[发明专利]一种网络舆情的热点预测和分析方法

权利要求书

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|Ci=I|Ci+WikIj=Tik,1≤j≤m,1≤K≤nI|CiIj≠Tik,1≤j≤m,1≤K≤n]]>

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：

BNi‾=Σj=1nBNijn;]]>D(BNi)=BNi‾-Σj=1n(BNij-BNi‾)2;]]>H(BN)=Σi=1m(BN‾i-D(BNi))m;]]>

步骤(23)、计算回复人数的热点阈值H(RN)；

对于1≤i ≤mRNi‾=Σj=1nRNijn;]]>

D(BNi)=BNi‾-Σj=1n(BNij-BNi‾)2;]]>

H(BN)=Σi=1m(BN‾i-D(BNi))m;]]>

步骤(24)、计算时间间隔热点阈值和D(S)；

H(S‾)=Σi=1mSi′‾m;]]>D(S)=Σi=1mΣj=2n(Sij-Si′‾)2m;]]>其中Si′＝{Si2，...，Sin}，Si′‾=Σj=2nSijn-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：

Wij=TFIDF(Ti,Cj)=TF(Ti,Cj)*log|C||DF(Ti)|]]>

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)。