文摘
本研究旨在提出一个时间序列网络舆论紧急(NPOE)管理决策支持问题的算法低决策正确性和长时间决定在传统的类似的算法。在这个算法,时间序列数据预处理后,原始指标数据的关联规则的网络舆论突发事件(npo)开采,禁食的原始指标数据矩阵构造,和改进的局部线性嵌入方法将用来获得npo的原始指标数据。根据预处理后进行预处理结果,紧急决定的目标体重指数计算的区间值模糊信息熵度量应急决策指标,应急管理决策支持模型,实现NPOE的应急管理决策支持。仿真实验结果表明,该算法有更好的影响决策的影响非营利组织的管理,和更高的决策效率。
1。介绍
互联网的发展和普及是应急管理密切相关;人们获取信息的方式发生了巨大的变化。人们现在可以使用他们的移动设备访问互联网的任何地方,在任何时间,和更多的方便,使他们更频繁地分享他们的观点和态度。在这种情况下,这一趋势是道德问题的复杂性和网络舆论危机。紧急联系网络舆论发生立即通过网络的潜在主题特征,指的是情绪和公共舆论的态度在一个特定的事件:沟通互动,丰富的内容,和网络级联(1]。
互联网已经成为不可或缺的组成部分,大多数人的日常生活。这样一个平台使态度和意见的自由表达某一社会现象或问题,形成网络舆论通过映射社会舆论在网络空间中,这是一个直接反映社会舆论的2]。当某些突发事件发生在现实社会中,这些事件通过互联网的迅速蔓延很快就会在互联网上成为一个热门话题。正是这种自由和开放的舆论平台,导致公众和政府沟通方式的变化。尤其是目前,互联网缺乏及时的开放性和透明度,这是网民更容易参与积极讨论互联网热点事件(3]。
公众视野的最重要特点有关突发公共事件在整个应急系统是非常快的论点和分布。面对面,紧急被视为公共部分。随着社交媒体的迅速崛起,公众可以完整的评估,要求和真实,也能立即回答。然而,互联网是一个公共平台,被描述为一个广泛的相互作用网络。因此,这个问题可以这样一个高效、互动和快速在线公共视图处理紧急情况?入侵系统的噪声是最重要的外部语境元素影响的扩张网络在紧急情况下公众的视野。
突发公共事件的利用网络,目前土壤系统的噪声(如不稳定,主要崩溃,放大信息,和网络泄漏),和监控问题和接近。
通用数据发布策略有影响或放弃了环境因素的方法。由于信息分布的复杂性,象征性的解释可能会混淆和模糊的4- - - - - -8]。谣言的传播、误解和问题与外部系统将最终崩溃的移情和系统结构。互联网公共视角不同于校园管理,处理紧急情况例外管理。唯一坚持紧急被动地应对互联网是误传,但领导人没有考虑。教育、科研调查和网上调查管理也有效的元素。自大学开始修改他们的概念的发展,他们有优先发展大学比赛而忽略“软实力的结构。“网络环境有很多目的,包括价值观和道德的形成和增强的概念。网络特性和转移模型影响大学的学习者的学习和生活,可能需要时间和过程。大学被认为是一个重要的人力资源中心,和管理者的疏忽影响人力资源改进。
预测和分析时间序列的主标题可以实现交通金融、工程、和复杂网络领域。分析时间序列可能导致解析的特性数据和调查可能的信息(9- - - - - -14]。
到目前为止,我们所知,没有研究提出了紧急项目管理决策支持算法基于时间序列的非营利组织。因此,本研究提出了一个模糊时间数列(FTS)方法基于马尔可夫链提供了一个数学系统,经历从一个状态转换到另一个按一定概率规则。所有这些方法使用一阶FTS预测模型预测罚球。大多数FTS预测方法在文献中基于模型的高阶FTS,二元FTS,多元FTS [15- - - - - -20.]。
一般来说,FTS的方法依赖于三个阶段,包括(1)模糊化、模糊关系(2)规范,和(3)去模糊化。在相关文献中,FTS方法开发的上述三个阶段采用不同的人工智能(AI)的方法。在目前的研究中,时间序列评估为了解决上述的算法问题,应急响应时间序列网络公共视图集团决策支持推荐算法,算法效率是使用模拟测试确认。
2。文献综述
