基于评论数量的微博舆情事件热度与发展趋势预测方法技术

本发明专利技术公开了基于评论数量的微博舆情事件热度与发展趋势预测方法，步骤为：步骤1、爬取微博舆情事件在自定义一段时间内的相关数据，选取博主身份、粉丝数和其相关微博转发、评论及点赞数这几个特征，并将粉丝数取以10为底的对数后计算舆情事件的博主影响力，再计算单条微博贡献在该舆情事件中的热度值，并进一步随着时间的变化计算单条微博的实时热度，得到该舆情事件实时热度；步骤2、根据步骤1得到的舆情事件实时热度，采用机器学习的方法训练该数据并得到舆情事件实时热度的变化趋势。本发明专利技术有效克服了传统技术中放大的粉丝数对微博热度的影响，更好的将数据过程化，体现出单条微博热度的实时变化情况，准确预测舆情事件实时热度变化趋势。

【技术实现步骤摘要】
基于评论数量的微博舆情事件热度与发展趋势预测方法
本专利技术属于及网络
，具体涉及一种微博舆情事件的热度计算及发展趋势预测方法。
技术介绍
近年来，随着社交网络的逐渐成熟和移动互联网的迅猛发展，微博作为一种网络传播的主要形式，越来越受到人们的青睐。用户通过在微博上表达观点传播思想，抒发个人情感的同时，也产生了大量带有个人主观情感特征的信息，通过对微博的舆论监督来有助于及时发现社会舆情、热点话题和舆情走势，更好的处理各种社会问题，引导舆论走向。因此能够对舆情事件在微博中的实时热度做出准确合理的评估至关重要。传统的微博热度计算中，不仅过于放大粉丝数对微博影响力的推动作用，并且对于某条微博只能计算得到一个固定的热度值而不能反映出该微博热度的一个动态变化过程。在陈梦秋，周安民发表的论文《基于SVM的新浪热门微博预测》他们的热度就是一个固定的值，体现不出来热度随着时间的变化而变化。
技术实现思路
本专利技术的目的在于：解决传统的微博热度计算中，不仅过于放大粉丝数对微博影响力的推动作用，并且对于某条微博只能计算得到一个固定的热度值而不能反映出该微博热度的一个动态变化过程的问题，提出了基于评论数本文档来自技高网...

【技术保护点】
1.一种基于评论数量的微博舆情事件热度与发展趋势预测方法，其特征在于：方法步骤如下：步骤1、爬取微博舆情事件在自定义的一段时间内的相关数据，计算微博舆情事件的博主影响力，博主影响力的计算公式为：博主影响力＝lg(粉丝数)*用户身份*相关微博的转评赞，其中，用户身份若为普通用户，取值为1，若为认证用户，取值为2，若为VIP，取值为3：根据舆情事件的相关数据和博主影响力计算单条微博贡献在该舆情事件中的热度值，并进一步计算单条微博实时热度，单条微博实时热度的计算公式为：单条微博实时热度＝单条微博贡献的热度值*当前单位时间内评论的增加数/(当前单位时间内评论增加数+微博发布后单位时间内评论的增加数)；...

【技术特征摘要】
1.一种基于评论数量的微博舆情事件热度与发展趋势预测方法，其特征在于：方法步骤如下：步骤1、爬取微博舆情事件在自定义的一段时间内的相关数据，计算微博舆情事件的博主影响力，博主影响力的计算公式为：博主影响力＝lg(粉丝数)*用户身份*相关微博的转评赞，其中，用户身份若为普通用户，取值为1，若为认证用户，取值为2，若为VIP，取值为3：根据舆情事件的相关数据和博主影响力计算单条微博贡献在该舆情事件中的热度值，并进一步计算单条微博实时热度，单条微博实时热度的计算公式为：单条微博实时热度＝单条微博贡献的热度值*当前单位时间内评论的增加数/(当前单位时间内评论增加数+微博发布后单位时间内评论的增加数)；根据所有单条微博实时热度得到该舆情事件实时热度；步骤2、根据步骤1得到的舆情事件实时热度，采用机器学习的方法训练该数据并得到舆情事件实时热度的变化趋势。2.根据权利要求1所述的基于评论数量的微博舆情事件热度与发展趋势预测方法，其特征在于：所述步骤1中博主影响力的计算公式中相关微博的转评赞取相关微博的转评赞之和的均值。3.根据权利要求1所述的基于评论数量的微博舆情事件热度与发展趋势预测方法，其特征在于：所述步骤1中在爬取微博舆情事件在自定义的一段时间内的相关数据步骤中还包括初始化舆情事件截止当前时间点的整体热度值N步骤。4.根据权利要求1所述的基于评论数量的微博舆情事件热度与发展趋势预测方法，...

【专利技术属性】
技术研发人员：牛伟纳，张小松，范文慧，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51