申请/专利权人：之江实验室;合肥工业大学

申请日：2021-11-04

公开（公告）日：2024-03-29

公开（公告）号：CN114003815B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9536;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.02.22#实质审查的生效;2022.02.01#公开

摘要：本发明公开了一种网络舆情主题及其关注用户群体的发现方法，其步骤包括：1构建舆情文档中数据集合，2建模舆情文本话题，关注舆情文本话题的用户群体，3设计有参贝叶斯模型，4利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模的在线社交媒体内容以及社交用户评论行为时，一方面能够结合主题分析快速、有效、准确地发现网络中的舆情主题，有助于舆情检测，为舆情的引导和控制提供决策支持；另一方面能够识别关注每个舆情话题的用户群体，实现对社交媒体用户依据关注话题的异同进行快速精准的分类。

主权项：1.一种网络舆情主题及其关注用户群体的发现方法，其特征是按如下步骤进行：步骤1、构建舆情文档数据集D：步骤1.1、构建舆情文档数据集D中的舆情文本内容集合，记为W＝{w1,w2,...,wm,...,wM}，其中，wm表示第m条舆情文本内容的文本数据，并有其中，表示第m条舆情文本内容的第t个单词，Nm表示第m条舆情文本内容中单词的数量，M表示舆情文本内容的数量；步骤1.2、构建舆情文档数据集D中的评论用户集合，记为U＝{u1,u2,...,um,...,uM}，其中，um表示第m条舆情文本内容的文本数据wm下的评论用户集合，并有其中，表示第m条舆情文本内容的文本数据wm下的第e个评论用户，Em表示第m条舆情文本内容的文本数据wm下的评论用户数量；步骤1.3、构建包含舆情文本内容集合W和舆情文本内容下的评论用户集合U的舆情文档数据集合D＝{W,U}；步骤2、建模舆情文本话题和关注舆情文本话题的用户群体：步骤2.1、指定舆情文本内容集合W中的舆情主题个数为K；步骤2.2、指定用户群体的个数为K；步骤3、设计有参贝叶斯模型；步骤3.1、对于所述舆情文本内容集合W中的K个舆情主题，按照式1分别生成第k个舆情主题下的词分布其中，表示第n个单词在第k个舆情主题下所占的兴趣权重，N表示舆情文本内容集合W中不重复的单词数量； 式1中，β是狄利克雷分布的超参数，且φk服从狄利克雷Dirichlet分布；步骤3.2、对于所述舆情文本内容下的评论用户集合U中的K个用户群体，按照式2分别生成第k个用户群体下的用户分布其中，表示第p个评论用户在第k个用户群体中所占的兴趣权重，P表示评论用户集合U中的用户数量； 式2中，β′是狄利克雷分布的超参数，且φ′k服从狄利克雷Dirichlet分布；步骤3.3、建模舆情文本内容的话题分布和关注用户群体分布；步骤3.3.1、对于社交媒体上的每一条舆情文本内容，按照式3生成第条舆情文本内容的舆情主题分布其中，表示第k个舆情主题在第m条舆情文本内容的文本数据wm中所占的权重； 式3中，α是狄利克雷分布的超参数，且服从狄利克雷Dirichlet分布；步骤3.3.2、按照式4生成对所述第m条舆情文本内容的文本数据wm受关注的用户群体分布其中，表示第k个用户群体在第m条舆情文本内容的文本数据wm下所有评论用户中所占的权重； 