陈于2010年提出的一个新的FTS模型,高阶FTS模型,解决预测问题,设计一个算法预测在阿拉巴马大学的入学率。该方法的准确性优于先前使用的技术(16]。
2012年,谢和吴创建了一个应急小组决策方法用于非正统的紧急情况下。重要的决定提供的信息是场景的形式分析方法分析结果的现状和未来趋势的紧急事件。此外,动态贝叶斯网络理论是用来开发一个scenario-response应急群决策模型。调查的结果表明,scenario-response模式促进主动性和有效性在非传统的紧急响应。在应急决策过程,结果也意味着当前事件和可能的模式典型突发事件应评估决策支持信息(1]。
多个决策者参加合作组织2019张的网上舆论应急决策模型与区间值指数。利用提出的应急决策模型,每个个人和协同应急的理想体重指数可能计算。最后但并非最不重要,全球危机应急相结合可以由个人与协作程度严重。根据危机的排名,急诊科可以构建一个适当的决策方案来解决所有的互联网舆论突发事件(21]。
福等人于2019年提出的多属性群决策(MAGDM)方法根据直觉模糊多属性的偏好数据直觉模糊群决策问题(MAIFGDM)决策者权重和属性权重不太确定,决策者偏好信息的计划。他们提出的技术帮助决策者选择和执行理想的应急反应计划及时和有效的方式,提高抢救效率的网络舆论危机,有助于应急部门更好地应对网络舆论危机,提高舆论引导和控制的能力,并提供了一种新颖的方式和方法MAIFGDM [22]。
3所示。问题陈述
正如上面提到的,公众视野的最重要特点有关突发公共事件在整个应急系统是非常快的论点和分布。面对面,紧急被视为公共部分。随着社交媒体的迅速崛起,公众可以完整的评估,要求和真实,也能立即回答。然而,互联网是一个公共平台,被描述为一个广泛的相互作用网络。因此,这个问题可以这样一个高效、互动和快速在线公共视图处理紧急情况?入侵系统的噪声是最重要的外部语境元素影响的扩张网络在紧急情况下公众的视野。
3.1。一些重要的时间序列的定义
TFS的基础上,给出了时不变和时变定义如下。
定义1。假设Y(t)(t=……,0, 1, 2, ...), which is a real-number subcollection, to be considered as the universe of discourse where the definition of fuzzy setsfj(t)执行。如果F(t)是一家集f1 (t),f2 (t),…,然后F(t)叫FTS上定义Y(t)。
定义2。让F(t仅仅是隐含的F(t−1),F(t−1)⟶F(t)。接下来,这种相关性可以证明F(t)= F (t−1)◦R(t,我−1),R(t,t−1)表明之间的模糊关系F(t),F(t−1)F(t)=F(t−1)◦R(t,t−1)被命名为1圣顺序模式F (t)。
定义3。让R(t,t−1)1圣订单的模型F(t)。的情况下R(t,t−1)是独立的t对于任何t,也就是说,R(t,t−1)=R(t−1t−2)对于任何t,就可以得出结论F(t)被命名为定常罚球;否则,它将被命名为时变FTS。
定义4。让R(t,t−1)1圣订单的模型F(t)。在这种情况下,R(t,t−1)是独立的t,也就是说,R(t,t−1)= R (t−1t−2)F(t)被命名为定常罚球;否则,它是一个时变FTS命名。象征“◦”表示不等式性质模糊集的成分。歌和Chisom3根据1)首先介绍了一种算法圣顺序模型来预测定常F (t)。宋、Chisom [23,24),模糊关系的矩阵R(t,t−1)= R是通过大量的matricial操作计算。模糊预测是根据不等式组成如下: 的维数R是根据模糊集的数量,即话语和宇宙的分区号。
3.2。应用时间序列挖掘的非营利组织
