CN107451689A - 基于微博的话题趋势预测方法及装置 - Google Patents
基于微博的话题趋势预测方法及装置 Download PDFInfo
- Publication number
- CN107451689A CN107451689A CN201710611545.XA CN201710611545A CN107451689A CN 107451689 A CN107451689 A CN 107451689A CN 201710611545 A CN201710611545 A CN 201710611545A CN 107451689 A CN107451689 A CN 107451689A
- Authority
- CN
- China
- Prior art keywords
- microblogging
- account
- target
- target microblogging
- influence power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
本发明实施例提供一种基于微博的话题趋势预测方法及装置,其中,该方法包括:获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;根据所述目标微博的关注度信息,计算所述目标微博的影响力;根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。本发明实施例提供的方法及装置,提高了话题趋势预测的准确性。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种基于微博的话题趋势预测方法及装置。
背景技术
随着微博的快速发展,微博信息呈现出一种爆炸式的增长态势,海量的微博信息导致微博平台成为当今社会重点要的舆论场。如何从海量微博信息中了解并预测出话题的趋势成为一个具有挑战性的研究课题。
现有技术针对微博话题的预测,主要是针对微博的文本内容进行聚类和划分,再基于聚类和划分的结果对话题的趋势进行预测,现有技术更注重于对文本的解析,而没有考虑到用户账户和微博的影响力对话题趋势的影响,预测的准确性较低。
发明内容
本发明实施例提供一种基于微博的话题趋势预测方法及装置,用以对微博话题的趋势进行准确预测。
本发明实施例第一方面提供一种基于微博的话题趋势预测方法,该方法包括:
获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;
根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;
根据所述目标微博的关注度信息,计算所述目标微博的影响力;
根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
本发明实施例第二方面提供一种基于微博的话题趋势预测装置,该装置包括:
第一获取模块,用于获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;
第一计算模块,用于根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;
第二计算模块,用于根据所述目标微博的关注度信息,计算所述目标微博的影响力;
预测模块,用于根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
本发明实施例,通过获取目标微博当前的账户信息、关注度信息以及阅读量信息;根据账户信息中包括的账户建立时间长度和粉丝数目,计算账户的影响力;根据目标微博的关注度信息,计算目标微博的影响力;根据计算获得的账户影响力、目标微博的影响力,以及目标微博当前的阅读量信息,预测获得目标微博的话题趋势。由于本发明实施例在进行微博话题趋势预测时,考虑到了账户影响力和微博影响力对话题趋势的影响,因而得到的预测结果具有较高的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种基于微博的话题趋势预测方法的流程图;
图2是本发明一实施例提供的一种预测模型的修正方法的流程图;
图3为本发明一实施例提供的一种基于微博的话题趋势预测装置的结构示意图;
图4为本发明另一实施例提供的一种基于微博的话题趋势预测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤的过程或结构的装置不必限于清楚地列出的那些结构或步骤而是可包括没有清楚地列出的或对于这些过程或装置固有的其它步骤或结构。
本发明实施例提供一种基于微博的话题趋势预测方法,该方法可以由一种预测装置来执行。参见图1,图1是本发明一实施例提供的一种基于微博的话题趋势预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤101、获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目。
本实施例中,目标微博是指包含目标话题的微博,其中目标话题可以是预先设定的,也可以是预测装置从预设网站上获取到的。
目标微博当前的账户信息至少包括账户的建立时间长度和粉丝数目,可选的,还可以包括账户的分类信息(比如,娱乐、政治、财经等)和账户平均每日发布的微博数量等。