式4中，α′是狄利克雷分布的超参数，且服从狄利克雷Dirichlet分布；步骤3.4、定义第m条舆情文本内容中的所有单词的舆情主题编号为其中，表示第m条舆情文本内容的文本数据wm中第t个单词的舆情主题编号，且服从参数为的多项式分布，和构成狄利克雷分布与多项式分布的共轭；定义第m条舆情文本内容的文本数据wm中的第t个单词服从参数为的多项式分布，其中，表示第m条舆情文本内容的文本数据wm中第t个单词在所属的舆情主题下的概率分布；步骤3.5、定义第m条舆情文本内容的文本数据wm下的所有评论用户所属的用户群体编号为其中，表示第m条舆情文本内容的文本数据wm下的第e个评论用户所属的用户群体编号；从所述第m条舆情文本内容的文本数据wm中的所有单词的舆情主题中均匀抽取，且服从参数为的多项式分布，且和构成狄利克雷分布与多项式分布的共轭；定义第m条舆情文本内容的文本数据wm下第e个评论用户服从参数为的多项式分布，其中，表示第m条舆情文本内容的文本数据wm下的第e个评论用户在所属的用户群体中的概率分布；步骤4、对舆情主题下的单词分布用户群体下的用户分布第m条舆情文本内容的文本数据wm的主题分布以及第m条舆情文本内容的文本数据wm下关注的用户群体分布进行参数推断；步骤4.1、根据式5采样第m条舆情文本内容的文本数据wm中第t个单词的主题 式5中，表示第m条舆情文本内容的文本数据wm中第t个单词的舆情主题编号，表示第m条舆情文本内容的文本数据wm中排除第t个单词之外的所有单词，表示第m条舆情文本内容的文本数据wm中排除第t个单词之外，其余单词对应的舆情主题，z′表示所有评论用户所属的用户群体编号，表示第m条舆情文本内容的文本数据wm中除第t个单词之外，其余单词属于第k个舆情主题的数量，Nm表示第m条舆情文本内容的文本数据wm中所有单词的数量，Pm表示第m条舆情文本内容的文本数据wm下所有评论用户的数量，表示除第m条舆情文本内容的文本数据wm中除第t个单词之外的单词v分配给第k个舆情主题的次数，表示除第m条舆情文本内容的文本数据wm中第t个单词之外的分配给第k个舆情主题的单词总数；步骤4.2、根据式6采样第m条舆情文本内容的文本数据wm下第e个评论用户所属的用户群体编号 式6中，表示第m条舆情文本内容的文本数据wm下第e个评论用户所属的用户群体，表示第m条舆情文本内容的文本数据wm下排除第e个评论用户之外的所有用户，表示第m条舆情文本内容的文本数据wm下排除第e个评论用户之外，其余用户所属的用户群体，z表示所有舆情舆情文本内容的文本数据中单词所属的主题编号，表示第m条舆情文本内容的文本数据wm下排除第e个评论用户之外，其余用户属于第k个用户群体的数量，Nm表示第m条舆情文本内容的文本数据wm中所有单词的数量，Pm表示第m条舆情文本内容的文本数据wm下所有评论用户的数量，表示除第m条舆情文本内容的文本数据wm下第e个评论用户之外的用户p属于第k个用户群体的次数，表示除第m条舆情文本内容的文本数据wm下第e个评论用户之外的属于第k个用户群体的用户总数；步骤4.3、重复执行步骤4.1和步骤4.2，并利用坍塌式吉布斯采样算法对第m条舆情文本内容的文本数据wm中第t个单词的舆情主题编号和第m条舆情文本内容的文本数据wm下第e个评论用户所属的用户群体进行更新，直至达到迭代次数I0，从而得到更新结果，即舆情文本内容集合W中所有单词的主题编号以及所有评论用户所属的用户群体编号；步骤5、基于所述更新结果，分别利用式7、式8、式9、式10估计第k个舆情主题的词分布第k个用户群体下的用户分布第m条舆情文本内容中的主题分布以及第m条舆情文本内容受关注的用户群体分布 式7-式10中，表示所述更新结果中第n个单词被分配给第k个舆情主题的次数，表示所述更新结果中所有单词中被分配给第k个舆情主题的单词总数，表示所述更新结果中第e个评论用户被分配给第k个用户群体的次数，表示所述更新结果中所有评论用户中属于第k个用户群体的用户总数，表示所述更新结果中第m条舆情文本内容的文本数据wm中第n个单词被分配给第k个舆情主题的次数，表示所述更新结果中第m条舆情文本内容的文本数据wm下第e个评论用户被分配给第k个用户群体的次数。

全文数据：

权利要求：

百度查询： 之江实验室;合肥工业大学 一种网络舆情主题及其关注用户群体的发现方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD