EMD方法在网络舆情演化分析与建模中的应用
需积分: 17 139 浏览量
更新于2024-08-08
收藏 325KB PDF 举报
"基于EMD的网络舆情演化分析与建模方法 (2012年)。该方法利用经验模态分解(EMD)对网络舆情演化过程进行分析和建模,考虑了舆情演化中的趋势成分、周期成分、突发成分和随机成分,提高了舆情分析和建模的效果。该研究受到国家"863"计划基金和国家社会科学基金等项目的资助。作者包括周耀明、王波和张慧成,他们分别在解放军信息工程大学信息工程学院从事智能信息处理和网络舆情理论的研究工作。"
文章主要讨论的是网络舆情演化分析与建模的一个新方法,即基于经验模态分解(EMD)的方法。经验模态分解是一种数据驱动的时间序列分析技术,能够将复杂信号分解为多个内在模态函数(IMF)和残余部分,这些IMF分别对应于信号的不同时间尺度或频率成分。在网络舆情的演化过程中,这种方法可以揭示其多成分特性,包括长期趋势、周期性波动、突发事件以及随机噪声。
在传统的舆情分析中,由于忽视了这些不同成分,往往难以准确捕捉和理解舆情的演变规律。而EMD方法通过对舆情演化过程的细致分解,使得每个成分的物理含义更加明确,便于深入分析舆情的变化模式。例如,趋势成分可能反映舆情的总体发展方向,周期成分可能揭示舆情的周期性波动,突发成分则体现了舆情的突然变化,如热点事件的发生。通过分析这些成分,可以更有效地识别舆情的演化规律,为决策者提供有价值的信息。
此外,该方法在趋势预测方面表现出色,可以为舆情的未来发展提供预测模型。这对于舆情监控和管理至关重要,因为它可以帮助预测潜在的社会影响,提前采取应对策略。因此,该方法不仅适用于学术研究,也对实际的舆情管理和政策制定具有指导意义。
基于EMD的网络舆情演化分析与建模方法为理解和预测网络舆情提供了一种新的、有效的工具。它通过细致地剖析舆情的多成分特性,增强了舆情分析的深度和准确性,对于提升网络舆情管理的科学性和时效性具有重要意义。这一研究也反映了信息技术在社会科学研究中的应用,尤其是在大数据时代背景下,如何利用先进的数据分析技术揭示复杂社会现象的规律。
2020-02-02 上传
2018-04-26 上传
2021-05-11 上传
2021-05-31 上传
2020-03-07 上传
2021-05-10 上传
2021-04-22 上传
2021-05-15 上传
weixin_38741759
- 粉丝: 3
- 资源: 964
最新资源
- 高清艺术文字图标资源,PNG和ICO格式免费下载
- mui框架HTML5应用界面组件使用示例教程
- Vue.js开发利器:chrome-vue-devtools插件解析
- 掌握ElectronBrowserJS:打造跨平台电子应用
- 前端导师教程:构建与部署社交证明页面
- Java多线程与线程安全在断点续传中的实现
- 免Root一键卸载安卓预装应用教程
- 易语言实现高级表格滚动条完美控制技巧
- 超声波测距尺的源码实现
- 数据可视化与交互:构建易用的数据界面
- 实现Discourse外聘回复自动标记的简易插件
- 链表的头插法与尾插法实现及长度计算
- Playwright与Typescript及Mocha集成:自动化UI测试实践指南
- 128x128像素线性工具图标下载集合
- 易语言安装包程序增强版:智能导入与重复库过滤
- 利用AJAX与Spotify API在Google地图中探索世界音乐排行榜