[发明专利]基于课程式学习的社交媒体舆情热度监测的框架构建方法

说明书

本发明提供一种基于课程式学习的社交媒体舆情热度监测的框架构建方法，包括如下步骤：S1：使用基于目标检测的预训练模型获得图像特征，使用词嵌入将单词映射成向量从而获取标签特征；S2：构建基于目标和周围环境的全连接图模型，更新训练过程中的图片特征；S3：进行课程式学习的步骤；S4：使用长短期记忆和最大池化生成最终图像特征，将最终图像和标签特征结合经过全连接层的处理最终得到热度预测结果。本发明提出了一种新的方案CL‑WMTG，通过基于图片和文字的多模态信息以提高社交媒体舆情信息热度的准确度。该框架可以应用在其他用户各类交际信息场景和其他图文发表中进行相关预测。同时的wide transformer模型中的wide可以增加更多的各类信息。

技术领域

本发明具体涉及一种基于课程式学习的社交媒体舆情热度监测的框架构建方法。

背景技术

目前使用各类社交媒体的用户越来越多，随之产生越来越多的包含图文的博文和访问记录。并且用户的发言行为会引导舆情的走向，从而会在行为上和思想上影响他人。为了控制舆情尤其是敏感舆情的传播，平台需要对大量包含舆情引导的博文数据进行分析，提取热门舆情。然而，传统的卷积神经网络可以提取图片中的目标，并针对图片数据进行分析，不能对图片中表示的含义进行深入理解。基于注意力机制的Transformer将文本信息并行处理，分析词语之间的联系，并决定为某一短语赋予一定的注意力，从而可用于提取文本信息及时间序列数据等特征。这些模型将图片和文字信息分开建模之后进行预测，没有有效利用图片信息和文字信息，也没有对多模态信息由深入的交叉感知，不能很好得提取文本和图像特征。利用简单的信息融合方式混合处理图片和文字信息，会使得模型混淆图片和文本信息，使得模型难以分辨出文字和图片各自的信息，导致预测结果非常差，模型收敛性弱。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于课程式学习的社交媒体舆情热度监测的框架构建方法，该基于课程式学习的社交媒体舆情热度监测的框架构建方法可以很好地解决上述问题。

为达到上述要求，本发明采取的技术方案是：提供一种基于课程式学习的社交媒体舆情热度监测的框架构建方法，该基于课程式学习的社交媒体舆情热度监测的框架构建方法包括如下步骤：

S1：使用基于目标检测的预训练模型获得图像特征，使用词嵌入将单词映射成向量从而获取标签特征；

S2：构建基于目标和周围环境的全连接图模型，更新训练过程中的图片特征；

S3：进行课程式学习的步骤；

第一步将目标图像特征、标签、用户其他信息输入Transformer中，学习图像特征和标签数据的组合特征；

第二步输出增强后的图像特征到Transformer中，进一步学习图像数据等数据的特征；

S4：使用长短期记忆和最大池化生成最终图像特征，并将最终图像特征和标签特征结合经过全连接层的处理最终得到热度预测结果。

该基于课程式学习的社交媒体舆情热度监测的框架构建方法具有的优点如下：

本发明使用更高效的CL-WMTG框架处理包含舆情信息的博文中的文字和图片，框架主体是transformer，输入文本和图片的特征后，该模型可以完全利用图片和文字之间的信息，并对多模态信息进行深入的交叉感知；同时，采用课程式学习方法，从易到难分步学习图片包含的特征，使得模型的收敛速度比原始模型快了数倍，热度预测的准确率也增强了很多。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示意性地示出了根据本申请一个实施例的基于课程式学习的社交媒体舆情热度监测的框架构建方法的结构示意图。