一种视频舆情的预测方法及预测系统技术方案

本申请公开了一种视频舆情的预测方法及预测系统，其中视频舆情的预测方法，具体包括如下步骤：获取视频信息，根据视频信息获取舆情话题视频；对舆情话题视频进行处理，获得信息特征；对获取的信息特征进行融合，得到高级特征值；将高级特征值输入预测模型得到预测结果；根据预测结果优化预测模型。本申请可充分发挥人工智能相关技术的优势，深度挖掘视频数据及相关信息中的舆情信息，深度表征舆情态势发展趋势，快速迭代更新舆情预测模型，实现自动化、智能化的视频舆情预测，大幅提高对舆情话题的预测准确度。

【技术实现步骤摘要】
一种视频舆情的预测方法及预测系统
本申请涉及人工智能与大数据分析领域，具体地，涉及一种视频舆情的预测方法及预测系统。
技术介绍
随着移动互联网和5G通信技术的快速发展，视频作为更便捷有效的信息传播方式，呈现出高速发展的态势。特别是随着短视频平台、直播行业的迅速崛起，视频量呈现出爆炸式增长，网民均可以通过视频在网络上表达观点、传播思想。但随之而来的是有些网民在网上传播负能量，造谣传谣，发表涉黄涉暴、低俗媚俗的不当言论，严重的甚至侮辱英烈，损害党和政府的形象。因此加强视频舆情的监测，及时追踪视频舆情动态信息，根据已有信息快速预测未来舆情趋势，从而制定更灵活、针对性更强的舆论监管和引导措施。对于净化网络空间，加强网络空间治理，营造天朗气清、生态良好的亿万民众共同的精神家园具有重要意义。现有的舆情预测方法以基于文本的舆情预测为主，通过采集各大新闻网站、论坛、微博、公众号等平台的文本信息、用户公开信息等，对文本信息进行预处理后，提取出舆情信息，结合相应的舆情预测模型预测不同舆情信息的舆情变化指数。随着视频作为更广泛的信息载体，如果用户发表的内容不本文档来自技高网...

【技术保护点】
1.一种视频舆情的预测方法，其特征在于，具体包括如下步骤：/n获取视频信息，根据视频信息获取舆情话题视频；/n对舆情话题视频进行处理，获得信息特征；/n对获取的信息特征进行融合，得到高级特征值；/n将高级特征值输入预测模型得到预测结果；/n根据预测结果优化预测模型。/n

【技术特征摘要】
1.一种视频舆情的预测方法，其特征在于，具体包括如下步骤：
获取视频信息，根据视频信息获取舆情话题视频；
对舆情话题视频进行处理，获得信息特征；
对获取的信息特征进行融合，得到高级特征值；
将高级特征值输入预测模型得到预测结果；
根据预测结果优化预测模型。


2.根据权利要求1所述的视频舆情的的预测方法，其特征在于，根据视频信息获取舆情话题视频中，还包括，判断获取的视频信息中是否存在相同的视频数据，若存在相同的视频数据，则将相同视频数据作为同一舆情话题视频进行合并存储。


3.根据权利要求1所述的视频舆情的的预测方法，其特征在于，获取信息特征具体包括：获取视频特征、获取文本特征、获取属性特征以及获取传播特征。


4.根据权利要求3所述的视频舆情的的预测方法，其特征在于，获取视频特征具体包括以下子步骤：
获取低语义的视频特征矩阵；
基于低语义的视频特征矩阵生成视频标签、主题、文字描述深层语义信息；
将深层语义信息向量化后作为视频特征。


5.根据权利要求4所述的视频舆情的预测方法，其特征在于，获取低语义的视频特征矩阵具体包括以下子步骤：
利用卷积神经网络提取舆情话题视频中的多帧图像的特征向量；
融合多帧图像的特征向量得到低语义的视频特征矩阵；
其中融合多帧图像的特征向量得到低语义的视频特征矩阵具体包括以下子步骤：
获取每一帧图像的特征向量的通道注意力特征图，以及根据通道注意力特征图获取每一帧图像的特征向量的空间注意力特征图；
根据每一帧图像的空间注意力特征图获取多帧图像的特征向量序列的时序注意力特征图；
融合多帧图像的特征向量序列的时序注意力特征图，获得视频特征矩阵。


6.根据权利要求5所述的视频舆情的的预测方法，其特征在于，其中通道注意力特征图表示为：



其中，MLP为多层感知机网络，σ(·)为激活函数，AvgPool为平均池化，MaxPool为最大值池化，为hadamard乘积，Ac表示获得通道注意力的函数，vi表示多帧图像特征向量序列中的某一帧图像的特征向量；
空间注意力特征图表示为：



其中，AvgPool为平均池化，MaxPool为最大值池化，为hadamard乘积，σ(·)为激活函数，表示通道注意力特征图，ω表示网...

【专利技术属性】
技术研发人员：袁振龙，张玉鹏，卢永强，
申请(专利权)人：深圳赋乐科技有限公司，
类型：发明
国别省市：广东;44