CN106021278A - 一种微博事件地域热度指数的分析方法 - Google Patents

Abstract

本发明涉及网络技术领域，特别是一种微博事件地域热度指数的分析方法，包括以下步骤，步骤S101：微博数据预处理，抽取历史数据中含地域字段的微博数据，分别统计各级行政单位中的微博数量；步骤S102：计算微博事件地域热度统计基线；步骤S103：微博事件数据抽取，抽取指定时间范围内满足关键词约束的微博数据后，分别统计各级行政单位中的微博数量；步骤S104：计算微博事件的绝对地域热度；步骤S105：计算微博事件的相对地域热度；步骤S106：计算地域热度指数。采用上述方法后，本发明相比传统的基于频数的热度值，新的热度值消除了微博平台的在各个地域的普及程度、不同地域微博用户活跃程度等因素的影响，在表征微博事件的地域特性方面获得了更好的效果。

Description

一种微博事件地域热度指数的分析方法

技术领域

本发明涉及网络技术领域，特别是一种微博事件地域热度指数的分析方法。

背景技术

舆情事件的基本要素包括时间、地点、涉事主体、事件，其中，地点要素决定了舆情爆发的地域性特征。目前对舆情事件的地域性研究还仅限于新闻领域，技术领域涉及不多。

在微博事件热度分析方面，地域热度是一个十分重要的分析维度。传统的事件地域热度分析仅仅采用了频数统计的方式来计算出一个热度值，这种方法没有考虑到微博平台的在各个地域的普及程度、不同地域微博用户的活跃程度等因素，导致网民基数大的地区在多数舆情事件中的微博地域热度远大于网民基数小的地区，因而并不能准确反映舆情事件的地域特征。

中国发明专利CN 104123377 A公开了一种微博话题热度预测方法，包括如下步骤：首先，根据用户关系及话题因素计算用户影响力；接着根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；最后结合小波变换和ARIMA回归模型，预测话题热度。此发明公开的微博话题热度的预测方法，与微博地域热度指数分析并不相关。

发明内容

本发明需要解决的技术问题提供一种微博事件地域热度指数的分析方法。

为解决上述的技术问题，本发明的一种微博事件地域热度指数的分析方法，包括以下步骤，

步骤S101：微博数据预处理，抽取历史数据中含地域字段的微博数据，分别统计各级行政单位中的微博数量；

步骤S102：计算微博事件地域热度统计基线；

步骤S103：微博事件数据抽取，抽取指定时间范围内满足关键词约束的微博数据后，分别统计各级行政单位中的微博数量；

步骤S104：计算微博事件的绝对地域热度；

步骤S105：计算微博事件的相对地域热度；

步骤S106：计算地域热度指数。

进一步的，所述步骤S102中地域热度统计基线为各个地域用户发博数的占比，计算公式如下：

$p_{pi}=\frac{n_{pi}}{\underset{i=1}{\overset{i=k}{\Σ}}{n}_{pi}},p_{ci}=\frac{n_{ci}}{\underset{i=1}{\overset{i=n}{\Σ}}{n}_{ci}};$

其中，p_pi、p_ci分别表示各省、市的地域统计基线，n_pi、n_ci分别表示统计时间窗内各省、市的发博数。

更进一步的，所述步骤S104中微博事件的绝对地域热度为各个地域用户针对某时间的发博数占比，计算公式如下：

$p_{api}=\frac{n_{api}}{n_{ap}},p_{aci}=\frac{n_{aci}}{n_{ac}};$

其中，p_api、p_cpi分别表示指定事件中各省、市的绝对地域热度；n_ap、n_ac分别表示各全国和各省的总发博数；n_api、n_aci分别表示各省、市的发博数。

