[发明专利]一种信息判别方法和系统

摘要

本发明提供了一种信息判别方法及系统，基于网络爬虫技术，检索并收集传统媒体和社交媒体的热点信息对应的网页信息，并对收集到的网页信息进行处理，得到类别数据标记的、划分有训练集数据和测试集数据的传统媒体和社交媒体数据集合；基于训练集数据进行主题建模获取主题与关键词文档，并建立对应传统媒体数据的主题特征集合和对应社交媒体数据的关键词特征集合；利用主题特征集合和关键词特征集合训练分类器，通过得到的传统媒体分类器和社交媒体分类器对测试集数据进行分类判别，得到能够引发社交媒体报道的传统媒体数据，和/或能够引发传统媒体报道的社交媒体数据。由此采用对多个媒体的监测，能够更全面，更快的分析和预测舆情发展的趋势。

主权项

一种信息判别方法，其特征在于，所述方法包括：基于网络爬虫技术，检索并收集互联网上传统媒体和社交媒体的热点信息对应的网页信息，并生成对应的传统媒体信息库和社交媒体信息库；对所述传统媒体信息库存储的传统媒体网页信息，及所述社交媒体信息库中存储的社交媒体网页信息分别进行数据分析处理，分别生成利用类别数据标记的、划分有训练集数据和测试集数据的传统媒体和社交媒体数据集合；其中，相同主题下不同影响力的传统媒体数据和社交媒体数据分别用不同类别数据进行表示；基于所述训练集数据进行主题建模获取主题与关键词文档，利用所述主题与关键词文档建立对应所述传统媒体数据的主题特征集合，及建立对应所述社交媒体数据的关键词特征集合；利用所述主题特征集合和关键词特征集合训练分类器，分别得到传统媒体分类器和社交媒体分类器，并通过所述传统媒体分类器和社交媒体分类器分别基于每一类别数据按照热度进行分类，且每一个分类中按照时间先后顺序对当前分类中所包含的数据进行排列；利用所述传统媒体分类器和社交媒体分类器对所述测试集数据进行分类判别，得到能够引发社交媒体报道的所述传统媒体数据，和/或得到能够引发传统媒体报道的社交媒体数据。