在進(jìn)行信息分析和發(fā)布的時(shí)候，人們通常不清楚要發(fā)布什么內(nèi)容才能引起讀者的興趣，讀者對于哪種類型的具體信息內(nèi)容具有較高的傳播熱情。例如：明天要開記者招待會(huì)了，記者和觀眾會(huì)問哪些相關(guān)的主題；在新聞門戶、社交媒體平臺(tái)上，哪些主動(dòng)設(shè)置的議程會(huì)成為傳播的熱點(diǎn)；特定時(shí)間，哪些主題會(huì)成為當(dāng)前的輿論熱點(diǎn)；對于特定人物，民眾經(jīng)常關(guān)注和討論該人物的什么事項(xiàng)。對于這類信息的預(yù)測通常依賴于人的知識(shí)與經(jīng)驗(yàn)，現(xiàn)提出通過計(jì)算機(jī)技術(shù)進(jìn)行大數(shù)據(jù)的計(jì)算，幫助預(yù)測針對某個(gè)時(shí)間、對象、部門、人物、事件預(yù)測什么主題會(huì)變成人們關(guān)注、討論和傳播的輿論熱點(diǎn)。

背景技術(shù)：

針對上述需求，現(xiàn)有的預(yù)測方法通常預(yù)測方法為人工的預(yù)測方案，其過程和結(jié)果嚴(yán)重依賴用戶的知識(shí)與經(jīng)驗(yàn)，準(zhǔn)確性及可重復(fù)性存在不穩(wěn)定狀態(tài)。因此本發(fā)明提出一種基于大數(shù)據(jù)的輿論熱點(diǎn)預(yù)測方法，幫助預(yù)測在某個(gè)時(shí)間節(jié)點(diǎn)對于輿論熱點(diǎn)進(jìn)行預(yù)測，以便做出針對性的議程設(shè)置和準(zhǔn)備應(yīng)對措施。本發(fā)明涉及信息傳播、計(jì)算機(jī)基數(shù)、大數(shù)據(jù)挖掘算法、用戶內(nèi)容傾向模型建模。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明說要解決的技術(shù)問題是：人們?nèi)绾瓮ㄟ^大數(shù)據(jù)分析發(fā)現(xiàn)用戶信息需求和信息傳播規(guī)律，并預(yù)測某個(gè)主題會(huì)成為輿論熱點(diǎn)。

預(yù)測的對象包含兩種：一種是通過大數(shù)據(jù)分析從海量歷史數(shù)據(jù)中發(fā)掘主題，對于歷史數(shù)據(jù)中抽取出的主題成為輿論熱點(diǎn)的可能性進(jìn)行預(yù)測，判斷該主題在某個(gè)時(shí)間節(jié)點(diǎn)或者時(shí)間段是否可以成為輿論熱點(diǎn)；另外一種是在當(dāng)前主動(dòng)確定的主題，根據(jù)用戶信息需求模型、信息傳播模式的關(guān)聯(lián)關(guān)系，通過對歷史數(shù)據(jù)的大數(shù)據(jù)挖掘分析，來計(jì)算該主題與用戶的內(nèi)容傾向和信息傳播規(guī)律的匹配程度，最終判斷該主題是否能夠在某個(gè)時(shí)間節(jié)點(diǎn)或者時(shí)間段成為輿論熱點(diǎn)。

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是：

1.構(gòu)建大數(shù)據(jù)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，利用爬蟲技術(shù)、文件格式解析、數(shù)據(jù)庫及其他數(shù)據(jù)采集技術(shù)，對信息和信息傳播數(shù)據(jù)進(jìn)行采集、去重、格式解析、并結(jié)構(gòu)化存儲(chǔ)。

2.利用語義分析技術(shù)對數(shù)據(jù)進(jìn)行分詞、詞頻統(tǒng)計(jì)、情感計(jì)算、主題抽取等預(yù)處理過程。

3.通過統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、時(shí)間序列分析、聚類、分類分析等大數(shù)據(jù)挖掘方法，分析歷史數(shù)據(jù)中用戶對于內(nèi)容的需求偏好、輿論熱點(diǎn)的傳播特征、內(nèi)容特征和時(shí)間特征，用戶情感指數(shù)等維度，并建立大數(shù)據(jù)分析模型，模型名稱為用戶內(nèi)容傾向分析模型。

4.在第3步中，對預(yù)處理過的歷史數(shù)據(jù)進(jìn)行挖掘，通過時(shí)間序列分析，將歷史相同時(shí)間節(jié)點(diǎn)和時(shí)間段的主題進(jìn)行統(tǒng)計(jì)和聚類，得出一定時(shí)間節(jié)點(diǎn)和時(shí)間段內(nèi)具有較高傳播熱度的主題，并與用戶內(nèi)容傾向的時(shí)間序列進(jìn)行匹配，計(jì)算該主題與用戶的當(dāng)前內(nèi)容傾向及傳播特征匹配度，達(dá)到或者超過一定閾值，則從歷史數(shù)據(jù)中抽取出該主題能夠成為輿論熱點(diǎn)。

