[发明专利]平台舆论数据主题的预测模型训练方法、预测方法及装置

说明书

本发明提供了一种平台舆论数据主题的预测模型训练方法、预测方法及装置，其中该训练方法包括：根据平台舆论文本集得到平台文本数据集；利用主题模型对平台舆论文本数据集中每个数据主题分类，得到相应主题；对每个时间片内所有平台舆论文本数据的主题进行统计，得到包含时间片信息的平台舆论主题向量；根据节假日信息对包含各时间片的时间片序列编码，得到节假日向量；拼接包含时间片信息的平台舆论主题向量和节假日向量，得到包含节假日信息的平台舆论主题向量；利用包含节假日信息的平台舆论主题向量形成训练数据集对初始神经网络进行训练，得到平台舆论数据主题的时间序列预测模型。通过上述方案能够实现主题的时间序列预测并提高预测效果。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种平台舆论数据主题的预测模型训练方法、预测方法及装置。

背景技术

近年来，微博凭借着自身的特点发展成为社会公共舆论的重要平台，对国家安全和社会发展产生了深远的影响。微博热点问题基本上也是当前社会的热点问题，因此对于微博未来热点的预测就显得极为重要。

发明内容

本发明提供了一种平台舆论数据主题的预测模型训练方法、预测方法及装置，以实现对类似于微博数据的社会化平台的舆论数据的主题进行时间序列分布预测，并提高预测效果。

为了达到上述目的，本发明采用以下方案实现：

根据本发明实施例的一个方面，提供了一种平台舆论数据主题的预测模型训练方法，包括：

获取平台舆论文本集，并根据所述平台舆论文本集得到平台文本数据集；

利用设定主题模型对所述平台舆论文本数据集中的每个平台舆论文本数据进行主题分类，得到相应平台舆论文本数据对应的主题；

对每个时间片内所有平台舆论文本数据对应的主题进行统计，得到包含时间片信息的平台舆论主题向量；

根据节假日信息对包含所述各时间片的时间片序列进行编码，得到节假日向量；

将所述包含时间片信息的平台舆论主题向量和所述节假日向量拼接在一起，得到包含节假日信息的平台舆论主题向量；

利用包含节假日信息的平台舆论主题向量形成训练数据集，并利用所述训练数据集对初始神经网络进行训练，得到平台舆论数据主题的时间序列预测模型。

在一些实施例中，获取平台舆论文本集，并根据所述平台舆论文本集得到平台文本数据集，包括：获取平台舆论的初始文本集；对所述初始文本集中的初始文本按设定属性进行聚合，得到聚合后文本集；对所述聚合后文本集中的各聚合后文本进行分词处理，得到平台舆论文本数据集。

在一些实施例中，所述设定属性为作者；和/或，对所述聚合后文本集中的各聚合后文本进行分词处理，得到平台舆论文本数据集，包括：对所述聚合后文本集中的各聚合后文本进行分词处理以及去停用词和去特殊符号处理，得到平台舆论文本数据集。

在一些实施例中，所述设定模型为LDA主题模型。

在一些实施例中，利用设定主题模型对所述平台舆论文本数据集中的每个平台舆论文本数据进行主题分类，得到相应平台舆论文本数据对应的主题，包括：利用设定主题模型对所述平台舆论文本数据集中的每个平台舆论文本数据进行主题分类，并优化所述设定主题模型的主题分类个数，得到相应平台舆论文本数据对应的主题。

在一些实施例中，利用设定主题模型对所述平台舆论文本数据集中的每个平台舆论文本数据进行主题分类，并优化所述设定主题模型的主题分类个数，得到相应平台舆论文本数据对应的主题，包括：利用设定主题模型对所述平台舆论文本数据集中的每个平台舆论文本数据进行主题分类，并利用perplexity方法优化所述设定主题模型的主题分类个数，得到相应平台舆论文本数据对应的主题。