更进一步的，所述步骤S105中微博事件的相对地域热度为事件的绝对地域热度相对于地域热度统计基线的变化率，计算公式如下：

$r_{pi}=\frac{p_{pi}-p_{api}}{p_{api}},r_{ci}=\frac{p_{ci}-p_{aci}}{p_{aci}};$

其中，r_pi、r_ci分别表示各省、市的地域相对热度。

更进一步的，所述步骤S106中地域热度指数具体计算公式如下：

${\mathrm{\θ}}_{pi}=\mathrm{\α}\·\frac{r_{pi}}{max\left(Set\right(r_p\left)\right)-min\left(Set\right(r_p\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{pi},$

${\mathrm{\θ}}_{ci}=\mathrm{\α}\·\frac{r_{ci}}{max\left(Set\right(r_c\left)\right)-min\left(Set\right(r_c\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{ci};$

其中，θ_pi、θ_ci分别表示指定事件中各省、市的地域热度指数；α、β分别取值0.8、0.2。

进一步的，所述步骤S103中关键词的组织方式满足apache lucence语法。

采用上述方法后，本发明利用更科学的方法定义了微博事件的地域热度。相比传统的基于频数的热度值，新的热度值消除了微博平台的在各个地域的普及程度、不同地域微博用户活跃程度等因素的影响，在表征微博事件的地域特性方面获得了更好的效果。

附图说明

下面将结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明一种微博事件地域热度指数的分析方法的流程图。

具体实施方式

如图1所示，本发明的一种微博事件地域热度指数的分析方法，包括以下步骤，

步骤S101：微博数据预处理，抽取历史数据中含地域字段的微博数据，分别统计各级行政单位中的微博数量。本实施方式中，抽取近一年历史数据中包含地域字段的微博数据，分别统计省、市二级行政单位中的微博数量。

步骤S102：计算微博事件地域热度统计基线；在一个较长的时间范围内，将各个地域用户发博数的占比称为地域热度统计基线。该指标用于综合表征微博平台在各个地域的普及程度及用户活跃度。计算方式为：

$p_{pi}=\frac{n_{pi}}{\underset{i=1}{\overset{i=k}{\Σ}}{n}_{pi}}---\left(1\right)$

$p_{ci}=\frac{n_{ci}}{\underset{i=1}{\overset{i=n}{\Σ}}{n}_{ci}}---\left(2\right)$

其中，p_pi、p_ci分别表示各省、市的地域统计基线，n_pi、n_ci分别表示统计时间窗内各省、市的发博数。统计的时间范围越短，偶然事件对基线的影响就越大；统计时间范围越长，平台活跃度的时间特性就越无法体现。本实施方式中，统计时长为1年。

步骤S103：微博事件数据抽取，抽取指定时间范围内满足关键词约束的微博数据后，分别统计各级行政单位中的微博数量。其中，关键词的组织方式满足apache lucence语法。抽取出指定时间范围内满足关键词约束的微博数据后，分别统计省、市二级行政单位中的微博数量。

步骤S104：计算微博事件的绝对地域热度；各个地域用户针对某事件的发博数占比，称为该事件的绝对地域热度。绝对地域热度的计算方式如下：

$p_{api}=\frac{n_{api}}{n_{ap}}---\left(3\right)$

$p_{aci}=\frac{n_{aci}}{n_{ac}}---\left(4\right)$

其中，p_api、p_cpi分别表示指定事件中各省、市的绝对地域热度：n_ap、n_ac分别表示各全国和各省的总发博数；n_api、n_aci分别表示各省、市的发博数。

步骤S105：计算微博事件的相对地域热度；事件的绝对热度相对于地域热度统计基线的变化率，称为该事件的相对地域热度。相对地域热度的计算方法为：

$r_{pi}=\frac{p_{pi}-p_{api}}{p_{api}}---\left(5\right)$

$r_{ci}=\frac{p_{ci}-p_{aci}}{p_{aci}}---\left(6\right)$

其中，r_pi、r_ci分别表示各省、市的地域相对热度。

步骤S106：计算地域热度指数。地域热度指数是考虑了微博平台的在各个地域的普及程度、不同地域微博用户的活跃程度以及绝对发博数量等因素而获得的综合计算结果。

${\mathrm{\θ}}_{pi}=\mathrm{\α}\·\frac{r_{pi}}{max\left(Set\right(r_p\left)\right)-min\left(Set\right(r_p\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{pi}---\left(7\right)$

