一种基于社区划分和熵的舆情热点跟踪及预测方法与装置制造方法及图纸

本发明专利技术实施例提供了一种舆情热点跟踪及预测的方法。本发明专利技术基于社区划分与关键词的信息熵计算，首先，根据用户关注的舆情热点，构建相似关系网络，分析其网络特征，并对相似关系网络进行社区划分，分析社区内节点的特征，获取每个社区的Hub节点；然后，实时关注并获取Hub节点网络主页；最后，对获取到的实时文本数据进行词的信息熵计算分析，从而实现对舆情热点的跟踪及预测。本发明专利技术实施例还提供了一种舆情热点跟踪及预测装置。本发明专利技术实施例提供的技术方案能够减少对海量冗余社交网络数据的处理，准确跟踪舆情热点并及时预测后续热点，为实时舆情预警和决策提供支持。

【技术实现步骤摘要】
一种基于社区划分和熵的舆情热点跟踪及预测方法与装置
本专利技术涉及一种基于社区划分和熵的舆情热点跟踪及预测方法，特别涉及一种基于社区划分和熵的舆情热点跟踪及预测方法与装置。
技术介绍
随着社交网络的普及，人们可以随时随地的获取信息和发表言论。因为社交网络的方便性和实时性，使其成为公众网络舆论的主要平台。随着社交网络用户的大量增加，社交网络已经积累形成了社交大数据，其中包含着海量舆情数据。舆情分析能够为政府和相关单位及时了解民意，反映社会信息，控制引导舆论正确的发展，对社会稳定和国家发展至关重要。大数据环境下如何对海量的社交网络数据进行快速的分析，实现舆情发现、是当前政府、企业和科研机构的一个研究热点。热点跟踪与预测是研究如何追踪热点话题的后续发展动态信息、预测热点漂移形成新热点话题的技术。其主要任务为，监测并分析后续舆情数据中与已知话题的相关性，预测后续热点话题。目前，国内外常用的话题跟踪技术主要有K近邻算法(KNN)、支持向量机(SVM)和朴素贝叶斯算法(NBC)。通过这些方法对热点话题进行分类，实现跟踪及预测。KNN理论上很成熟，简单易实现，且分类准确性较高，但其假设待分类的各类本文档来自技高网...

【技术保护点】
一种基于社区划分和熵的舆情跟踪与预测方法，其包括以下部分：A.根据用户对热点话题的关注兴趣，构建相似关系网络，并对相似网络的结构特征进行分析，对相似网络进行社区划分，并分析社区内节点的特征，获取社区内多个Hub节点(连接数最多的节点)；B.因社区中Hub节点关注的热点话题数量较多，实时关注Hub节点用户，并获取其网络主页实时数据；C.对获取的每篇用户主页文档利用自然语言处理(NLP)工具进行分词、去除停用词处理，然后计算每个词的信息熵，并按信息熵大小排序；D.根据每篇文档排序结果中n个TOP关键词，确定该文档所属的舆情热点，实现对舆情热点的跟踪，将排序靠前的、没有出现在已有热点话题中的m个关键...

【技术特征摘要】
1.一种基于社区划分和熵的舆情跟踪与预测方法，其包括以下部分：A.根据用户对热点话题的关注兴趣，构建相似关系网络，并对相似网络的结构特征进行分析，对相似网络进行社区划分，并分析社区内节点的特征，获取社区内多个Hub节点(连接数最多的节点)；B.因社区中Hub节点关注的热点话题数量较多，实时关注Hub节点用户，并获取其网络主页实时数据；C.对获取的每篇用户主页文档利用自然语言处理(NLP)工具进行分词、去除停用词处理，然后计算每个词的信息熵，并按信息熵大小排序；D.根据每篇文档排序结果中n个TOP关键词，确定该文档所属的舆情热点，实现对舆情热点的跟踪，将排序靠前的、没有出现在已有热点话题中的m个关键词作为对后续热点的预测，从而完成热点话题的跟踪及预测；E.组合多个社区中Hub节点的n个关键词并排序形成跟踪关键词集，组合多个社区中Hub节点m个关键词并排序形成预测关键词集。2.根据权利要求1中所描述的一种基于社区划分和熵的舆情跟踪与预测方法，其特征在于，所描述的部分A中，是以用户为节点，用户之间的相似性为边构建一种无向带权相似关系网络，该相似关系网络具有小世界性、集群性和无标度性。对相似关系网络进行社区划分，将关注相同话题具有相似兴趣爱好的用户划分到同一社区，计算社区内节点的度数中心度、介数中心度和接近中心度，选取度数中心度大的节点作为社区内的Hub节点。3.根据权利要求1中所描述的一种基于社区划分和熵的舆情跟踪与预测方法，其特征在于，所描述的部分B中，若Hub节点含有较少的关键词，根据权利要求2相似网络构建原理，若仅让关键词包含于该Hub节点中关键词的节点与该Hub节点相连，则Hub节点的连接节点数较少，Hub节点度数非常小，与Hub节点的定义(Hub节点具有较多的连结数)矛盾；同理，若普通节点含有较多关键词，则存在较多节点与之相连，其度数较大，该节点将归为...

【专利技术属性】
技术研发人员：刘昕，王丰，曹帅，王奕文，邹苹钧，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37