一种社交网络交互数据处理、舆情趋势预测方法及系统

本发明属于数据分析领域，更具体地，涉及一种社交网络交互数据处理、舆情趋势预测方法及系统。

背景技术：

1、在社交网络舆情分析领域，基于观点动力学的信息处理系统已成为定量研究群体观点演化规律的重要技术路径。此类系统通过构建包含若干关键调控参量的计算模型，对网络结构中各节点所承载的观点值进行迭代更新，以模拟舆情态势的时空演化过程。

2、然而，现有观点动力学模型在实际舆情数据处理中存在如下技术缺陷。

3、其一，模型参数依赖人工经验设定，缺乏面向真实事件数据的自适应标定机制。当面对一个真实发生的舆情事件时，该人工设定的模型参数难以准确反映当前舆情事件的观点演化特性，导致后续依赖于该参数的仿真推演结果无法准确反映现实观测数据的实际演化过程。

4、其二，现有模型拓扑结构固化。经典观点动力学模型中计算架构均以固定网络拓扑为前提——节点间的连边在系统初始化时一次性加载，并在整个仿真周期内保持不变。在此类架构下，每个节点的邻域构成恒定不变，异质性观点持续通过固定路径注入。当算法应用于真实舆情事件分析时，系统无法基于实际观测数据的演化趋势反演出群体内部交互结构的动态变化，难以准确提取现实观测数据的观点演化特性。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种社交网络交互数据处理、舆情趋势预测方法及系统，由此解决对于现实舆情事件的实际演化过程特性获取精度低的技术问题。

2、为实现上述目的，按照本发明的第一方面，提供了一种社交网络交互数据处理方法，包括：

3、设定多组群体观点演化参数，并基于各组群体观点演化参数分别仿真得到相应群体观点演化参数对应的观点方差曲线图；所述观点方差曲线图中包括每个时间步网络中所有节点的观点值方差构成的全局方差曲线，以及每个时间步网络中连通子图内部节点的观点值方差构成的局部方差曲线；网络中的节点对应社交网络中针对舆情事件发表评论的用户；

4、提取各组群体观点演化参数对应的观点方差曲线图的曲线特征，构建由所述曲线特征及其对应的群体观点演化参数构成的样本集，并基于所述样本集训练得到特征参数映射模型；所述特征参数映射模型用于基于输入曲线特征预测该曲线特征对应的群体观点演化参数所在的参数区间；

5、获取社交网络中针对多个历史真实事件的事件评论文本时间序列；

6、针对每个历史真实事件，基于相应历史真实事件的观点类别获取事件评论文本时间序列中各个评论文本对应的位于区间[0,1]的观点值，并基于各个评论文本对应的观点值、发表时间以及每个时间步用户之间的交互关系，构建相应历史真实事件的观点方差曲线图并提取其曲线特征；

7、利用所述特征参数映射模型对每个历史真实事件的观点方差曲线图的曲线特征进行映射，得到相应历史真实事件的群体观点演化参数，并基于每个历史真实事件的事件标签构建事件标签与群体观点演化参数的映射数据库。

8、根据上述任一种社交网络交互数据处理方法，所述方法还包括：

9、获取各个历史真实事件的事件标签；

10、基于各个历史真实事件的事件标签分别检索所述映射数据库，获取所述映射数据库中与相应历史真实事件的事件标签匹配度高于预设阈值的事件标签所对应的群体观点演化参数，并基于所述匹配度高于预设阈值的事件标签所对应的群体观点演化参数及事件描述构建相应历史真实事件的参考案例参数集；

11、基于各个历史真实事件的事件描述、事件标签、群体观点演化参数和参考案例参数集，训练得到标签参数映射模型；所述标签参数映射模型用于基于输入事件的事件描述、事件标签以及参考案例参数集预测该事件的群体观点演化参数所在的参数区间。

