一种基于媒介贡献度的新闻热点预测方法与流程

1.本发明属于信息传播、计算机基数、大数据挖掘算法技术领域，具体为一 种基于媒介贡献度的新闻热点预测方法。


背景技术：

2.在观察新信息分析和发布的时候，人们通常不清楚要发布的内容是否会引 起读者的关注，是否会点燃读者较高的传播热情。例如：在新闻门户、社交媒 体平台上，什么主题的新闻更容易成为传播的热点；在不同的平台、不同类型 的账号里，哪些平台发的新闻更容易成为当前的舆论热点；对于特定人物，有 关该人物哪些事项的主题会更容易成为新闻焦点。对于这类信息的预测通常依 赖于人的知识与经验，现提出通过计算机技术进行大数据的计算，帮助预测新 生的新闻事件中，哪些事件会变成人们关注、讨论和传播的舆论热点。
3.针对上述需求，现有的预测方法通常预测方法为人工的预测方案，其过程 和结果严重依赖用户的知识与经验，准确性及可重复性存在不稳定状态。因此 本发明提出一种基于媒介贡献度的新闻热点预测方法，通过新生事件参与信源 的贡献度数值，提早研判其是否可成为热点事件，以便做出针对性的议程设置 和准备应对措施。


技术实现要素：

4.本发明的目的在于解决背景技术中的问题，提供一种基于媒介贡献度的新 闻热点预测方法。
5.本发明采用的技术方案如下：
6.一种基于媒介贡献度的新闻热点预测方法，包括以下步骤：
7.步骤一：利用新闻热点标签的生成方法及系统提取新闻数据集中的新闻 簇；
8.步骤二：利用智能信息处理技术来采集出这些热点舆情事件的相关数据；
9.步骤三：利用贡献值计算的模型对不同领域热点事件中，不同平台、不同 类型账号、不同时期的贡献度进行计算；
10.步骤四：得到分平台、分信源、分时期的热点事件媒介贡献度指数。
11.优选的，所述步骤一包括：
12.第一提取单元，用于提取新闻数据集中的新闻簇，一个所述新闻簇包括至 少两个所述新闻记录；
13.确定单元，用于确定提取出的多个所述新闻簇中的热点新闻簇；
14.第二提取单元，用于提取所述热点新闻簇中各新闻记录的关键字；
15.第一生成单元，用于生成由一个新闻记录的至少两个所述关键字组合的组 合词，一个新闻记录对应一个或多个所述组合词；
16.第二生成单元，用于根据所述组合词的热度值生成新闻热点标签。
17.优选的，所述第一提取单元包括：
18.第一计算模块，用于计算所述新闻数据集中两个新闻记录之间的相似度； 判断模块，用于判断所述相似度是否大于第一预设阈值；以及
19.第一确定模块，用于所述相似度大于所述第一预设阈值时，确定所述两个 新闻记录属于同一新闻簇。
20.优选的，所述第一计算模块包括:
21.特征化子模块，用于将所述两个新闻记录分别进行特征化提取，得到一个 新闻记录对应的第一向量和另一个新闻记录对应的第二向量；
22.计算子模块，用于采用以下任意一个公式计算所述相似度：
23.sim(x，y)＝(x*y)/(||x|1*1|γ||)，或者；
[0024][0025]
其中，sim(x，y)为所述相似度，x为所述第一向量，y为所述第二向量， x＝(x1，x2，x3,
…
，x
n
)，y＝(y1，y2，y3,
…
，y
n
)，||x||和||y||分别为 x和y的欧几里得范数，所述第一向量对应的新闻记录为第一新闻记录，所述 特征化子模块采用以下步骤得到所述第一向量：对所述第一新闻记录的标题和 正文进行分词，得到由多个词元组成的第一词元集；根据词元在所述第一新闻 记录中出现的次数计算所述第一词元集中词元对应的特征值；删除所述第一词 元集中特征值小于第二预设阈值的词元；以及
[0026]
生成所述第一向量：x＝(<w1,c1>,<w2,c2>,<w3,c3>,
···
,<w
n
,c
n
>),其 中，w1,w2,w3,
···
,w
n
为所述述第一词元集中词元，c1,c2,c3,
···
,c
n
分另l
j
为 词元对应的特征值,n为所述第一词元集中词元的个数，所述特征化子模块采用 以下公式计算所述第一词元集中词元对应的特征值：c
i
＝a
l
a2*t a3*p a4*k其 中，c
i
为所述第一词元集中第i个词元对应的特征值，a