5.建立數(shù)據(jù)輸入接口，用戶將主動(dòng)設(shè)置的主題輸入，并對主題進(jìn)行特征詞的輸入。

6.從海量歷史數(shù)據(jù)中進(jìn)行主題特征詞的全文檢索與相似度計(jì)算，抽取歷史數(shù)據(jù)中該主題相似的內(nèi)容、傳播數(shù)據(jù)及信息發(fā)布時(shí)間，通過時(shí)間序列的分析，計(jì)算主題在歷史中特定時(shí)間節(jié)點(diǎn)或者時(shí)間段中周期性傳播的熱度值，如果存在周期性的傳播熱度超過一定閾值現(xiàn)象，則與用戶內(nèi)容傾向和傳播特征進(jìn)行匹配，達(dá)到一定閾值時(shí)，再與預(yù)測時(shí)間進(jìn)行匹配，如果時(shí)間重合度超過一定值，判定該主題可以成為輿論熱點(diǎn)。

7.將主動(dòng)設(shè)置的主題與歷史數(shù)據(jù)進(jìn)行相似度計(jì)算，如果在同一類中相似度達(dá)到一定閾值，則與用戶內(nèi)容傾向進(jìn)行匹配，判斷與當(dāng)前用戶的內(nèi)容傾向及傳播特征重合程度，如果超過一定閾值，則判斷該主題會(huì)成為輿論熱點(diǎn)。

8.上一步中判斷相似度較低的主題，抽取歷史數(shù)據(jù)中相關(guān)主題進(jìn)行聚類分析，計(jì)算該主題與歷史主題是否同屬類似主題，并分析在原有主題上是否增加了新的話題和新細(xì)節(jié)，如果有，則將新的話題和細(xì)節(jié)與用戶信息內(nèi)容傾向及傳播特征匹配，超過一定閾值，則判定該主題會(huì)成為輿論熱點(diǎn)。

9.對歷史數(shù)據(jù)中用戶的輿論熱點(diǎn)進(jìn)行大跨度時(shí)間的內(nèi)容挖掘，計(jì)算用戶當(dāng)前內(nèi)容傾向的演變規(guī)律及時(shí)間變化規(guī)律，對輸入的主題及其特征詞與用戶內(nèi)容傾向及傳播特征進(jìn)行對比，如果重合度超過一定閾值，則判定該主題能夠成為輿論熱點(diǎn)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

1.本方法克服了現(xiàn)有人工方法效率低下，準(zhǔn)確度嚴(yán)重依賴知識(shí)經(jīng)驗(yàn)的弊端，通過大數(shù)據(jù)及語義分析技術(shù)，使用計(jì)算機(jī)算法實(shí)現(xiàn)，大大提升速度、效率及其適用場景。

2.本方法通過大數(shù)據(jù)技術(shù)，采集和分析海量數(shù)據(jù)，極大擴(kuò)大了分析的樣本數(shù)據(jù)及案例，充分利用歷史積累的大量案例，對于用戶內(nèi)容傾向和輿論熱點(diǎn)傳播的各方面特征進(jìn)行挖掘，模型更為科學(xué)合理，分析結(jié)果不斷得到改善，并達(dá)到一定準(zhǔn)確度。

3.本方法通過語義分析技術(shù)，對歷史數(shù)據(jù)進(jìn)行細(xì)粒度的切分與主題抽取，對于輿論熱點(diǎn)的更多細(xì)節(jié)予以覆蓋，更為全面的分析輿論熱點(diǎn)中用戶的內(nèi)容傾向，對于預(yù)測的精細(xì)度有更好的掌握。

4、數(shù)據(jù)來源可以用爬蟲技術(shù)及其他數(shù)據(jù)來源，覆蓋網(wǎng)絡(luò)及其他類型數(shù)據(jù)，通過計(jì)算機(jī)技術(shù)對數(shù)據(jù)進(jìn)行自動(dòng)采集、智能解析、全能結(jié)構(gòu)化及海量存儲(chǔ)，解決了信息源的海量覆蓋及分析案例的充分積累。為預(yù)測的不斷改善儲(chǔ)備數(shù)據(jù)和算法學(xué)習(xí)迭代基礎(chǔ)

5、預(yù)測過程以用戶內(nèi)容傾向模型為基礎(chǔ)，結(jié)合輿論熱點(diǎn)傳播中的時(shí)間、內(nèi)容、傳播、用戶反饋等各個(gè)維度，對于輿論熱點(diǎn)的廣泛傳播特征進(jìn)行全面分析，提升預(yù)測判斷的多因素作用及共同作用綜合分析，預(yù)測結(jié)果更為準(zhǔn)確和貼近實(shí)際。