目标微博当前的关注度信息至少包括:点赞数、评论数和转发数中的任意一种。
值得说明的是,本实施例中目标微博的数量可以是一个也可以是多个。可选的,可以将包含目标话题的所有微博中点赞数、评论数以及转发数之和大于预设阈值的微博设置为目标微博。
步骤102、根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力。
可选的,本实施例根据如下表达式计算目标微博的账户的影响力:
a/b
其中,a为目标微博的账户的粉丝数目,b为目标微博的账户的建立时间长度。
可选的,当目标微博的数目为多个时,分别计算各目标微博的账户的影响力。
步骤103、根据所述目标微博的关注度信息,计算所述目标微博的影响力。
可选的,当获取到的目标微博的关注度信息中只包括点赞数、评论数和转发数中的一个时,将关注度信息中包括的参数的值,或者参数加权计算后的值视为目标微博的影响力。当获取到的目标微博的关注度信息中包括点赞数、评论数和转发数中的多个时,将关注度信息中包括的各参数之和,或者对各参数之和进行加权计算后的值视为目标微博的影响力。
举例来说,假设目标微博的关注度信息中只包括点赞数e,则可以将目标微博的影响力视为e或(q*e),其中,q为预先设定的加权值。同理的,当目标微博的关注度信息中只包括转发数或评论数时,其处理方式与此类似,在这里不再赘述。
假设目标微博的关注度信息中包括点赞数e、评论数f和转发数g,则可以将微博的影响力视为(e+f+g)或者i×(e+f+g),其中,i为预先设定的加权值。当然处仅为示例说明,而不是对本发明的唯一限定。
步骤104、根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
可选的,本实施例中基于预先设定的预测模型预测获得目标微博的话题趋势,其中,预测模型的输入数据为目标微博的账户影响力、目标微博的影响力、以及目标微博的阅读量信息,预测模型的输出数据为话题趋势的预测结果。
可选的,在实际场景中,提示装置还可以对目标微博中所蕴含的话题情绪进行分类,并将目标微博的话题情绪也作为预测模型的一个输入数据,参与话题趋势的预测。
具体的,可以先通过分词的方法对目标微博进行分词处理,进一步的,再分别对目标微博中包含正面情绪的词汇和包含负面情绪的词汇进行统计,若包含正面情绪的词汇多于包含负面情绪的词汇,则确定目标微博中的话题具有正面情绪,反之具有负面情绪。
可选的,当目标微博的数量为多个时,还可以根据目标微博的账户分类信息,计算所有目标微博中各类账户所占的比例,并将各类账户所占的比例作为预测模型的一个输入数据,参与话题趋势的预测。比如,目标微博的数量为3000个,其中,1432个目标微博所对应的账户类型为作家、234各目标微博对应的账户类型为电影、325个目标微博对应的账户类型为记者,1009个目标微博对应的账户类型为自媒体,则所有目标微博中各类账户所占的比例为:作家47.73%,电影7.8%,记者10.83%、自媒体33.63%。
可选的,本实施例中,还可以包括对预测模型进行修正的方法,参见图2,图2是本发明一实施例提供的一种预测模型的修正方法的流程图,如图2所示,本实施例在步骤104之前还可以包括如下步骤:
步骤201、获取多个话题的增长趋势数据。
其中,本实施例中,话题的增长趋势数据包括与话题相关的所有微博在预设时间段内每天的总点赞数、总评论数和总转发数。
可选的,本实施例在获取到多个话题的增长趋势数据之后,还可以包括数据筛选的步骤,下面将对数据筛选的方法进行举例说明:
假设点赞数、评论数和转发数三者之和记为ZPD,第一天话题A的ZPD为3000,第二天ZPD为6000,第三天ZPD为12000,第四天ZPD为13000,第五ZPD为14000,第六天ZPD为15000,那么,先用每一天的ZPD数减去前一天的ZPD数,再除以前一天的ZPD数,得到每天ZPD的增长率为:第一天0、第二天100%、第三天100%、第四天7.69%、第五天7.69%、第六天7.14%。由此可以看出,话题A的增长趋势在第四天时出现一个跳变,因此话题A的增长趋势不是始终平缓的,保留话题A的增长趋势数据。反之,若话题A的增长趋势始终平缓,那么删除话题A的增长趋势数据。当然此处仅为示例说明,而不是对本发明的唯一限定。
步骤202、根据所述多个话题的增长趋势数据,确定每个话题达到最大增长趋势的时间。
假如预设时间段内获取到的话题包括民生话题,且民生话题的ZPD总数为1500,该类话题在第三天ZPD的增长个数为600个,其他时间ZPD的增长个数均小于600。那么,民生话题在第三天会达到一个增长趋势的最大值。当然这里仅为示例说明,而不是对本发明的唯一限定。
步骤203、根据每个话题达到最大增长趋势的时间,修正所述预测模型。
本实施例,通过获取目标微博当前的账户信息、关注度信息以及阅读量信息;根据账户信息中包括的账户建立时间长度和粉丝数目,计算账户的影响力;根据目标微博的关注度信息,计算目标微博的影响力;根据计算获得的账户影响力、目标微博的影响力,以及目标微博当前的阅读量信息,预测获得目标微博的话题趋势。由于本实施例在进行微博话题趋势预测时,考虑到了账户影响力和微博影响力对话题趋势的影响,因而得到的预测结果具有较高的准确性。
图3为本发明一实施例提供的一种基于微博的话题趋势预测装置的结构示意图,如图3所示,该装置包括:
第一获取模块11,用于获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;