l
为所述第i个词元在 所述第一新闻记录中出现的次数，a2为所述第i个词元在所述第一新闻记录 的标题中出现的次数，a3为所述第i个词元在所述第一新闻记录的段首或段尾 中出现的次数，a4为所述第i个词元在所述第一新闻记录的关键句中出现的 次数，t、p、k均为无量纲参数。
[0027]
优选的，所述步骤三贡献值计算的模型分为两层，一层是账号分类层，其 根据账号属性进行分类，在根据数据测算不同权重占比，另一层是平台分类层， 其根据发文平台属性进行分类，在根据数据测算不同权重占比。
[0028]
优选的，所述步骤四中分时期的热点事件分为早期参与和新生事件，所述 早期参与进行加权，所述新生事件根据早期参与信源的贡献度数值，建立数据 集训练回归模型，最后利用机器学习算法研判其是否可成为热点事件。
[0029]
优选的，所述机器学习算法采用梯度下降算法：
[0030][0031]
其中是参数的梯度，目标函数j(θ)关于参数的梯度将是目标函数θ上升 最快的方向，η为所述第一词元集中词元的个数。
[0032]
综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0033]
1、本发明中，克服了现有人工方法效率低下，准确度严重依赖知识经验 的弊端，
通过大数据及语义分析技术，使用计算机算法实现，大大提升速度、 效率及其适用场景。
[0034]
2、本发明中，通过大数据技术，采集和分析海量数据，极大扩大了分析 的样本数据及案例，充分利用历史积累的大量案例，对于用户内容倾向和舆论 热点传播的各方面特征进行挖掘，模型更为科学合理，分析结果不断得到改善， 并达到一定准确度。
[0035]
3、本发明中，提供的贡献度计算模型稳定性好，不停监测范围的变化不 会影响最终的计算结果，新模型准确度高，榜单排名不会受到某个指标极大， 极小值的影响，新模型排极端能力强，社会极端新闻不会影响榜单的权威性， 新模型数据覆盖面广。
[0036]
4、本发明中，预测过程以新闻内容倾向的标签为基础，结合新闻传播中 的时间、账号类型、媒介、用户反馈等各个维度，对于新闻热点的广泛传播特 征进行全面分析，提升预测判断的多因素作用及共同作用综合分析，预测结果 更为准确和贴近实际。
附图说明
[0037]
图1为本发明的新闻热点预测总体图；
[0038]
图2为本发明的新闻热点标签提取流程图；
[0039]
图3为本发明的梯度下降算法流程图。
具体实施方式
[0040]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅 用以解释本发明，并不用于限定本发明。
[0041]
参照图1
‑
3，一种基于媒介贡献度的新闻热点预测方法，包括以下步骤：
[0042]
步骤一：利用新闻热点标签的生成方法及系统提取新闻数据集中的新闻 簇；
[0043]
其中包括：
[0044]
第一提取单元，用于提取新闻数据集中的新闻簇，一个所述新闻簇包括至 少两个所述新闻记录；
[0045]
确定单元，用于确定提取出的多个所述新闻簇中的热点新闻簇；
[0046]
第二提取单元，用于提取所述热点新闻簇中各新闻记录的关键字；
[0047]
第一生成单元，用于生成由一个新闻记录的至少两个所述关键字组合的组 合词，一个新闻记录对应一个或多个所述组合词；
[0048]
第二生成单元，用于根据所述组合词的热度值生成新闻热点标签；
[0049]
所述第一提取单元包括：
[0050]
第一计算模块，用于计算所述新闻数据集中两个新闻记录之间的相似度；
[0051]
判断模块，用于判断所述相似度是否大于第一预设阈值；以及
[0052]
第一确定模块，用于所述相似度大于所述第一预设阈值时，确定所述两个 新闻记录属于同一新闻簇；
[0053]
所述第一计算模块包括:
[0054]
特征化子模块，用于将所述两个新闻记录分别进行特征化提取，得到一个 新闻记录对应的第一向量和另一个新闻记录对应的第二向量；
[0055]
计算子模块，用于采用以下任意一个公式计算所述相似度：
[0056]