12、根据上述任一种社交网络交互数据处理方法，一组群体观点演化参数包括信任阈值、收敛率、外部信息强度、非线性系数、分裂阈值和信息暴露概率；其中，所述信任阈值表征观点演化过程中两个用户之间进行观点值更新的最大观点差；所述收敛率表征观点演化过程中一个用户的观点值向与其存在交互的用户靠拢的增益系数；所述外部信息强度表征观点演化过程中外部观点对用户观点值的增益系数；所述非线性系数表征观点演化过程中用户观点值对外部观点接受与否的二值化程度，所述非线性系数越高，用户观点值对外部观点越趋向接受或拒绝的二值形态；所述分裂阈值表征观点演化过程中存在交互的用户群体之间发生裂变的观点值方差上界，当存在交互的用户群体中各用户观点值的观点值方差大于或等于所述分裂阈值时，该用户群体将发生分裂；所述信息暴露概率表征观点演化过程中用户接触到外部观点的概率。

13、根据上述任一种社交网络交互数据处理方法，基于任一组群体观点演化参数仿真得到相应群体观点演化参数对应的观点方差曲线图，具体包括：

14、针对所述任一组群体观点演化参数进行若干次仿真，得到每次仿真得到的观点方差曲线图，并将每次仿真得到的观点方差曲线图融合为所述任一组群体观点演化参数对应的观点方差曲线图；

15、其中，针对所述任一组群体观点演化参数的一次仿真过程包括：

16、随机构建初始的虚拟社交网络，为所述虚拟社交网络中的每个节点赋予位于区间[0,1]的初始观点值，并为每个节点的更新衰减系数与响应阈值随机赋值；所述虚拟社交网络中的各个节点对应用户，存在交互的用户对应的节点之间存在连接边；

17、对所述虚拟社交网络执行多个时间步的观点演化操作，并计算每个时间步更新得到的虚拟社交网络中连通子图内节点的观点值方差和所有节点的观点值方差，以基于每个时间步对应的连通子图内节点的观点值方差和所有节点的观点值方差构建局部方差曲线和全局方差曲线，得到此次仿真得到的观点方差曲线图；

18、在任一时间步的观点演化操作中，基于下式更新每个节点的观点值：

19、；

20、；

21、；

22、为所述任一组群体观点演化参数中的信任阈值；和分别为节点i和节点j在时间步t的观点值；为所述任一组群体观点演化参数中的收敛率；为节点i的更新衰减系数；为节点i与节点j之间的结构影响权重；当基于所述任一组群体观点演化参数中的信息暴露概率对各节点进行随机采样而选中节点i时，，否则，；为所述任一组群体观点演化参数中的外部信息强度；为外部观点的观点值；为所述任一组群体观点演化参数中的非线性系数；为节点i的响应阈值；为节点i的观点值与外部观点的观点值之间的差值绝对值；

23、其中，在到达结构检查时间步时，计算当前虚拟社交网络中规模大于预设规模的连通子图内节点的观点值方差，并在所述观点值方差超过所述任一组群体观点演化参数中的分裂阈值时触发分裂。

24、根据上述任一种社交网络交互数据处理方法，任一观点方差曲线图的曲线特征包括幅度特征、时序特征、变化率特征、形态特征和结构特征。

25、按照本发明的第二方面，提供了一种如第一方面所述社交网络交互数据处理方法的舆情趋势预测方法，包括：

26、基于当前舆情事件的事件标签检索映射数据库，确定当前舆情事件对应的第一推荐参数区间；

27、若能获取当前舆情事件对应的初始事件评论文本时间序列，则基于当前舆情事件对应的观点类别获取所述初始事件评论文本时间序列中各个评论文本对应的位于区间[0,1]的观点值，并基于各个评论文本对应的观点值、发表时间以及每个时间步用户之间的交互关系，计算各个时间步的观点值方差，以构建当前舆情事件的观点方差曲线图并提取其曲线特征；基于特征参数映射模型预测当前舆情事件的观点方差曲线图的曲线特征对应的第二推荐参数区间；