第一计算模块12,用于根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;
第二计算模块13,用于根据所述目标微博的关注度信息,计算所述目标微博的影响力;
预测模块14,用于根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
可选的,所述第一计算模块12,具体用于:
根据表达式:
a/b
确定所述账户的影响力,其中a为所述账户的粉丝数目,b为所述账户的建立时间长度。
可选的,所述目标微博当前的关注度信息包括:点赞数、评论数和转发数;
所述第二计算模块13,具体用于:
根据表达式:
e+f+g
计算所述目标微博的影响力,其中,e为所述目标微博当前的点赞数,f为所述目标微博当前的评论数,g为所述目标微博当前的转发数。
可选的,所述预测模块14,具体用于:
基于预设的预测模型,以所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息作为所述预测模型的输入数据,预测获得所述目标微博的话题趋势。
本实施例提供的装置能够用于执行图1所示的方法,其执行方式和有益效果类似,在这里不再赘述。
图4为本发明另一实施例提供的一种基于微博的话题趋势预测装置的结构示意图,如图4所示,在图3实施例的基础上,该装置还包括:
第二获取模块15,用于获取多个话题的增长趋势数据;
确定模块16,用于根据所述多个话题的增长趋势数据,确定每个话题达到最大增长趋势的时间;
修正模块17,用于根据每个话题达到最大增长趋势的时间,修正所述预测模型。
本实施例提供的装置能够用于执行图2所示的方法,其执行方式和有益效果类似,在这里不再赘述。
最后需要说明的是,本领域普通技术人员可以理解上述实施例方法中的全部或者部分流程,是可以通过计算机程序来指令相关的硬件完成,所述的程序可存储于一计算机可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可以为磁盘、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
本发明实施例中的各个功能单元可以集成在一个处理模块中,也可以是各个单元单独的物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现,并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。上述提到的存储介质可以是只读存储器、磁盘或光盘等。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于微博的话题趋势预测方法,其特征在于,包括:
获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;
根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;
根据所述目标微博的关注度信息,计算所述目标微博的影响力;
根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
2.根据权利要求1所述的方法,其特征在于,所述根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力,包括:
根据表达式:
a/b
确定所述账户的影响力,其中a为所述账户的粉丝数目,b为所述账户的建立时间长度。
3.根据权利要求1所述的方法,其特征在于,所述目标微博当前的关注度信息包括:点赞数、评论数和转发数;
所述根据所述目标微博的关注度信息,计算所述目标微博的影响力,包括:
根据表达式:
e+f+g
计算所述目标微博的影响力,其中,e为所述目标微博当前的点赞数,f为所述目标微博当前的评论数,g为所述目标微博当前的转发数。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势,包括:
基于预设的预测模型,以所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息作为所述预测模型的输入数据,预测获得所述目标微博的话题趋势。
5.根据权利要求4所述的方法,其特征在于,所述基于预设的预测模型,以所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息作为所述预测模型的输入数据,预测获得所述目标微博的话题趋势之前,所述方法还包括:
获取多个话题的增长趋势数据;
根据所述多个话题的增长趋势数据,确定每个话题达到最大增长趋势的时间;
根据每个话题达到最大增长趋势的时间,修正所述预测模型。
6.一种基于微博的话题趋势预测装置,其特征在于,包括:
第一获取模块,用于获取目标微博当前的账户信息、关注度信息以及阅读量信息,其中,所述账户信息包括账户的建立时间长度和粉丝数目;
第一计算模块,用于根据所述账户的建立时间长度和粉丝数目,计算所述账户的影响力;
第二计算模块,用于根据所述目标微博的关注度信息,计算所述目标微博的影响力;
预测模块,用于根据所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息,预测所述目标微博的话题趋势。
7.根据权利要求6所述的装置,其特征在于,所述第一计算模块,具体用于:
根据表达式:
a/b
确定所述账户的影响力,其中a为所述账户的粉丝数目,b为所述账户的建立时间长度。
8.根据权利要求6所述的装置,其特征在于,所述目标微博当前的关注度信息包括:点赞数、评论数和转发数;
所述第二计算模块,具体用于:
根据表达式:
e+f+g
计算所述目标微博的影响力,其中,e为所述目标微博当前的点赞数,f为所述目标微博当前的评论数,g为所述目标微博当前的转发数。
9.根据权利要求6-8中任一项所述的装置,其特征在于,所述预测模块,具体用于:
基于预设的预测模型,以所述账户的影响力、所述目标微博的影响力,以及所述目标微博当前的阅读量信息作为所述预测模型的输入数据,预测获得所述目标微博的话题趋势。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取多个话题的增长趋势数据;
确定模块,用于根据所述多个话题的增长趋势数据,确定每个话题达到最大增长趋势的时间;
修正模块,用于根据每个话题达到最大增长趋势的时间,修正所述预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710611545.XA CN107451689A (zh) | 2017-07-25 | 2017-07-25 | 基于微博的话题趋势预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710611545.XA CN107451689A (zh) | 2017-07-25 | 2017-07-25 | 基于微博的话题趋势预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107451689A true CN107451689A (zh) | 2017-12-08 |
Family
ID=60487634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710611545.XA Pending CN107451689A (zh) | 2017-07-25 | 2017-07-25 | 基于微博的话题趋势预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451689A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909227A (zh) * | 2018-09-18 | 2020-03-24 | 北京国双科技有限公司 | 一种分析新闻价值度的方法及装置 |
CN111104586A (zh) * | 2018-10-25 | 2020-05-05 | 北京国双科技有限公司 | 信息增长度的确定方法、装置、存储介质及处理器 |
CN111222051A (zh) * | 2020-01-16 | 2020-06-02 | 深圳市华海同创科技有限公司 | 一种趋势预测模型的训练方法及装置 |
CN111416741A (zh) * | 2020-03-17 | 2020-07-14 | 李惠芳 | 一种基于互联网技术的事件热点预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617279A (zh) * | 2013-12-09 | 2014-03-05 | 南京邮电大学 | 基于Pagerank方法的微博信息传播影响力评估模型的实现方法 |
CN104298767A (zh) * | 2014-10-29 | 2015-01-21 | 西安交通大学 | 一种微博网络中用户影响力度量的方法 |
CN105260474A (zh) * | 2015-10-29 | 2016-01-20 | 俞定国 | 一种基于信息交互网络的微博用户影响力计算方法 |
CN105608200A (zh) * | 2015-12-28 | 2016-05-25 | 湖南蚁坊软件有限公司 | 一种网络舆论趋势预测分析方法 |
US9386107B1 (en) * | 2013-03-06 | 2016-07-05 | Blab, Inc. | Analyzing distributed group discussions |
CN106126700A (zh) * | 2016-07-01 | 2016-11-16 | 复旦大学 | 一种微博谣言传播的分析方法 |
-
2017
- 2017-07-25 CN CN201710611545.XA patent/CN107451689A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9386107B1 (en) * | 2013-03-06 | 2016-07-05 | Blab, Inc. | Analyzing distributed group discussions |
CN103617279A (zh) * | 2013-12-09 | 2014-03-05 | 南京邮电大学 | 基于Pagerank方法的微博信息传播影响力评估模型的实现方法 |
CN104298767A (zh) * | 2014-10-29 | 2015-01-21 | 西安交通大学 | 一种微博网络中用户影响力度量的方法 |