sim(x，y)＝(x*y)/(||x|1*1|γ||)，或者；
[0057][0058]
其中，sim(x，y)为所述相似度，x为所述第一向量，y为所述第二向量， x＝(x1，x2，x3,
…
，x
n
)，y＝(y1，y2，y3,
…
，y
n
)，||x||和||y||分别为 x和y的欧几里得范数，所述第一向量对应的新闻记录为第一新闻记录，所述 特征化子模块采用以下步骤得到所述第一向量：对所述第一新闻记录的标题和 正文进行分词，得到由多个词元组成的第一词元集；根据词元在所述第一新闻 记录中出现的次数计算所述第一词元集中词元对应的特征值；删除所述第一词 元集中特征值小于第二预设阈值的词元；以及
[0059]
生成所述第一向量：x＝(<w1,c1>,<w2,c2>,<w3,c3>,
···
,<w
n
,c
n
>),其 中，w1,w2,w3,
···
,w
n
为所述述第一词元集中词元，c1,c2,c3,
···
,c
n
分另l
j
为 词元对应的特征值,n为所述第一词元集中词元的个数，所述特征化子模块采用 以下公式计算所述第一词元集中词元对应的特征值：c
i
＝a
l
a2*t a3*p a4*k其 中，c
i
为所述第一词元集中第i个词元对应的特征值，a
l
为所述第i个词元在 所述第一新闻记录中出现的次数，a2为所述第i个词元在所述第一新闻记录 的标题中出现的次数，a3为所述第i个词元在所述第一新闻记录的段首或段尾 中出现的次数，a4为所述第i个词元在所述第一新闻记录的关键句中出现的 次数，t、p、k均为无量纲参数。
[0060]
步骤二：利用智能信息处理技术来采集出这些热点舆情事件的相关数据， 例如不同平台上的信息量、传播数据量等等。针对抓取各平台信息的实际应用， 通过合理的接入不同平台的api，从而实现了增量抓取的算法，明显提高微博 信息的抓取的准确性与全面性，大大增强其实用性；
[0061]
步骤三：利用贡献值计算的模型对不同领域热点事件中，不同平台、不同 类型账号、不同时期的贡献度进行计算；
[0062]
具体的算法模型主要分了两层，一个是账号分类层，其根据账号属性进行 分类，在根据数据测算不同权重占比，另一个是平台分类层，其根据发文平台 属性进行分类，在根据数据测算不同权重占比，其中各账号分类的确定是根据 各大自媒体平台在账号注册时所使用的标准，如微信，抖音，快手，一点资讯， 头条等，具体的算法模型如下表：
[0063]
[0064]
[0065]
[0066]
[0067]
[0068][0069]
步骤四：得到分平台、分信源、分时期的热点事件媒介贡献度指数，分时 期的热点事件分为早期参与和新生事件，所述早期参与进行加权，所述新生事 件根据早期参与信源的贡献度数值，建立数据集训练回归模型，最后利用机器 学习算法研判其是否可成为热点
事件；
[0070]
通过不断优化算法，使得判断的准确性不断优化。具体的机器学习算法采 用梯度下降算法，目标函数关于参数的梯度将是目标函数上升最快的方向。对 于最小化优化问题，只需要将参数沿着梯度相反的方向前进一个步长，就可以 实现目标函数的下降，
[0071][0072]
其中是参数的梯度，目标函数j(θ)关于参数的梯度将是目标函数θ上升 最快的方向，η为所述第一词元集中词元的个数，根据计算目标函数采用数据 量的不同，梯度下降算法又可以分为批量梯度下降算法，随机梯度下降算法和 小批量梯度下降算法，对于批量梯度下降算法，其是在整个训练集上计算的， 如果数据集比较大，可能会面临内存不足问题，而且其收敛速度一般比较慢。 随机梯度下降算法是另外一个极端，是针对训练集中的一个训练样本计算的， 又称为在线学习，即得到了一个样本，就可以执行一次参数更新，所以其收敛 速度会快一些，但是有可能出现目标函数值震荡现象，因为高频率的参数更新 导致了高方差，小批量梯度下降算法是折中方案，选取训练集中一个小批量样 本计算，这样可以保证训练过程更稳定，而且采用批量训练方法也可以利用矩 阵计算的优势。
[0073]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。