[发明专利]基于神经网络技术的发帖预测系统

说明书

技术领域

本发明涉及互联网论谈技术领域，尤其涉及基于神经网络技术的发贴预测系统。

背景技术

由于网络发帖是有一个时间序列的特征，网络发贴时间序列具有经下的特点：

趋势性：某个变量由于受到某些因素持续的影响，其时间序列表现为持续的上升或者下降的总体变化趋势，可能是线性的，也可能是非线性的。如最近几年我国的经济增长率，由于受到各种因素的影响，其表现为持续的增长。

季节性：考虑的时间序列以一定时间为周期，随着自然季节的变化而出现明显的季节性特征。如空调的销售，各种服装的销售等。

周期性：比季节性更一般。时间序列随着一个时间段的变化呈现周期性。这样的周期可以是年、月、日，甚至数十年。

不规则性：包括时间序列变化的突然性和随机性。突然性的变动一般由于目前难以预料的作用因素而引起的，其规律性或概率难以认识和推测。随机性变动则是可以利用概率统计的方法进行描述的变动。

传统的建模和预测方法已经广泛地应用，但并不适合非线性的时间序列。在鉴别出时间序列性质以后，如果判定序列以随机性为主，则采用AR、ARMA等模型来预测，如果判定以非线性为主，则应采用非线性确定性的方法进行预测。非线性时间序列的预测是经过相空间重构后，对相空间中的动力轨迹进行预报。在短时间内，这些动力轨迹有一定的规律，他们的预测性是可获得的，并比一般的基于统计方法的预测能力要好。因此，可利用相空间重构，进行短期预测。

综上所述，本发明提出基于神经网络技术的发贴预测系统，以更好的实现对神经网络发贴的预测。

发明内容

本发明的目的是提供基于神经网络技术的发帖预测系统，实现产品数据及信息的结构化、规范化，信息条理化、系统化，对数据和信息进行采集，并利用系统对信息和数据进行多层次的浏览、查询处理，同时提供数据的深度分析和数据挖掘。

本发明为解决其技术问题所采用的技术方案是，

基于神经网络技术的发帖预测系统，该系统采用相空间重构来实现非线性时间序列分析，系统采用基于J2EE平台的Browser/Server结构：该系统在结构上分为数据预处理模块、预测分析管理模块、预测建模仿真接口软件；

神经网络的基本处理单元是神经元，它一般是多输入单输出的非线性器件，其输入输出关系可表示为：

式中，xj(j=1，2，…，n)是神经元的输入信号；θi为阀值；wji表示神经元j到神经元i的连接权值；f为激活函数（又称传递函数），它必须连续可微，常用激活函数有线性函数，S型的非线性函数，或具有任意阶导数的非线性函数，本文在发帖预测时采用S型函数，S型函数中传递函数f(x)可表示为：

f(x)=11+e-x]]>或f(x)=ex+e-xex-e-x]]>

人工神经网络的学习也称为训练，指的是神经网络在受到外部环境刺激下调整神经网络的参数，使神经网络以一种新的方式对外部环境做出反映的一个过程，人工神经网络的学习方式可分为有导师学习、无导师学习和再励学习，本系统采用导师学习，也称监督学习；