CN105260474A (zh) * | 2015-10-29 | 2016-01-20 | 俞定国 | 一种基于信息交互网络的微博用户影响力计算方法 |
CN105608200A (zh) * | 2015-12-28 | 2016-05-25 | 湖南蚁坊软件有限公司 | 一种网络舆论趋势预测分析方法 |
CN106126700A (zh) * | 2016-07-01 | 2016-11-16 | 复旦大学 | 一种微博谣言传播的分析方法 |
Non-Patent Citations (3)
Title |
---|
中国公共关系网编委会: "《最具公众影响力公共关系案例集》", 31 May 2014 * |
李东辉: "基于微博结构的热点话题预测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
熊小兵等: "新浪微博话题流行度预测技术研究", 《信息工程大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909227A (zh) * | 2018-09-18 | 2020-03-24 | 北京国双科技有限公司 | 一种分析新闻价值度的方法及装置 |
CN111104586A (zh) * | 2018-10-25 | 2020-05-05 | 北京国双科技有限公司 | 信息增长度的确定方法、装置、存储介质及处理器 |
CN111104586B (zh) * | 2018-10-25 | 2023-04-07 | 北京国双科技有限公司 | 信息增长度的确定方法、装置、存储介质及处理器 |
CN111222051A (zh) * | 2020-01-16 | 2020-06-02 | 深圳市华海同创科技有限公司 | 一种趋势预测模型的训练方法及装置 |
CN111222051B (zh) * | 2020-01-16 | 2023-09-12 | 深圳市华海同创科技有限公司 | 一种趋势预测模型的训练方法及装置 |
CN111416741A (zh) * | 2020-03-17 | 2020-07-14 | 李惠芳 | 一种基于互联网技术的事件热点预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451689A (zh) | 基于微博的话题趋势预测方法及装置 | |
Lara-Cabrera et al. | Measuring the radicalisation risk in social networks | |
CN104216954B (zh) | 突发事件话题状态的预测装置及预测方法 | |
CN105335491B (zh) | 基于用户点击行为来向用户推荐图书的方法和系统 | |
CN107122455A (zh) | 一种基于微博的网络用户增强表示方法 | |
CN104102658B (zh) | 文本内容挖掘方法及装置 | |
US9141882B1 (en) | Clustering of text units using dimensionality reduction of multi-dimensional arrays | |
CN105095183A (zh) | 文本情感倾向判断方法与系统 | |
CN109816438B (zh) | 信息推送方法及装置 | |
KR20190075962A (ko) | 데이터 처리 방법과 데이터 처리 장치 | |
CN104166726B (zh) | 一种面向微博文本流的突发关键词检测方法 | |
CN109408633A (zh) | 一种多层注意力机制的循环神经网络模型的构建方法 | |
Park et al. | Complex system analysis of social networks extracted from literary fictions | |
De Liso et al. | On technology competition: a formal analysis of the ‘sailing-ship effect’ | |
Kernot et al. | The stylometric impacts of ageing and life events on identity | |
CN104281669A (zh) | 社交网络用户影响数值的评估方法和装置 | |
CN105117468B (zh) | 一种网络数据处理方法和装置 | |
Kugler et al. | The politics of population | |
CN106855852B (zh) | 语句情感的确定方法及装置 | |
CN104615697B (zh) | 一种网页层次记忆返回方法 | |
CN106407473A (zh) | 一种基于事件相似性建模的获取事件脉络的方法及其系统 | |
CN103593398A (zh) | 一种更新微博用户库的方法及设备 | |
CN106156364A (zh) | 一种基于时间流的计算新闻事件动态影响力的方法与系统 | |
CN106776686A (zh) | 基于多领的中文域短文本理解方法及系统 | |
CN104462448B (zh) | 一种分组名分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171208 |