基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网络舆情指标是评估网络舆情发展态势的重要决策依据,这些指标数量众多、结构复杂,信息之间往往存在冗余,且指标分析的计算量庞大.针对这些不足,提出了基于主成分分析的网络舆情快速预测方法.该方法利用主成分分析将多个网络舆情指标线性组合成一个或者几个彼此相互独立的综合指标,这些综合指标虽然在数量上小于原始指标,但仍然能够能保留原始指标体系中的大部分信息.因此可在保证准确率的前提下,有效提高网络舆情预测的效率.
推荐文章
基于主成分分析的离散过程神经网络水淹层动态预测方法
测井曲线
动态预测
水淹层识别
主成分分析
离散过程神经网络
基于状态空间主成分分析网络的故障检测方法
过程系统
主元分析
算法
故障检测
状态空间
深度学习
基于主成分分析的BP神经网络长期预报模型
主成分分析
学习矩阵
BP神经网络
浅谈网络舆情预测方法
网络舆情
预测方法
ARIMA
灰色预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主成分分析的网络舆情快速预测方法
来源期刊 数据通信 学科
关键词 网络舆情 指标 主成分分析 降维 网络舆情预测
年,卷(期) 2016,(5) 所属期刊栏目 技术交流
研究方向 页码范围 36-39,47
页数 5页 分类号
字数 4648字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王昌达 江苏大学计算机科学与通信工程学院 50 237 9.0 13.0
2 王茜仪 江苏大学计算机科学与通信工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (269)
参考文献  (11)
节点文献
引证文献  (1)
同被引文献  (14)
二级引证文献  (0)
1933(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(10)
  • 参考文献(1)
  • 二级参考文献(9)
2008(9)
  • 参考文献(2)
  • 二级参考文献(7)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络舆情
指标
主成分分析
降维
网络舆情预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据通信
双月刊
1002-5057
11-2841/TP
大16开
北京市海淀区学院路40号
82-891
1980
chi
出版文献量(篇)
2014
总下载数(次)
6
论文1v1指导