${\mathrm{\θ}}_{ci}=\mathrm{\α}\·\frac{r_{ci}}{max\left(Set\right(r_c\left)\right)-min\left(Set\right(r_c\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{ci}---\left(8\right)$

其中，θ_pi、θ_ci分别表示指定事件中各省、市的地域热度指数；α、β是经验值，分别取值0.8、0.2。

虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式作出多种变更或修改，而不背离发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。

Claims (6)

1.一种微博事件地域热度指数的分析方法，其特征在于，包括以下步骤，

步骤S101：微博数据预处理，抽取历史数据中含地域字段的微博数据，分别统计各级行政单位中的微博数量；

步骤S102：计算微博事件地域热度统计基线；

步骤S103：微博事件数据抽取，抽取指定时间范围内满足关键词约束的微博数据后，分别统计各级行政单位中的微博数量；

步骤S104：计算微博事件的绝对地域热度；

步骤S105：计算微博事件的相对地域热度；

步骤S106：计算地域热度指数。

2.按照权利要求1所述的一种微博事件地域热度指数的分析方法，其特征在于，所述步骤S102中地域热度统计基线为各个地域用户发博数的占比，计算公式如下：

$p_{pi}=\frac{n_{pi}}{\underset{i=1}{\overset{i=k}{\Σ}}{n}_{pi}},p_{ci}=\frac{n_{ci}}{\underset{i=1}{\overset{i=n}{\Σ}}{n}_{ci}};$

其中，p_pi、p_ci分别表示各省、市的地域统计基线，n_pi、n_ci分别表示统计时间窗内各省、市的发博数。

3.按照权利要求2所述的一种微博事件地域热度指数的分析方法，其特征在于，所述步骤S104中微博事件的绝对地域热度为各个地域用户针对某时间的发博数占比，计算公式如下：

$p_{api}=\frac{n_{api}}{n_{ap}},p_{aci}=\frac{n_{aci}}{n_{ac}};$

其中，p_api、p_cpi分别表示指定事件中各省、市的绝对地域热度；n_ap、n_ac分别表示各全国和各省的总发博数；n_api、n_aci分别表示各省、市的发博数。

4.按照权利要求3所述的一种微博事件地域热度指数的分析方法，其特征在于，所述步骤S105中微博事件的相对地域热度为事件的绝对地域热度相对于地域热度统计基线的变化率，计算公式如下：

$r_{pi}=\frac{p_{pi}-p_{api}}{p_{api}},r_{ci}=\frac{p_{ci}-p_{aci}}{p_{aci}};$

其中，r_pi、r_ci分别表示各省、市的地域相对热度。

5.按照权利要求4所述的一种微博事件地域热度指数的分析方法，其特征在于，所述步骤S106中地域热度指数具体计算公式如下：

${\mathrm{\θ}}_{pi}=\mathrm{\α}\·\frac{r_{pi}}{max\left(Set\right(r_p\left)\right)-min\left(Set\right(r_p\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{pi},$

${\mathrm{\θ}}_{ci}=\mathrm{\α}\·\frac{r_{ci}}{max\left(Set\right(r_c\left)\right)-min\left(Set\right(r_c\left)\right)+\mathrm{\δ}}+\mathrm{\β}\·p_{ci};$

其中，θ_pi、θ_ci分别表示指定事件中各省、市的地域热度指数；α、β分别取值0.8、0.2。

6.按照权利要求1所述的一种微博事件地域热度指数的分析方法，其特征在于：所述步骤S103中关键词的组织方式满足apache lucence语法。