[发明专利]一种基于概率统计的互联网舆情分析方法

摘要

本发明属于互联网舆情分析方法技术领域，公开了一种基于概率统计的互联网舆情分析方法。设置有：互联网总端模块，负责在此收集所有的相关信息；检索模块包括：关键字检索模块以及互联网检索模块，将数据收集好后发入统计模块、统计模块包括互联网信息量统计模块、相关信息数量统计模块；最后输入到概率计算模块，概率计算模块最后连接终端结果显示模块。本发明将互联网舆论情况分布进行分析，先进行检索，随后进行统计，然后分类，最后按照分类情况借助计算机算法，计算概率，分析舆论热度等情况；并且统计模块中的月计量模块、周计量模块、日计量模块三种分类计量模块，可以将直观计算出舆论的热度情况是否随着时间变化而变化。

主权项

1.一种基于概率统计的互联网舆情分析系统，其特征在于，所述基于概率统计的互联网舆情分析系统设置有：互联网总端模块，用于在此收集所有的相关信息；检索模块包括：关键字检索模块以及互联网检索模块，将数据收集好后发入统计模块、统计模块包括互联网信息量统计模块、相关信息数量统计模块，上述模块最后输入到概率计算模块，概率计算模块最后连接终端结果显示模块；所述互联网总端模块数据采集模块利用集成的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L‑1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：则观测其中b₁,…,b_L看作滤波器系数；子矩阵Φ_FT的奇异值是格拉姆矩阵G(Φ_F,T)＝Φ′_FTΦ_FT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1‑δ_K,1+δ_K),i＝1,…,T，则Φ_F满足RIP，并通过求解最优化问题来重构原信号；通过线性规划方法来重构原信号，亦即BP算法；针对实际压缩图像信号的采集，则修改Φ_F为如下形式：如果信号在变换基矩阵Ψ上具有稀疏性，则通过求解最优化问题，精确重构出原信号：其中Φ与Ψ不相关，Ξ称为CS矩阵；所述关键字检索模块通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；某个簇中有个传感器节点，用维列向量D＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；其中w_i为相应的权值；所述显示模块的噪声模型参数估计的判断方法为：判断如不满足误差要求，令：l＝l+1；并将修正后的和对应的功率谱测量数据代入正则方程组进行求解，得到各参数的修正值重新判断直至误差满足测量要求或达到设定的迭代次数。