[发明专利]一种选举结果预测方法、装置和计算机存储介质

说明书

本发明公开了一种选举结果预测方法，所述方法包括：采集选举相关网络言论数据并进行预处理操作，生成已处理数据；基于指标相关性和历史数据建模进行指标选取，生成选举相关指标；基于所述已处理数据，生成时间维度切分点和地域维度切分点，切分所述已处理数据，生成已切分数据；基于所述选举相关指标，结合语义分析技术和深度学习算法进行指标计算，生成指标计算结果；基于所述指标计算结果和所述已切分数据，预测选举结果。本发明还同时公开了选举结果预测装置和计算机存储介质。

技术领域

本发明涉及大数据分析领域，尤其涉及一种选举结果预测方法、装置和计算机存储介质。

背景技术

随着社交媒体的更新换代，网页和微博已经成为大多数群体获取信息和交流信息的平台。与传统媒体不同，社交媒体的信息具备海量性、开放性、实时性和交互性等特点，大量的用户言论汇聚并形成舆论会影响舆论走向。网络舆情的影响力日趋重要，媒体对选举相关信息的报道，使得选举过程更加透明化，从海量网络数据中挖掘与选举相关信息并对选举结果进行预测具备可行性。

传统的选举结果预测方法大多基于评论数、转发数和点赞数等已有数据的统计值，统计值无法代表网民言论的政治倾向性，因此容易出现预测的选举结果与实际选举结果存在较大偏差的情况。

发明内容

有鉴于此，本发明的主要目的在于提供一种准确性更高的选举结果预测方法、装置和计算机存储介质。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种选举结果预测方法，所述方法包括：采集选举相关网络言论数据并进行预处理操作，生成已处理数据；基于指标相关性和历史数据建模进行指标选取，生成选举相关指标；基于所述已处理数据，生成时间维度切分点和地域维度切分点，切分所述已处理数据，生成已切分数据；基于所述选举相关指标，结合语义分析技术和深度学习算法进行指标计算，生成指标计算结果；基于所述指标计算结果和所述已切分数据，预测选举结果。

上述方案中，基于指标相关性和历史数据建模进行指标选取，生成选举相关指标包括：基于指标间的相关性，筛选高度相关指标；基于历史数据计算各指标的贡献度，作为权重基础；基于所述高度相关指标和所述权重基础，生成选举相关指标。

上述方案中，基于所述选举相关指标，结合语义分析技术和深度学习算法进行指标计算，生成指标计算结果包括：基于所述选举相关指标，采用深度学习算法获取所述已切分数据的情感倾向；基于所述选举相关指标和所述选举相关指标，采用语义分析技术计算所述已切分数据的话题情感；基于所述情感倾向和所述话题情感，提取所述已切分数据的政治倾向，生成指标计算结果。

上述方案中，基于所述选举相关指标，采用深度学习算法获取所述已切分数据的情感倾向包括：基于所述已切分数据和所述预测指标体系，采用深度学习中的卷积神经网络算法构建文本情感分类模型，对文本进行情感分类。

上述方案中，基于所述选举相关指标和所述选举相关指标，采用语义分析技术计算所述已切分数据的话题情感包括：基于所述已切分数据和所述选举相关指标，采用语义分析技术对已切分数据进行话题抽取，获取热门话题；基于所述文本情感分类模型，计算热门话题的话题情感。

上述方案中，基于所述已处理数据，生成时间维度切分点和地域维度切分点，切分所述已处理数据，生成已切分数据包括：基于所述已处理数据，检测所述已处理数据在选举时间线上的波峰变化；根据所述波峰变化，生成所述已处理数据的时间切分点；根据所述时间切分点，切分所述已处理数据生成时间已切分数据。

上述方案中，基于所述已处理数据，生成时间维度切分点和地域维度切分点，切分所述已处理数据，生成已切分数据包括：基于所述已处理数据，确定所述已处理数据的来源地域；根据所述来源地域，生成所述已处理数据的地域切分点；根据所述地域切分点，切分所述已处理数据生成区域已切分数据。