一种网络舆情的热点预测和分析方法

摘要

本发明涉及一种网络舆情的热点预测和分析方法，包括以下步骤：步骤(1)、将及时采集的舆情信息输入基于内容快速识别的热点舆情预测模型，根据处理结果将舆情信息分为热点舆情和普通舆情，对热点舆情发出预警；步骤(2)、将普通舆情信息输入基于数值表现的热点预测模型，从参与人数分布和时间状态分布上，对所输入的普通舆情信息进行数值模式匹配，检测出步骤(1)所漏检的热点舆情信息；步骤(3)、对热点舆情进行分析；步骤(4)、对热点舆情进行预测。本发明将内容和数值表现结合在一起，是一种综合的舆情热点监控方法，预测时间短，且预测效果准确。

主权项

1.一种网络舆情的热点预测和分析方法，其特征在于包括以下步骤：步骤(1)、将及时采集的舆情信息输入基于内容快速识别的热点舆情预测模型，根据处理结果将舆情信息分为热点舆情和普通舆情，对热点舆情发出预警；步骤(2)、将普通舆情信息输入基于数值表现的热点预测模型，从参与人数分布和时间状态分布上，对所输入的普通舆情信息进行数值模式匹配，检测出步骤(1)所漏检的热点舆情信息；步骤(3)、对热点舆情进行分析；步骤(4)、对热点舆情进行预测；步骤(1)中所述的基于内容快速识别的热点舆情预测模型建立过程如下：步骤(11)、收集舆情监控目标在一段时间内的热点舆情信息，并将所收集的热点舆情信息分为M类，得到分类信息；步骤(12)、对步骤(11)所得的分类信息进行预处理；步骤(13)、提取类关键词特征，其中用向量空间模型表示每个类，每一类表示为：Ci＝(Ti1，Wi1；Ti2，Wi2；...；Tin，Win；...)其中Ci表示第i个热点类，Tij表示Ci中的第j个关键词，Wij表示Tij在Ci中的权重，j＝1，2，……，n；步骤(14)、基于内容的分类计算，建立类别空间向量，从而构建热点舆情预测模型；对于待测舆情信息I，采用中文信息预处理，获得长度大于2的名词、动词和名动词序列I＝(I1，I2，...，Im)，计算待测舆情信息I属于每个类的类别值I|Ci：$I|C_i=\left\{\begin{array}{cc}I|C_i+W_{\mathrm{ik}}& I_j=T_{\mathrm{ik}},1\le j\le m,1\le K\le n\\ I|C_i& I_j\ne T_{\mathrm{ik}},1\le j\le m,1\le K\le n\end{array}\right.$设H(I)为预设阈值，若I|Ci≥H(I)，且I|Ci最大，则待测舆情信息I为Ci类热点舆情信息；若I|C_i＜H(I)，则待测舆情信息I为普通舆情信息；步骤(2)中所述的基于数值表现的热点预测模型建立过程如下：步骤(21)、收集舆情监控目标在一段时间内的热点舆情信息M＝{M1，M2，..，Mm}，总热点舆情信息数为m，获取每个热点舆情信息Mi，在Δt时间内的浏览人数BNi，回帖人数RNi，回帖时间间隔序列Si，其中i＝1，2，......，m；得到浏览人数BNi的数组{BNi1，BNi2，...，BNij，...}，回帖人数Rni的数组{RNi1，RNi2，...，RNij，...}，时间间隔序列Si的数组{Si1，Si2，...，Sij，...}；步骤(22)、计算浏览人数的热点阈值H(BN)；对于1≤i≤m，计算：$\overline{{\mathrm{BN}}_i}=\frac{\underset{j=1}{\overset{n}{\Sigma }}{\mathrm{BN}}_{i_j}}{n};$$D\left({\mathrm{BN}}_i\right)=\overline{{\mathrm{BN}}_i}-{\sqrt{\underset{j=1}{\overset{n}{\Sigma }}({\mathrm{BN}}_{\mathrm{ij}}-\overline{{\mathrm{BN}}_i})}}_2;$$H\left(\mathrm{BN}\right)=\frac{\underset{i=1}{\overset{m}{\Sigma }}({\overline{\mathrm{BN}}}_i-D\left({\mathrm{BN}}_i\right))}{m};$步骤(23)、计算回复人数的热点阈值H(RN)；对于1≤i ≤m$\overline{{\mathrm{RN}}_i}=\frac{\underset{j=1}{\overset{n}{\Sigma }}{\mathrm{RN}}_{i_j}}{n};$$D\left({\mathrm{BN}}_i\right)=\overline{{\mathrm{BN}}_i}-{\sqrt{\underset{j=1}{\overset{n}{\Sigma }}({\mathrm{BN}}_{\mathrm{ij}}-\overline{{\mathrm{BN}}_i})}}_2;$$H\left(\mathrm{BN}\right)=\frac{\underset{i=1}{\overset{m}{\Sigma }}({\overline{\mathrm{BN}}}_i-D\left({\mathrm{BN}}_i\right))}{m};$步骤(24)、计算时间间隔热点阈值和D(S)；$H\left(\bar{S}\right)=\frac{\underset{i=1}{\overset{m}{\Sigma }}\overline{{S_i}^{\prime }}}{m};$$D\left(S\right)=\frac{\underset{i=1}{\overset{m}{\Sigma }}\sqrt{\underset{j=2}{\overset{n}{\Sigma }}{(S_{i_j}-\overline{{S_i}^{\prime }})}^2}}{m};$其中Si′＝{Si2，...，Sin}，$\overline{{S_i}^{\prime }}=\frac{\underset{j=2}{\overset{n}{\Sigma }}{S}_{i_j}}{n-1};$步骤(25)、建立基于数值表现的热点预测模型；对于待检测舆情信息I′有：<1>.计算Δt时间内，待检测舆情信息I′的浏览人数BN，若BN≥H(BN)，则待检测舆情信息I′为热点舆情信息，对热点舆情信息进行预警；否则进行下一步运算；<2>.计算Δt时间内，待检测舆情信息I′的回复人数RN，若RN≥H(RN)，则待检测舆情信息I′为热点舆情信息，对热点舆情信息进行预警；否则进行下一步运算；<3>.计算Δt时间内，待检测舆情信息I′的回复时间间隔序列S′＝{S1′，S2′，...，Sk′}；若k＜5，则回帖没有超过5个，待检测舆情信息I′为普通舆情；若K≥5，则计算{S2′，...，Sk′}的和D(S′)，若则待检测舆情信息I′为热点舆情信息，否则待检测舆情信息I′为普通舆情，终止预测；步骤(13)中所述Wij的值通过TFIDF公式计算：$W_{\mathrm{ij}}=\mathrm{TFIDF}(T_i,C_j)=\mathrm{TF}(T_i,C_j)*\log \frac{\left|C\right|}{\left|\mathrm{DF}\left(T_i\right)\right|}$其中，Ti代表具有某一特征的关键词；Cj表示该关键词所在的类别文本；TF(T_i，C_j)表示Ti在Cj类中各个信息文档中出现的频率；|C|代表所有类别中的所有训练信息文档的数目，即DF(Ti)表示包含关键词Ti的类数；对每个类按照权重递减排序，选取前n个作为该类的代表，余下的作为备选，此时每个类可以表示为：Ci＝(Ti1，Wi1；Ti2，Wi2；...；Tin，Win)。