[发明专利]基于复杂网络结构的新闻生命周期预测方法及系统

权利要求书

1.基于复杂网络结构的新闻生命周期的预测方法，其特征在于：包括以下步骤：

S1：获取一种带有时间序列的新闻数据集并清洗该数据；

S2：通过新闻下的评论关系以及新闻自身的特征，将用户对新闻的评价和新闻自身作为节点，评论之间的联系作为连边，构建超图网络，计算网络的特征向量；

S3：基于层次聚类算法计算回推值；

S4：通过LDA主题提取算法生成新闻主题；

S5：计算新闻文本特征向量，通过图嵌入方法计算网络的结构特征向量，按一定比例组合，再通过随机森林模型，将新闻分成较长生命周期，中等生命周期，较短生命周期三类；然后将得到的特征输入SVM线性模型，预测新闻的生命周期时长。

2.如权利要求1所述的基于复杂网络结构的新闻生命周期预测方法，其特征在于：所述步骤S1包括：对获取的数据集进行清洗操作，将数据信息导入数据库中，筛选评论数量在一定范围内的新闻，删除缺少时间信息的新闻数据，将所有新闻的时间信息规则化；删除新闻文本信息中的符号，链接，图片等不规则信息；补全新闻数据中的残缺信息。

3.如权利要求1所述的基于复杂网络结构的新闻生命周期预方法，其特征在于：所述步骤S2包括：

首先根据用户跟新闻之间的联系，来构建新闻之间的关系网络，该网络中的每个节点表示新闻，然后将每个新闻下的评论作为另一种类型的节点，插入该网络，与相应的新闻节点形成复杂网络，其中新闻节点之间的连边表示用户的操作行为，评论节点之间的连边表示了评论的回复关系。

4.如权利要求1所述的基于复杂网络结构的新闻生命周期预方法，其特征在于：所述步骤S3包括：选取新闻前3个小时内的评论，根据发布时间，将评论正向排序，首先将每一条评论当作一个簇，计算任意两个簇之间的距离，合并这两个簇，直到最远的两个簇的距离超过阈值或者簇的个数到达上线，停止迭代，最后将簇的个数作为新闻的回推值；其中距离的计算公式为：

其中C_i,C_j表示两个不同的簇，p,q表示簇中的节点，表示一个簇内的平均距离。

5.如权利要求1所述的基于复杂网络结构的新闻生命周期预方法，其特征在于：所述步骤S4包括：

S4.1：根据获取的数据集，取一部分的数据作为训练集，将新闻标题进行分词操作，通过词语的共现信息，进行词频统计，得到单词共现频率的概率矩阵,同时得到训练好的LDA模型；

S4.2：将剩下的数据作为测试集，首先进行分词操作，输入训练好的LDA模型，选取最大的概率的主题，作为该新闻的主题；

S4.3：统计概率矩阵，计算每条新闻所包括的主题数量，只要概率大于一定的阈值，就当作该新闻属于该主题。