[发明专利]基于神经网络模型的融媒体平台自动信息关键主题提取系统

权利要求书

1.一种基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，包括：

热点获取子系统，用于获取融媒体平台的实时媒体大数据，利用神经网络模型算法，确定热点信息；

信息关键主题抽取子系统，用于基于所述热点信息，抽取信息关键主题；

表单生成子系统，用于基于所述信息关键主题，生成热点主题表单；

表单复核子系统，用于对所述热点主题表单进行复核，生成最终热点主题表单并推送至融媒体平台；

融媒体平台，用于基于所述热点主题表单，执行融合信息内容的生产、筛选、发布、传播、推送的各个环节；

所述热点获取子系统包括：

输入模块，用于输入所述实时媒体大数据，所述实时媒体大数据包括全网融合内容信息及目标县域内融合内容信息；

识别模块，用于建立并训练神经网络模型，所述神经网络模型用于识别所述全网融合内容信息及所述目标县域内融合内容信息的信息传播特征和信息内容特征；

特征描述模块，用于利用所述神经网络模型，生成量化描述所述全网融合内容信息及所述目标县域内融合内容信息的信息传播特征和信息内容特征的分类标签；

热点确定模块，用于基于表示信息传播特征和信息内容特征的分类标签，确定热点信息；

所述识别模块构造描述全网融合内容信息和目标县域内融合内容信息的融合内容信息节点图谱，其中该图谱表示为由节点集和边集组成的一个无向图；其中将从实体媒体大数据中取得的每一条全网融合内容信息或目标县域内融合内容信息表示为该节点集中的一个节点；节点之间有连边表明节点代表的融合内容信息之间形成了传播链条，针对所述融合内容信息节点图谱的节点集确定节点描述数据集，进而构造并训练基于非负伯恩斯坦多项式的图卷积神经网络分类器（NNBernNet），该图卷积神经网络分类器通过聚合该节点图谱中邻居样本信息，进行有效的表征学习训练，最终实现对融合内容信息节点图谱中节点的图分类，基于图分类所得的分类标签，表示融合内容信息的信息传播特征和信息内容特征。

2.根据权利要求1所述的基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，所述热点获取子系统还包括：

标签化处理模块，利用所述特征描述模块输出的表示融合内容信息在信息传播特征和信息内容特征各个维度上所归属的分类的分类标签，对全网融合内容信息及目标县域内融合内容信息添加标签的注释。

3.根据权利要求2所述的基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，所述信息关键主题抽取子系统包括：

信息拆分模块，用于将所述热点信息进行信息拆分，将所述信息输入NLP或知识图谱；

内容抽取模块，用于通过语义内容抽取所述信息中的实体信息和/或类别标签信息，形成信息关键主题的描述符。

4.根据权利要求3所述的基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，所述表单生成子系统包括：

全网热点主题表单生成模块，用于基于所述全网融合内容信息的信息关键主题，生成全网热点主题表单；

县域内热点主题表单生成模块，用于基于所述目标县域内融合内容信息的信息关键主题，生成县域内热点主题表单。

5.根据权利要求4所述的基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，所述表单复核子系统，包括：

匹配模块，用于基于全网热点主题表单，匹配与所述全网融合内容信息的信息关键主题相对应的所述目标县域内融合内容信息的信息关键主题，

计算模块，用于将所述全网融合内容信息的信息关键主题和目标县域内融合内容信息的信息关键主题进行加权计算，获得计算结果；

排序模块，用于基于所述计算结果，对全网热点主题表单进行排序，生成最终的热点主题表单；

推送模块，将所述最终热点主题表单推送至融媒体平台。

6.根据权利要求5所述的基于神经网络模型的融媒体平台自动信息关键主题提取系统，其特征在于，所述表单复核子系统，还包括：

补充表单生成模块，基于所述全网热点主题表单和所述县域内热点主题表单中未匹配到的信息关键主题，生成补充表单，所述补充表单和所述最终热点主题表单一起推送至融媒体平台。