申请/专利权人:中国人民解放军国防科技大学
申请日:2020-10-19
公开(公告)日:2021-01-05
公开(公告)号:CN112183881A
主分类号:G06Q10/04(20120101)
分类号:G06Q10/04(20120101);G06Q50/00(20120101);G06F16/33(20190101);G06F40/279(20200101);G06F40/30(20200101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.01.22#实质审查的生效;2021.01.05#公开
摘要:本发明提供了一种基于社交网络的舆情事件预测方法、设备及存储介质,其可以有效地提高舆情事件预测的精度,方法包括以下步骤:针对每个舆情事件,采集相关的社交网络数据,从舆情事件发生前若干天的社交网络数据中提取关键词,构建每天的关键词合集合,并提取出用户间的传播关系;将社交网络数据进行语料预处理后得到语料库,将所有的关键词表示为词向量;构建每天的关键词的语义关联信息图和传播关系图;基于图卷积网络构建动态双重图卷积网络模型,分别将前若干天中每天的关键词的语义关联信息图和传播关系图输入动态双重图卷积网络模型,同时输入在前数据,直至计算得到前一天的关键词的特征向量;进行非线性变换,输出舆情事件的预测结果。
主权项:1.一种基于社交网络的舆情事件预测方法,其特征在于,包括以下步骤:步骤1:针对每个舆情事件,采集相关的社交网络数据,从舆情事件发生前若干天的社交网络数据中提取关键词,构建每天的关键词合集合,并从社交网络数据中提取出用户间的传播关系;步骤2:将社交网络数据进行语料预处理后得到语料库,将所有的关键词表示为词向量;步骤3:基于每天的关键词集合和用户间的传播关系,构建每天的关键词的语义关联信息图和传播关系图;步骤4:基于图卷积网络构建动态双重图卷积网络模型,分别将前若干天中每天的关键词的语义关联信息图和传播关系图输入动态双重图卷积网络模型,同时分别对应将每天对应的在前数据输入动态双重图卷积网络模型中,直至计算得到前一天的关键词的特征向量;步骤5:对于每个舆情事件,将输出的前一天的关键词的特征向量进行非线性变换,输出舆情事件的预测结果。
全文数据:
权利要求:
百度查询: 中国人民解放军国防科技大学 一种基于社交网络的舆情事件预测方法、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。