欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023101018567
申请人: 云南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于时间序列和话题相似度分析的社交舆情事件检测方法,其特征在于,包括以下步骤:

S1:根据实际需要确定待分析的主题,然后从社交网络中爬取待分析时间段内和主题相关的发布文本,并提取各个发布文本的标签、时间戳和文本内容信息;将待分析时间段划分为N个子时间段,每个子时间段作为一个时间点,将每个标签作为一个话题,记话题总数为M;对于每个话题,根据标签和时间戳统计每个时间点上对应标签的出现次数,作为该话题在该时间点上的热度值hn,m,n=1,2,…,N,m=1,2,…,M;对于第m个话题,将热度值大于0的时间点作为有效时间点,记第m个话题的有效时间点的数量为Dm,将有效时间点按照时间顺序进行排列,得到话题时间序列(tm,1,tm,2,…,tm,d),其中tm,d表示第m个话题中第d个时间点在待分析时间段内的原始序号,d=1,2,…,Dm;

S2:依次判断话题时间序列(tm,1,tm,2,…,tm,d)中相邻2个有效时间点的时间间隔是否大于预设时间阈值,如果不大于,则不作任何操作,否则在这2个有效时间点之间插入一个分割点,根据得到的分割点将话题时间序列分割为话题时间子序列,记第m个话题所得到的话题时间子序列数量为Km,第k个话题时间子序列记为分别表示第m个话题的第k个话题时间子序列的起始时间点序号和结束时间点序号,k=1,2,…,Km;

对于每个话题时间子序列Tm,k,获取对应时间段内第m个话题的热度值序列Hm,k,搜索热度值序列Hm,k中的热度峰值点,记热度值序列Hm,k中热度峰值点的数量为Wm,k;

计算第m个话题的平均话题时间长度τm,k表示话题时间子序列Tm,k的长度,然后计算第m个话题的热度峰值点出现频率预先设置平均话题时间长度阈值TL和热度峰值点出现频率阈值TF,如果第m个话题的平均话题时间长度Lm<TL且热度峰值点出现频率Fm<TF,则将该话题作为有效话题,否则将该话题删除;

S3:对于每个时间点,筛选在该时间点热度值大于0的有效话题,得到该时间点的共现话题集合αn;

S4:对于每个共现话题集合αn,将其中的话题进行两两配对得到共现话题对,然后采用如下方法计算每个共现话题对中两个话题之间的峰值距离:记共现话题对中两个话题为P1,P2,记步骤S2中话题Pi所得到的热度峰值点数量为Ri,i=1,2,记第r个热度峰值点对应的时间点序号为ti,r,r=1,2,…,Ri,得到话题Pi的峰值时间点序列然后使用DTW算法计算话题P1、P2的峰值时间点序列之间的距离作为话题P1、P2的峰值距离;

预先设置峰值距离阈值,如果共现话题对两个话题之间的峰值距离大于该峰值距离阈值,则将该共现话题对删除,否则保留该共现话题对,得到共现话题对集合Y;

S5:计算共现话题对集合Y中每个共现话题对的两个话题之间的文本相似度,具体方法为:

记共现话题对中两个话题为Q1,Q2,从步骤S1所爬取的所有发布文本中筛选出话题Qi的发布文本集合βi,将发布文本集合βi中的每个发布文本采用预设操作进行预处理,将预处理后的发布文本拼接成长文本Gi;然后对长文本Gi进行词嵌入,得到长文本Gi的文本向量Si;计算文本向量S1和文本向量S2的相似度,作为话题Q1,Q2的文本相似度;

S6:预先设置文本相似度阈值,如果共现话题对集合Y中共现话题对的两个话题的文本相似度小于文本相似度阈值,则将其删除,否则保留该共现话题对,得到共现话题对集合Y′;然后将共现话题对集合Y′中各个话题作为节点、共现话题对之间的文本相似度作为边的权值生成图,图中每个子图代表一个事件,从而完成社交舆情事件的检测。

2.根据权利要求1所述的社交舆情事件检测方法,其特征在于,所述步骤S5中长文本Gi的文本向量Si采用如下方法获取:将步骤S1所爬取的所有发布文本作为整体语料库,提取出整体语料库的特征词,记特征词数量为V,然后采用TF-IDF算法计算每个特征词在长文本Gi中的TF-IDF值TF-IDFi,v,v=1,2,…,V;将长文本Gi中V个特征词的TF-IDF值TF-IDFi,v构成文本向量Si=(TF-IDFi,1,TF-IDFi,2,…,TF-IDFi,V)。