[发明专利]面向微博数据的流感疫情监测分析方法及系统

摘要

本发明涉及一种面向微博数据的流感疫情监测分析方法，包括获取部分微博作为训练微博集；标记训练微博集中每条微博；得到训练微博集的微博文本词项集合；得到训练微博集的微博文本原始特征词项集合；得到特征词项字典；特征向量化；训练该特征向量得到SVM分类器；获取剩余微博作为测试微博集；得到测试微博集的微博文本词项集合；得到测试微博集的微博文本原始特征词项集合；特征向量化；SVM分类器对测试微博集中每条微博进行自动分类；将分类结果可视化以进行流感疫情进行监测和分析。本发明还涉及一种面向微博数据的流感疫情监测分析系统。本发明能帮助人们发现流感的传播趋势，及时有效地阻止流感的大范围传播，防止流感大流行的发生。

主权项

一种面向微博数据的流感疫情监测分析方法，其特征在于，该方法包括如下步骤：从微博集中随机获取一小部分微博作为训练微博集；将训练微博集中的每条微博标记为感冒类微博或者非感冒类微博；对训练微博集中经过标记后的微博进行初始化操作，得到训练微博集的微博文本词项集合；对训练微博集中经过初始化后的每条微博进行特征提取，得到训练微博集的微博文本原始特征词项集合；对所述训练微博集的微博文本原始特征词项集合进行特征选择，计算每个词项的互信息值，得到特征词项字典；根据所述特征词项字典对训练微博集中的微博进行特征向量化；对该特征向量进行训练，得到SVM分类器；获取微博集中剩余微博作为测试微博集；对测试微博集中的微博进行初始化操作，得到测试微博集的微博文本词项集合；对测试微博集中经过初始化后的每条微博进行特征提取，得到测试微博集的微博文本原始特征词项集合；根据所述特征词项字典对测试微博集中经过特征提取的微博进行特征向量化；使用上述得到的SVM分类器对经过特征向量化的测试微博集中每条微博进行自动分类；将分类结果可视化以进行流感疫情进行监测和分析；其中，所述的向量化指：将每条微博的微博文本原始特征词项集合向特征词项字典进行映射：如果微博文本原始特征词项集合的词项在特征词项字典，则计算这个词项的tf‑idf值作为该词项在该微博中的特征值；如果微博文本原始特征词项集合的词项不在特征词项字典，则忽略该词项；如果特征词项字典中的词项没有出现在微博文本原始特征词项集合中，则该词项的特征值为0；最终每条微博的微博文本转变得到一个维度为N的特征向量。