应用时间序列关联规则的挖掘中禁食的原始指标,必须最初构建相应的时间序列。在任何网络,然而,由于舆论应急数据包包含了大量的网络数据,很难直接过程即使时间序列速度快。因此,有必要进行预处理npo的原始指标数据25]。信息熵是一个更好的预处理方法。检测到的数据打包和信息被选中作为一组随机事件,如下:
(1)可以表达的次数的地址信息数据包发生在不同的事件发生时,信息熵可以计算为
这个公式代表的总量出现某个地址,可以表示为
在(3),表示随机事件的总数量,是一个单一事件的事件集。使用信息熵进行预处理,和非营利组织的原始指标的熵值可以表示通过改变IP源地址,目的地址,端口号。在紧急情况下的网络舆论,更集中的数据,信息熵越小,否则信息熵越大。预处理的数据信息存储在数据库中。当指数矿业执行扫描一次数据库获得的频率集和相应的最小支持度,和频率集获得一组按降序排列l。
完成时间序列预处理后,时间序列数据是象征和转换成一组事务。由于时间序列是流动,粒子群方法是用来限制数据流。在粒子群方法,新数据将继续输入,和旧的数据将滑出26]。因此,当应用矿业协会的规则,我们必须能够支持增量挖掘的数据增加,支持同时删除旧数据。数据集是动态变化,挖掘关联规则也是动态变化的,并在本文中挖掘关联规则的多元时间序列数据,以及数据量相对较高,所以我们必须执行递归计算离子的运动:
在上面的公式中,粒子的标签 , 代表迭代数量,表明粒子速度,粒子速度的前一刻,和都是学习因素, 运动矢量。其中,
3.3。挖掘关联规则的非营利组织基于时间序列的索引数据
关联规则挖掘是数据挖掘中的一个重要研究课题。它挖出一些有趣的规则从大量的数据。从这些关联规则,我们可以理解事件之间的关系,从而指导人们做出一些实用和有意义的行为27]。本文是基于时间序列挖掘的关联规则npo的原始指标数据。有关矿业流程图如图1。
在图1时间序列算法提供了一种深度优先搜索。它使用递归搜索短模式而不是长频繁模式挖掘。它只需要两个数据库扫描:扫描数据库的生成频繁项集和扫描数据库,建立一个全球的时间序列。采矿方法的分析过程分为三个步骤:压缩数据库中的频繁集,保留数据之间的相关信息,并将它们存储在时间序列的集合。由于时间序列的集合包含所有频率集,数据挖掘的工作只需要时间。上执行序列集,然后是分为一个条件模式库。因此,建立一套条件时间序列,最后,分别递归执行矿业(28]。
上述两个公式在移动工作位置的粒子在下一步。考虑一个2 d空间作为一个实例,这个过程从初始位置到新位置如图2。
粒子遍历方法是用来计算项集的支持度已经提出的粒子(29日]。结合数据源的属性和特点的基本算法,连接列表数据结构应用于动态存储结构。链/连接列表头是建立每个项目的完整的数据库,设置的项集,反过来,扫描,项目包含在每一项集是加到相关的链表的结束。稀疏链表施工过程如图3。
我们考虑到nth项目集(180,17)和200个链表的头链表为例,从链表50开始搜索,假设64年th项目集发现包含50项。因此,链表108年和88年分别对应于17日和24日。换句话说,没有一个项集在88年之前th项目集包含了项目相关的粒子,直接搜索88th项目集,如果它包含(108,17),粒子的支持将增加1;否则,它将继续搜索,链表(108,17)会发现本数据,分别假设他们对应于121年,90年和65年和121年直接搜索圣项目集,如果它包含(108,17),粒子将增加1的支持,否则它将继续搜索、链接列表(108,17),分别会找到下一个数据,假设他们与121,184,121,184直接寻找th项目集,如果它包含(108,17),粒子的支持将增加1。到目前为止,已完成关联规则挖掘基于最初的索引数据的非营利组织按照时间序列(21]。
3.4。建设的npo的原始指标数据矩阵