附圖說明

附圖1是本方法的計(jì)算流程圖。

具體實(shí)施方式

本發(fā)明基于大數(shù)據(jù)的輿論熱點(diǎn)預(yù)測方法，其方法要點(diǎn)包括：

a.建立用于供用戶輸入主題和該主題的相關(guān)特征的交互窗口，接受用戶提交的文本或者文件。

b.對于不同的歷史數(shù)據(jù)源，可以由爬蟲、文件格式解析模塊、數(shù)據(jù)庫等對進(jìn)入的海量數(shù)據(jù)進(jìn)行預(yù)處理，并形成結(jié)構(gòu)化的存儲(chǔ)，并能夠更多的細(xì)粒度的人工標(biāo)引，引入大數(shù)據(jù)體系架構(gòu)，形成海量數(shù)據(jù)的存儲(chǔ)，自動(dòng)化的數(shù)據(jù)抽取，流式計(jì)算，提供高性能的輿論熱點(diǎn)預(yù)測。

c.對于歷史數(shù)據(jù)進(jìn)行細(xì)粒度的切分與標(biāo)簽化。預(yù)測的基礎(chǔ)在于用戶的內(nèi)容傾向模型，輿論傳播的時(shí)間特征、內(nèi)容特征、傳播特征，因此數(shù)據(jù)包含信息本身、時(shí)間、發(fā)布平臺(tái)、用戶評論、回復(fù)、點(diǎn)贊、閱讀數(shù)及傳播過程中產(chǎn)生的其他數(shù)據(jù)結(jié)合，如：發(fā)布平臺(tái)的用戶覆蓋、轉(zhuǎn)發(fā)者的傳播力、轉(zhuǎn)發(fā)者的內(nèi)容傾向、平臺(tái)的傳播模式、當(dāng)前用戶整體情緒傾向等。

d.使用統(tǒng)計(jì)和語義分析算法，對歷史數(shù)據(jù)進(jìn)行分詞、詞性識(shí)別、主題抽取，對數(shù)據(jù)進(jìn)行預(yù)處理，形成后繼大數(shù)據(jù)分析基礎(chǔ)。

e.通過時(shí)序分析，內(nèi)容分析、主題挖掘、聚類等技術(shù)，對歷史輿論熱點(diǎn)及其傳播過程進(jìn)行細(xì)粒度分析，形成輿論熱點(diǎn)傳播影響因素體系，包括用戶內(nèi)容傾向、時(shí)間特征、傳播特征、內(nèi)容特征構(gòu)建預(yù)測的整體框架，并形成一定的規(guī)律與規(guī)則，作為預(yù)測的計(jì)算的標(biāo)準(zhǔn)。

f.在大數(shù)據(jù)時(shí)序分析過程中，就可以從歷史數(shù)據(jù)中發(fā)現(xiàn)一定時(shí)間周期反復(fù)出現(xiàn)的符合用戶特定內(nèi)容傾向的主題，該主題一旦符合當(dāng)前傳播的時(shí)間特征、廣泛傳播特征，則會(huì)成為輿論的熱點(diǎn)，在一定時(shí)間內(nèi)爆發(fā)。

g.周期性輿論熱點(diǎn)判斷。用戶設(shè)置的主題，可以從周期性時(shí)間規(guī)律方面進(jìn)行吻合度的計(jì)算，把待預(yù)測主題與歷史數(shù)據(jù)中周期性出現(xiàn)的輿論熱點(diǎn)進(jìn)行吻合度計(jì)算，超過一點(diǎn)閾值(c)，并提取該主題的傳播特征與時(shí)間特征、內(nèi)容特征，能夠與一定時(shí)間內(nèi)熱點(diǎn)吻合度(k)，則該主題是符合周期性輿論熱點(diǎn)特征，將會(huì)在一定時(shí)間內(nèi)發(fā)生并成為熱點(diǎn)

h.內(nèi)容性輿論熱點(diǎn)判斷。用戶輸入主題及相關(guān)特征，與一定時(shí)間用戶內(nèi)容傾向特征進(jìn)行吻合度計(jì)算，一種情況是與熱點(diǎn)吻合度較高(c)，則容易成為輿論熱點(diǎn)，另外一種情況是吻合度達(dá)到一定閾值(c)，聚類分析之后，與熱點(diǎn)主題同為相同主題，但有新的特征(p)，具有傳播的新穎性，能夠吸引用戶關(guān)注與討論，并與傳播特征吻合，則可以成為輿論熱點(diǎn)。

i.傳播性輿論熱點(diǎn)判斷。社會(huì)不斷發(fā)展，用戶不斷改變，需求也隨著演變，信息傳播模式可以根據(jù)不斷補(bǔ)充進(jìn)來的數(shù)據(jù)進(jìn)行實(shí)時(shí)的分析，挖掘符合用戶內(nèi)容傾向的新傳播規(guī)律、新現(xiàn)象、新事物的主題及其演變規(guī)律，對于用戶輸入的主題與傳播特征進(jìn)行比較，計(jì)算其吻合度(d)，并分析其新穎度、創(chuàng)新度、吸引力、傳播力，判斷其是否能夠依靠其新鮮的特質(zhì)，獲得用戶的關(guān)注與討論，成為輿論熱點(diǎn)。