28、基于当前舆情事件对应的第一推荐参数区间和/或第二推荐参数区间，确定当前舆情事件的目标群体观点演化参数，以基于当前舆情事件的目标群体观点演化参数仿真得到目标群体观点演化参数对应的观点方差曲线图。

29、根据上述任一种舆情趋势预测方法，基于当前舆情事件的事件标签检索映射数据库，确定当前舆情事件对应的第一推荐参数区间，具体包括：

30、基于当前舆情事件的事件标签检索映射数据库，获取所述映射数据库中与当前舆情事件的事件标签匹配度高于预设阈值的事件标签所对应的群体观点演化参数，并基于所述匹配度高于预设阈值的事件标签所对应的群体观点演化参数及事件描述构建当前舆情事件的参考案例参数集；

31、将当前舆情事件的事件描述、事件标签以及参考案例参数集输入至标签参数映射模型，得到当前舆情事件对应的第一推荐参数区间。

32、根据上述任一种舆情趋势预测方法，所述舆情趋势预测方法还包括：

33、获取目标群体观点演化参数对应的观点方差曲线图的局部方差曲线；

34、确定所述局部方差曲线中首次局部方差大于或等于目标群体观点演化参数中的分裂阈值的时刻，作为终止时刻；

35、确定所述局部方差曲线中局部方差首次大于或等于所述分裂阈值的设定比例的第一时刻，确定所述局部方差曲线中连续若干个局部方差超过设定值时其中最后一个局部方差对应的第二时刻，并确定所述第一时刻和所述第二时刻中的较小值为起始时刻；

36、确定所述起始时刻和所述终止时刻构成的时间窗口为当前舆情事件的观点极化风险窗口。

37、按照本发明的第三方面，一种社交网络交互数据处理系统，包括：计算机可读存储介质和处理器；

38、所述计算机可读存储介质用于存储可执行指令；

39、所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如第一方面所述的社交网络交互数据处理方法。

40、按照本发明的第四方面，提供了一种舆情趋势预测系统，包括：计算机可读存储介质和处理器；

41、所述计算机可读存储介质用于存储可执行指令；

42、所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如第二方面所述的舆情趋势预测方法。

43、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

44、通过设定多组群体观点演化参数，并基于各组群体观点演化参数分别仿真得到相应群体观点演化参数对应的观点方差曲线图，利用全局方差和局部方差，在充分考虑到群体内部交互结构的动态变化下准确表现观点在不同时间步的演化过程；随后提取各组群体观点演化参数对应的观点方差曲线图的曲线特征，构建由曲线特征及其对应的群体观点演化参数构成的样本集，以基于该样本集训练得到特征参数映射模型；接着构建各个历史真实事件的观点方差曲线图并提取其曲线特征，从而利用该特征参数映射模型对每个历史真实事件的观点方差曲线图的曲线特征进行映射，得到相应历史真实事件的群体观点演化参数，并基于每个历史真实事件的事件标签构建事件标签与群体观点演化参数的映射数据库，准确刻画了不同舆情事件的观点演化过程，当新的舆情事件发生时，可以利用该数据库准确刻画新舆情事件可能的观点演化趋势。

45、进一步地，通过采用两条不同的推荐参数区间获取路径，其中第一条路径基于当前舆情事件的事件标签检索映射数据库，确定当前舆情事件对应的第一推荐参数区间，第二条路径基于各个评论文本对应的观点值、发表时间以及每个时间步用户之间的交互关系，计算各个时间步的观点值方差，以构建当前舆情事件的观点方差曲线图并提取其曲线特征，并基于特征参数映射模型预测当前舆情事件的观点方差曲线图的曲线特征对应的第二推荐参数区间，从而基于两条路径得到的第一推荐参数区间和/或第二推荐参数区间，确定当前舆情事件的目标群体观点演化参数，以基于当前舆情事件的目标群体观点演化参数仿真得到目标群体观点演化参数对应的观点方差曲线图，可以更准确地预测当前舆情事件的观点演化趋势，从而为后续干预手段提供更准确的数据基础。