禁食的原始指标数据矩阵使用最初的索引数据构建非营利组织以前已被敌军布上了地雷。认为,由于缺乏应急人员和应急资源的在一个特定的地区,政府必须首先解决最严重的网络舆论危机,其次是危机事件的数量相对较少30.]。当禁食 同时在该地区爆发,急诊需要构建相应的应急管理决策模型按照当前的原始指标数据同时爆发的非营利组织。确保最终的决策结果的科学性和合理性的非营利组织,首先,应急决策专家(假设平等的地位的专家们)可以进行在线问卷调查在非营利组织的应急决策指标和选择关键应急决策指标 。然后,他们将选择应急决策专家小组从不同的领域进行初步评估所有突发事件应急决策指标的在线民意基于他们的知识,经验,和网络舆论危机监测数据。最后,他们将最终获得NPOE数据矩阵 最初的非营利组织对所有事件的应急决策指标:
3.5。数据预处理
生成的非营利组织有截然不同的含义反映在应急决策指标来源于最初的索引数据矩阵后禁食,导致索引数据高维度和复杂的计算和降低禁食。因此,为了降低维度的非营利组织应急管理决策索引数据,决策效率必须得到改善。详细以下行为:
步骤1。定位相邻点的数据样本NPOE应急管理决策指数;
步骤2。重量计算above-located相邻点,然后构建一个矩阵的基础上计算的结果;
步骤3。使用步骤的计算结果2,我们决定了低维嵌入输出值的采样点NPOE管理决策索引数据(31日]。
尽管灾难造成的数据维数可以解决使用局部线性嵌入方法,降维的影响是不好的。为了提高局部线性嵌入方法,估计重建系数是用来约束重建误差。改进的局部线性嵌入降维方法的步骤如下:(1)使用欧氏距离公式来确定
最近的邻居的样本点的应急管理决策NPOE索引数据:
在哪里代表的数量维度。(2)我们创建一个相邻点的权重矩阵
根据上述公式的结果,设置采样点之间的重量应急管理决策的索引数据NPOE及其邻居点
:
公式(7)可以结合限制条件时新配方如下:
在这里,当地的协方差矩阵必须构造呢
在哪里代表当地重建的重量,表示样本点的数量。那么,我们引入拉格朗日乘子来解决
通常,使用一个简单的解决方案的方法,让
,找到
。(3)我们组内的平均距离采样点的应急管理决策的索引数据
- - - - - -类型的非营利组织
,和粗糙的重建系数根据上述的重建误差NPOE管理决策指数数据样本点
:
在哪里表示数据样本之间的距离的应急管理决策的索引数据样本
- - - - - -NPOE事件类型和总体NPOE管理决策指数数据样本中心。通过拉格朗日乘子方法,我们创建的
- - - - - -维单位矩阵和对角矩阵获得
(4)上述计算结果作为低维坐标来补充应急管理决策索引数据的降维处理禁食。
3.6。应急决策指标权重计算
根据最初的索引数据的预处理结果上述的非营利组织,应急决策指标权重计算。的信息熵反映了系统信息的障碍程度。如果一定决定的信息熵指数的测量在非营利组织的应急决策系统是更大,这意味着决定指数携带更少的有用的信息,表明这个决定。的重要性指数越低,越少的决定指数应给予较小的重量。传统的应急决策指标的权重确定的方法主要是通过方法如应急专家评分法和模糊层次分析法,因此主观人为因素有很强的影响力。因此,为了保证NPOE的最终决策的客观性和逻辑的结果,本研究将决定每个应急评价指标的客观权重基于NPOE的应急决策指标的区间值模糊信息熵。
在获得标准的应急决策矩阵 禁食,禁食对于区间值的一组 - - - - - -th应急决策指标可以被认为是一个区间值模糊集,它可以确定使用公式如下。该指标的模糊信息熵度量,区间值:
然后,使用熵权法,我们确定决策的目标体重指数根据区间值模糊信息熵衡量NPOE事件的 - - - - - -th应急决策指数:
3.7。互联网舆论突发事件应急管理决策支持模型
使用合理的应急决策指标权重得到上面的计算,评价指标的加权算术平均间隔值的非营利组织获得全面的损害进行间隔评估值的每个NPOE应急决策指标。然后,我们计算集成区间所有应急决策指标的评估价值 - - - - - -th NPOE事件根据以下公式:
这个公式 代表原始的间隔评估价值评估值的 - - - - - -NPOE依照 - - - - - -区间指数。
