M. S. candidate. His research interests include operations research management， big data analysis.
About author:XIE Kang， born in 1987， Ph. D.， research assistant. Her research interests include data analysis， information security；JIANG Guoqing， born in 1989， M. S.， research assistant. His research interests include data analysis， information security；LIU Zheng， born in 1987， Ph. D.， associate professor. His research interests include operations research management， big data analysis；
Supported by:
This work is partially supported by Open Project of Key Laboratory of Information and Network Security， Ministry of Public Security （C20609）.

摘要/Abstract

摘要： 舆情的自由传播会导致网络集群行为的发生，易产生负面社会影响，威胁公共安全，因此建立网络舆情监控及预警机制是防控舆情传播、维护社会稳定的必要措施。首先，通过分析谣言的形成机制，构建了舆情发展预测指标体系；其次，通过建立多因素GM（1，n）模型对舆情发展的走向进行预测；然后，分别结合新陈代谢理论与马尔可夫理论改进上述预测模型；最后，以微博“新疆棉”事件和“成都四十九中”事件为例，对GM（1，n）模型、马尔可夫GM（1，n）模型和新陈代谢马尔可夫GM（1，n）模型预测舆情发展的能力进行对比，并比较了新陈代谢马尔可夫GM（1，n）模型与随机森林模型。实验结果表明，相较于原始模型与随机森林模型，新陈代谢马尔可夫GM（1，n）模型的平均预测精度分别提高了10.6和5.8%。可见，新陈代谢马尔可夫GM（1，n）模型在预测网络舆情发展趋势问题上具有良好的性能。

关键词: 网络舆情, GM（1，n）模型, 新陈代谢理论, 马尔可夫理论, 预警机制, 随机森林

Abstract: The free spread of public opinions may lead to the occurrence of cyber collective behaviors， which are easy to cause negative social impacts and threaten public security. Therefore， the establishment of network public opinion monitoring and early warning mechanism is necessary to prevent and control the spread of public opinions and maintain social stability. Firstly， by analyzing the formation mechanism of rumors， a prediction index system of public opinion development was constructed. Secondly， the multifactor GM（1，n） model was established to predict the development trend of the public opinion. Then， the prediction model was improved by combining with metabolism theory and Markov theory. Finally， using the “Xinjiang cotton” event and “Chengdu No.49 middle school” event in Weibo as examples， the abilities of the GM（1，n） model， the Markov GM（1，n） model and the metabolic Markov GM（1， n） model to predict the development of public opinions were compared，and the metabolic Markov GM（1， n） model was also compared with the random forest model.Experimental results show that the average prediction accuracy of the metabolic Markov GM（1， n） model is increased by 10.6% and 5.8% compared with those of the original GM（1， n） model and random forest model respectively. It can be seen that the metabolic Markov GM（1， n） model has good performance in predicting the development trend of network public opinions.

Key words: network public opinion, GM(1,n) model, metabolic theory, Markov theory, early warning mechanism, random forest

中图分类号:

TP301.6

谢康, 姜国庆, 郭杭鑫, 刘峥. 基于改进GM（1，n）的动态网络舆情预警模型[J]. 计算机应用, 2023, 43(1): 299-305.

XIE Kang, JIANG Guoqing, GUO Hangxin, LIU Zheng. Dynamic network public opinion early warning model based on improved GM（1，n）[J]. Journal of Computer Applications, 2023, 43(1): 299-305.

