基于单平台的网络事件流行度预测方法与系统技术方案

本发明专利技术公开一种基于单平台的网络事件流行度预测方法，包括以下步骤：将网络事件在时序上按照固定时间间隔进行划分以形成多个事件片段，并提取各个事件片段的多个维度特征；分别提取各个事件片段的多个维度特征中的相同维度特征以形成多个维度时序特征，并融合多个维度时序特征得到网络事件的统一特征；根据统一特征预测网络事件的流行度。

【技术实现步骤摘要】
基于单平台的网络事件流行度预测方法与系统
本专利技术涉及网络信息
，特别涉及一种基于单平台的网络事件流行度预测方法与系统。
技术介绍
随着互联网的普及，网络已经融入了人们生活中，并扮演了很重要的角色。与此同时，网络上表达的各种正式与非正式观点，产生了层出不穷的网络事件。在此，需要指出的是，网络事件是指由多篇文档构成的特定话题，属于比较精细的话题。根据生命周期理论，一个网络事件周期将会经历潜伏、发展、高峰、衰落、消逝五个阶段。相应的，一个网络事件的处理过程分为五个阶段，即发现、分析、预测、预警、引导。部分网络事件可能引发重大网络舆论，针对这些网络事件的进行分析与预测，能够为网络舆情的引导提供依据，从而降低隐患与损失。网络事件流行度预测是根据网络事件历史时刻的输入来预测未知时刻网络事件的关注量，例如根据事件前期的发文量预测未来时刻的发文量等。网络事件流行度预测研究旨在分析事件内在的传播特征与变化规律，预测其未来发展走向，从而提升人们对网络事件传播规律的认识。网络事件流行度预测对人们的生产与生活影响重大，尤其在社会安全方本文档来自技高网...

【技术保护点】
1.一种基于单平台的网络事件流行度预测方法，其特征在于，包括：/n步骤1，将网络事件在时序上按照固定时间间隔进行划分以形成多个事件片段，并提取各个所述事件片段的多个维度特征；/n步骤2，分别提取各个所述事件片段的所述多个维度特征中的相同维度特征以形成多个维度时序特征，并融合所述多个维度时序特征得到所述网络事件的统一特征；/n步骤3，根据所述统一特征预测所述网络事件的流行度。/n

【技术特征摘要】
1.一种基于单平台的网络事件流行度预测方法，其特征在于，包括：
步骤1，将网络事件在时序上按照固定时间间隔进行划分以形成多个事件片段，并提取各个所述事件片段的多个维度特征；
步骤2，分别提取各个所述事件片段的所述多个维度特征中的相同维度特征以形成多个维度时序特征，并融合所述多个维度时序特征得到所述网络事件的统一特征；
步骤3，根据所述统一特征预测所述网络事件的流行度。


2.如权利要求1所述的基于单平台的网络事件流行度预测方法，其特征在于，各个所述事件片段包括多篇文档。


3.如权利要求1所述的基于单平台的网络事件流行度预测方法，其特征在于，所述多个维度特征包括实数型、文本型和离散型。


4.如权利要求1所述的基于单平台的网络事件流行度预测方法，其特征在于，所述步骤1中的提取各个所述事件片段的多个维度特征包括：
步骤11，利用卷积神经网络对所述事件片段的多个维度特征进行卷积，得到对应的所述事件片段的多个维度特征的一维向量表示；
步骤12，利用注意力机制计算得到所述事件片段的多个维度特征中的不同维度特征的权重。


5.如权利要求1所述的基于单平台的网络事件流行度预测方法，其特征在于，所述步骤2中的分别提取各个所述时间片段的所述多个维度特征中的每一个以形成多个维度时序特征包括：
步骤21，利用循环神经网络提取各个所述事件片段的所述多个维度特征中的相同维度特征以形成所述多个维度时序特征；
步骤22，利用注意力机制计算得到各个所述事件片段的所述多个维度特征中的相同维度特征的权重。


6.如权利要求5所述的基于单平台的网络事件流行度预测方法，其特征在于，所述步骤2中的融合所述多个维度时序特征得到所述网络事件的统一特征包括：
步骤23，利用多头注意力机制计算得到所述多个维度时序特征的权重，根据所述权重融合所述多个维度时序特征得到所述网络事件的统一特征。


7.如...

【专利技术属性】
技术研发人员：郭岩，匡广生，程学旗，刘悦，陈银鹏，付宏宇，俞晓明，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11