的评估值的综合风险区间所有在线民意成对比较紧急事件,和相应的概率计算,上述计算后产生的加权综合全面的风险区间评估价值为每个NPOE所有应急决策指标。我们创建相应的可能性矩阵
我们根据上述可能性矩阵,构建非营利组织的应急管理决策支持模型:
更大的价值 ,越高的严重程度相关的网络突发事件的严重性。有限的资源和人员的条件下,地方政府应该首先应对网络舆论突发事件。
4所示。结果
4.1。仿真实验分析
验证的有效性NPOE管理决策支持基于时间序列的算法在实际应用程序中,在进行仿真实验和分析结果展示在表1。
NPOE管理决策方法是基于犹豫模糊集提出了(9)和三路决策方法在文献[15并使用时间系列,NPOE管理决策支持算法。图4显示比较结果。比较和分析了前景理论的决策准确性的非营利组织应急管理决策算法与非营利组织应急管理决策算法。
图4表明NPOE管理决策的准确性网络犹豫模糊集的基础上提出了(9)和NPOE管理决策支持算法基于本文中提供的时间序列都可以达到100%。NPOE管理决策算法的准确性只有55至70%根据舆论应急管理决策技术和(15基于三个决策和前景理论)。NPOE管理决策支持基于时间序列的算法在本文开发的决策精度大于文献的方法。
使用时间序列NPOE管理决策支持算法本文NPOE管理决策方法是基于犹豫模糊集提出了(9)和三路决策方法(15]。与前景理论的NPOE管理决策算法,NPOE管理决策的时间比较和分析(图5)。
根据图5NPOE管理基于时间序列的决策时间在3 s,这是比网络舆论犹豫模糊集的基础上,建议在9]。突发事件的应急管理决策方法和Egrioglu et al。15)提出了一个短的时间NPOE管理决策算法按照三个决策和前景理论。
5。结论和展望
网络舆论是一把双刃剑。一方面,它可以引导和促进社会发展和进步。另一方面,它也可以阻碍社会进步和扰乱社会生活的正常流动。截至2018年6月,中国有8.02亿互联网用户,和40.9%的用户使用微博社交媒体平台,根据中国互联网络信息中心的数据。包括3.76亿年月度活跃用户的新浪微博,谁接收每10分钟更新一次。一个热门话题在互联网上有一个显著的影响公众舆论热点。在中国数量庞大的网民也加快网络舆论发酵,传播和扩散。政府机构上方的高位网络舆论的监管和管理日常的职责。互联网舆论突发事件带来的网络舆论如何改变在现实中产生意想不到的问题。一旦发生紧急状况,例如,在一个特定区域和随后的网上舆论相对积极的、健康的,积极的指导将帮助消除公众的疑虑,帮助尽快解决公众舆论危机事件,而负面失控可能扩大事件的情况,甚至引发新的危机,对社会造成严重的伤害。 Therefore, the government can cope with network public opinion emergencies in a scientifically and logically sound manner with the use of research on the topic of emergency decision-making for NPOEs. Fast response to emergencies is also a core part of the government’s emergency capacity building, which is an urgent need at present. The outstanding problems and challenges to be solved have quite critical, theoretical, and practical significance [32]。
数据可用性
没有数据被用于这项研究。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了北京市自然科学基金,基础科学研究的特殊基金业务费用的北京市首都经济贸易大学大学在批准号9192005。