参考文献

1 吴锋.高校突发事件网络舆情预警系统构建与优化研究［J］. 系统科学学报， 2020， 28（4）：94-97. WU F. The construction and optimization of colleges’ network public opinion early warning system for emergencies［J］. Journal of Systems Science， 2020， 28（4）：94-97.
2 马永军，陈海山. 基于LSTM模型的食品安全网络舆情预警研究［J］. 计算机工程与科学， 2019， 41（9）：1603-1611. 10.3969/j.issn.1007-130X.2019.09.011 MA Y J， CHEN H S. LSTM model based early warning of internet public opinion on food security［J］. Computer Engineering and Science， 2019， 41（9）：1603-1611. 10.3969/j.issn.1007-130X.2019.09.011
3 周琦萍，杨芳. 基于SIS模型的网络舆情无监督预警机制研究［J］. 情报科学， 2019， 37（8）：51-55. 10.13833/j.issn.1007-7634.2019.08.008 ZHOU Q P， YANG F. Unsupervised alert mechanism for message propagation based on SIS model ［J］. Information Science， 2019， 37（8）：51-55. 10.13833/j.issn.1007-7634.2019.08.008
4 孙玲芳，周加波，林伟健，等. 基于BP神经网络和遗传算法的网络舆情危机预警研究［J］. 情报杂志， 2014， 33（11）：18-24. 10.3969/j.issn.1002-1965.2014.11.004 SUN L F， ZHOU J B， LIN W J， et al. On network public opinion crisis early warning based on the BP neural network and genetic algorithm［J］. Journal of Intelligence， 2014， 33（11）：18-24. 10.3969/j.issn.1002-1965.2014.11.004
5 闫婷瑞，王栋，肖立中，等. 基于AR-RBF的舆情趋势预测模型仿真［J］. 计算机仿真， 2021， 38（4）： 437-441. 10.3969/j.issn.1006-9348.2021.04.089 YAN T R， WANG D， XIAO L Z， et al. Simulation of public opinion trend prediction model based on AR-RBF［J］. Computer Simulation， 2021， 38（4）：437-441. 10.3969/j.issn.1006-9348.2021.04.089
6 杨文阳. 基于遗传算法和贪心算法的网络舆情传播优化模型构建研究［J］. 中国电子科学研究院学报， 2020， 15（11）： 1057-1064. 10.3969/j.issn.1673-5692.2020.11.005 YANG W Y. Research on the construction of optimization model of network public opinion propagation based on genetic algorithm and greedy algorithm［J］. Journal of China Academy of Electronics and Information Technology， 2020， 15（11）： 1057-1064. 10.3969/j.issn.1673-5692.2020.11.005
7 于营，刘开南，杨婷婷，等. 基于EMD.ARXG模型的网络舆情预测研究［J］. 现代电子技术， 2020， 43（3）：82-86. YU Y， LIU K N， YANG T T， et al. Research on network public opinion prediction based on EMD.ARXG model［J］. Modern Electronics Technique， 2020， 43（3）：82-86.
8 莫赞，赵冰，黄艳莹. 基于经验模态分解-自回归组合模型的网络舆情预测［J］. 计算机应用， 2018， 38（3）： 615- 619. 10.11772/j.issn.1001-9081.2017071846 MO Z， ZHAO B， HUANG Y Y. Network public opinion prediction by empirical mode decomposition-autoregression based on extreme gradient boosting model［J］. Journal of Computer Applications， 2018， 38（3）：615-619. 10.11772/j.issn.1001-9081.2017071846
9 李启月，杨晓枭，黄兴，等. 基于系统安全降维理论的网络舆情危机预警方法研究［J］. 情报杂志， 2021， 40（9）： 88-94. 10.3969/j.issn.1002-1965.2021.09.014 LI Q Y， YANG X X， HUANG X， et al. Research on early warning methods of network public opinion crisis based on system security and dimensionality reduction theory［J］. Journal of Intelligence， 2021， 40（9）：88-94. 10.3969/j.issn.1002-1965.2021.09.014
10 章留斌，彭程，钱浩然. 基于社会安全阀的地方政务发布舆情预警模型研究［J］. 情报科学， 2020， 38（4）： 101-107. 10.13833/j.issn.1007-7634.2020.04.016 ZHANG L B， PENG C， QIAN H R. Public opinion early warning model of local government weibo based on social safety valve［J］. Information Science， 2020， 38（4）：101-107. 10.13833/j.issn.1007-7634.2020.04.016
11 刘巧玲，李劲，肖人彬. 基于参数反演的网络舆情传播趋势预测——以新浪微博为例［J］. 计算机应用， 2017， 37（5）：1419-123. 10.11772/j.issn.1001-9081.2017.05.1419 LIU Q L， LI J， XIAO R B. Trend prediction of public opinion propagation based on parameter inversion - an empirical study on Sina micro-blog［J］. Journal of Computer Application， 2017， 37（5）：1419-123. 10.11772/j.issn.1001-9081.2017.05.1419
12 杨小溪，郑珊珊，晋兆雨，等. 基于信息生态理论的网络舆情预警评价指标体系研究［J］. 情报理论与实践， 2021， 44（3）：143-148. 10.16353/j.cnki.1000-7490.2021.03.020 YANG X X， ZHENG S S， JIN Z Y， et al. Research on evaluation index system of network public opinion hotness based on information ecology theory［J］. Information Studies： Theory and Application， 2021， 44（3）：143-148. 10.16353/j.cnki.1000-7490.2021.03.020
13 张鹏，兰月新，李昊青，等. 突发事件网络谣言危机预警及模拟仿真研究［J］. 现代情报， 2019， 39（12）： 101-108， 137. 10.3969/j.issn.1008-0821.2019.12.012 ZHANG P， LAN Y X， LI H Q， et al. Study on the simulation and crisis early-warning of internet rumors about emergencies［J］. Journal of Modern Information， 2019， 39（12）：101-108， 137. 10.3969/j.issn.1008-0821.2019.12.012
14 李桂华，王亚男，朱一凡. 网络谣言的信息接收反应机制及其风险治理［J］. 情报学报， 2014， 33（3）： 305-312. 10.3772/j.issn.1000-0135.2014.03.009 LI G H， WANG Y N， ZHU Y F. The reception and response mechanism to online rumors and their risk management［J］. Journal of the China Society for Scientific and Technical Information， 2014， 33（3）： 305-312. 10.3772/j.issn.1000-0135.2014.03.009
15 张长聪，方其庆，刘庆华，等. 基于改进GM（1，N）模型的对空情报雷达费用预测［J］. 兵器装备工程学报， 2019， 40（11）：144-148. 10.11809/bqzbgcxb2019.11.029 ZHANG C C， FANG Q Q， LIU Q H， et al. Cost prediction of airborne intelligence radar based on improved GM（1，N） model［J］. Journal of Ordnance Equipment Engineering， 2019， 40（11）：144-148. 10.11809/bqzbgcxb2019.11.029
16 陈福集，史蕊. 基于残差修正的多因素灰色模型的网络舆情预测研究［J］. 情报科学， 2017， 35（9）：131-135. CHEN F J， SHI R. Research on the prediction of online public opinion based on residual-amended multifactor gray model［J］. Information Science， 2017， 35（9）：131-135.
17 李攀艺，曹奥臣，张玉红. 基于改进灰色马尔科夫模型的自由现金流预测［J］. 会计之友， 2020（23）： 144-150. 10.3969/j.issn.1004-5937.2020.23.022 LI P Y， CAO A C， ZHANG Y H. Prediction of free cash flow based on improved grey Markov model［J］. Friends of Accounting， 2020（23）：144-150. 10.3969/j.issn.1004-5937.2020.23.022
18 李鹏，陈乐，富雅琼，等. 基于改进GM（1，N）灰色关联模型的铅酸蓄电池容量预测［J］. 电测与仪表， 2015， 52（1）：35-40. 10.3969/j.issn.1001-1390.2015.01.007 LI P， CHEN L， FU Y Q， et al. The prediction of residual capacity of lead-acid battery based on improved GM（1，N） grey model［J］. Electrical Measurement and Instrumentation， 2015， 52（1）：35-40. 10.3969/j.issn.1001-1390.2015.01.007

[1]	翟冉, 陈学斌, 张国鹏, 裴浪涛, 马征. 基于不同敏感度的改进K-匿名隐私保护算法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1497-1503.
[2]	张杨, 董士程. 面向并发程序中锁机制的智能化推荐方法[J]. 计算机应用, 2021, 41(6): 1597-1603.
[3]	余东昌, 赵文芳, 聂凯, 张舸. 基于LightGBM算法的能见度预测模型[J]. 《计算机应用》唯一官方网站, 2021, 41(4): 1035-1041.
[4]	张增辉, 姜高霞, 王文剑. 基于局部概率抽样的标签噪声过滤方法[J]. 计算机应用, 2021, 41(1): 67-73.
[5]	周翔, 翟俊海, 黄雅婕, 申瑞彩, 侯璎真. 基于随机森林和投票机制的大数据样例选择算法[J]. 计算机应用, 2021, 41(1): 74-80.
[6]	肖跃雷, 张云娇. 基于特征选择和超参数优化的恐怖袭击组织预测方法[J]. 计算机应用, 2020, 40(8): 2262-2267.
[7]	聂茜婵, 张阳, 余敦辉, 张兴盛. 面向全局优化的时空众包任务分配算法[J]. 计算机应用, 2020, 40(7): 1950-1958.
[8]	朱昶胜, 康亮河, 冯文芳. 基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法[J]. 计算机应用, 2020, 40(5): 1501-1509.
[9]	余敦辉, 袁旭, 张万山, 王晨旭. 基于动态阈值的时空众包在线分配算法[J]. 计算机应用, 2020, 40(3): 658-664.
[10]	王治忠, 钱龙龙, 韩闯, 师丽. 基于统计特征和熵特征融合的心肌梗死辅助诊断方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 608-615.
[11]	陈禹, 毛莺池. 基于随机森林和遗传算法的Ceph参数自动调优[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 347-351.
[12]	童玉珍, 王应明. 基于后悔理论及EDAS法的概率语言多属性群决策方法[J]. 计算机应用, 2020, 40(11): 3152-3158.
[13]	郎大鹏, 丁巍, 姜昊辰, 陈志远. 基于多特征融合的恶意代码分类算法[J]. 计算机应用, 2019, 39(8): 2333-2338.
[14]	何新宇, 张晓龙. 基于深度神经网络的肺炎图像识别模型[J]. 计算机应用, 2019, 39(6): 1680-1684.
[15]	田臣, 周丽娟. 基于带多数类权重的少数类过采样技术和随机森林的信用评估方法[J]. 计算机应用, 2019, 39(6): 1707-1712.

基于改进GM（1，n）的动态网络舆情预警模型

Dynamic network public opinion early warning model based on improved GM（1，n）

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics