CN116634230B - 一种基于多通道新媒体热点事件传播效果分析的投放方法 - Google Patents
一种基于多通道新媒体热点事件传播效果分析的投放方法 Download PDFInfo
- Publication number
- CN116634230B CN116634230B CN202310590788.5A CN202310590788A CN116634230B CN 116634230 B CN116634230 B CN 116634230B CN 202310590788 A CN202310590788 A CN 202310590788A CN 116634230 B CN116634230 B CN 116634230B
- Authority
- CN
- China
- Prior art keywords
- news
- browsing
- effective
- reference value
- different
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 124
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000007480 spreading Effects 0.000 title abstract description 16
- 238000003892 spreading Methods 0.000 title abstract description 16
- 238000013145 classification model Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000002716 delivery method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8126—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于多通道新媒体热点事件传播效果分析的投放方法,涉及传播效果分析技术领域,所述方法包括如下步骤:步骤S1,建立新闻分类模型并对其进行训练;步骤S2,与投放平台建立数据连接用于获取数据;步骤S3,对新闻进行分类并获取数据;步骤S4,获取投放平台内不同新闻分类的点赞数、拉踩数、转发数以及评论量;步骤S5,对数据进行分析;步骤S6,根据分析结果配置投放策略;本发明通过对平台内新闻的基础数据以及反馈数据进行智能分析,以解决现有分析技术对于新媒体的传播效果的数据分析不够全面,导致新媒体的投放选择不够精准的问题。
Description
技术领域
本发明涉及传播效果分析技术领域,尤其涉及一种基于多通道新媒体热点事件传播效果分析的投放方法。
背景技术
传播效果分析技术,是指对某一信息传播活动或传播策略所取得的效果进行评估和分析的过程,它通过对信息传播的受众以及传播渠道等方面的分析,来了解信息传播的效果和影响力,以便进一步完善信息传播策略,提高信息传播的效果和效率;传播效果分析是信息传播领域中非常重要的一个环节,它可以帮助信息发布者更好地了解受众的需求和反应,制定更加有效、精准的信息传播策略,提高信息传播的实效性和影响力;
现有的新媒体传播效果分析技术中,通常都是对传播平台的浏览量进行分析,得到事件的传播效果,忽略了用户行为对传播效果的影响,导致现有的新媒体传播效果分析技术在进行分析时缺少有效的数据支持,且数据太过单一,难以对事件的传播效果进行准确的判断,且现有的新媒体传播效果分析技术中,难以对不同平台中不同分类的事件或新闻进行传播效果分析,导致无法对平台的新闻投放策略进行更好的规划,现有的新媒体传播效果分析技术还存在数据有效性不足、数据多样性不足以及分析不够全面的问题。
发明内容
针对现有技术存在的不足,本发明提供了一种基于多通道新媒体热点事件传播效果分析的投放方法,能够对投放新闻进行分类,并对不同投放平台中不同的新闻分类的传播效果进行分析,在传播效果分析中,结合了平台内新闻分类的基本数据以及用户的反馈数据进行分析,再根据分析结果对不同平台配置不同的新闻投放策略,以解决现有的分析技术对于新媒体的传播效果的数据分析不够全面,导致新媒体的投放选择不够精准的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种基于多通道新媒体热点事件传播效果分析的投放方法,包括如下步骤:
步骤S1,建立新闻分类模型并对其进行训练;
步骤S2,与投放平台建立数据连接,用于获取用户的点击量,并向投放的新闻页面内设置计时器,用于获取用户在页面的浏览时长;所述投放平台包括微信、QQ、微博以及新闻网站;
步骤S3,通过新闻分类模型对投放新闻进行分类,并获取不同新闻分类的投放新闻在不同投放平台的点击量以及浏览时长;对浏览时长进行分析得到浏览有效时长并统计浏览有效时长出现的次数,标记为有效浏览次数;
步骤S4,获取投放平台内不同新闻分类的点赞数、拉踩数、转发数以及评论量;
步骤S5,对获取到的点击量、有效浏览次数、点赞数、拉踩数、转发数以及评论量进行分析,得到对应新闻分类的投放新闻在不同投放平台的浏览效果参考值;
步骤S6,根据浏览效果参考值调整针对不同投放平台的投放策略。
进一步地,所述步骤S1包括如下子步骤:
步骤S101,建立新闻分类模型;
步骤S102,预设新闻分类,所述新闻分类包括国际新闻、全国新闻以及地区新闻,建立分类数据库,将不同新闻分类下所属的关键词进行收录统计;
步骤S103,建立停用词数据库,获取投放新闻的正文内容,通过TF-I DF特征法对正文内容进行关键词提取,标记为关键词数据集,将关键词据集与停用词数据库中的停用词进行比对,若关键词数据集中的关键词存在于停用词数据库中,则将对应关键词从关键词数据集中删除,将删除完成后的关键词数据集标记为新闻关键词;
步骤S104,统计新闻关键词中不同的具体关键词的词频;所述具体关键词为关键词具体的文字,所述词频为具体关键词在新闻关键词中出现的频率;将新闻关键词内所有具体关键词的词频进行比对,选择词频最大的具体关键词与分类数据库进行查找比对,得到投放新闻的新闻分类。
进一步地,所述步骤S2包括如下子步骤:
步骤S201,与投放平台建立数据连接,向新闻页面内设置计时器;
步骤S202,当用户进入投放新闻的新闻页面后,计时器开始计时,当用户退出新闻页面后,计时器停止计时,将计时结果标记为浏览时长。
进一步地,所述步骤S3包括如下子步骤:
步骤S301,通过新闻分类模型对投放新闻进行分类;
步骤S302,获取第一评估时间内用户对投放新闻的浏览时长,将浏览时长与预设浏览有效时长进行比对,若浏览时长小于等于浏览有效时长,则输出无效浏览信号;若浏览时长大于浏览有效时长,则输出有效浏览信号;
步骤S303,统计第一评估时间内投放平台内用户对不同新闻分类的有效浏览信号的数量,标记为有效浏览次数;
步骤S304,获取第一评估时间内投放平台内用户对不同新闻分类的投放新闻的点击量。
进一步地,所述步骤S4包括如下子步骤:
步骤S401,读取投放平台数据库,获取第一评估时间内用户对不同新闻分类下所有投放新闻的点赞数、拉踩数以及转发数;
步骤S402,统计转发后对应的接收转发端的有效浏览次数,标记为有效转发浏览次数;
步骤S403,获取第一评估时间内投放平台内用户对不同新闻分类下所有投放新闻的评论数,标记为评论量。
进一步地,所述步骤S5包括如下子步骤:
步骤S501,通过浏览效果参考值公式对不同投放平台内的不同新闻分类进行浏览效果参考值计算;
步骤S502,将点击量与第一点击阈值进行比对,若点击量小于等于第一点击阈值,则输出数据处理信号;若点击量大于第一点击阈值,则输出数据有效信号;
步骤S503,若输出数据处理信号,则将对应的浏览效果参考值与第一有效阈值进行比对,若浏览效果参考值小于等于第一有效阈值,则输出数据无效信号;若浏览效果参考值大于第一有效阈值,则输出数据有效信号;
步骤S504,通过反馈效果参考值公式计算不同投放平台内用户对不同新闻分类的反馈效果参考值;
步骤S505,将输出数据有效信号以及数据无效信号对应的浏览效果参考值标记为有效参考值,并将数据无效信号的有效参考值设定为0,通过传播效果参考值公式计算不同新闻分类在不同投放平台的传播效果参考值;
步骤S506,将不同投放平台内的不同新闻分类的传播效果参考值与第一投放阈值进行比对,若传播效果参考值小于等于第一投放阈值,则输出不投放新闻信号;若传播效果参考值大于第一投放阈值,则输出投放新闻信号。
进一步地,所述浏览效果参考值公式配置为:其中,Be为浏览效果参考值,Y为有效浏览次数,H为点击量;
所述反馈效果参考值公式设置为:其中,Fe为反馈效果参考值,L为点赞数,Z为转发数,P为评论量,Zs为有效转发浏览次数,C为拉踩数;
所述传播效果参考值公式配置为:Ce=Ae×Fe;其中,Ce为传播效果参考值,Ae为有效参考值。
进一步地,所述步骤S6包括如下子步骤:
步骤S601,获取针对不同投放平台的投放信号,将投放新闻信号对应的新闻分类的传播效果参考值进行比值计算;
步骤S602,按照比值对投放平台投放对应新闻分类的投放新闻;
步骤S603,获取不投放信号,将不投放信号对应的新闻分类的投放新闻按照第一测试时间的时间间隔对投放平台投放。
本发明的有益效果:本发明通过对新闻进行分类,并在不同投放平台内对其进行数据获取,通过获取到的数据分析得到不同新闻分类在不同投放平台内的传播效果,优势在于,能够基于新闻分类以及不同新闻分类在不同平台的传播效果配置针对不同平台的新闻推送策略,提高了分析的全面性以及新闻传播的有效性;
本发明通过获取投放平台内新闻分类的点击量、有效浏览次数、点赞数、拉踩数、转发数以及评论量,并对前述数据进行分析,通过计算得到投放平台内新闻分类的浏览效果参考值以及反馈效果参考值,再对浏览效果参考值以及反馈效果参考值进行分析,得到投放平台内新闻分类的传播效果,优势在于,结合了投放平台内新闻分类的基本数据以及用户的反馈数据进行分析,提高了分析中使用的数据的有效性以及多样性;
本发明通过对不同投放平台内不同新闻分类的传播效果参考值进行分析,得到是否需要对投放平台投放对应新闻分类的投放新闻,并对需要投放的新闻分类进行分析,按照一定比例对投放平台进行投放,对不需要投放的新闻,按照一定时间间隔少量投放的原则对投放平台进行投放,优势在于,可以针对用户感兴趣的内容进行多次投放,且在往后的分析中还可以针对未来的数据对不需要进行投放的新闻进行投放比例调整,提高了分析的全面性以及可持续性。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更明显:
图1为本发明的方法步骤流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
本发明提供了一种基于多通道新媒体热点事件传播效果分析的投放方法,通过对投放新闻进行分类,并对不同投放平台中不同的新闻分类的传播效果进行分析,在传播效果分析中,结合了平台内新闻分类的基本数据以及用户的反馈数据进行分析,再根据分析结果对不同平台配置不同的新闻投放策略,能够解决现有的分析技术对于新媒体的传播效果的数据分析不够全面,导致新媒体的投放选择不够精准的问题。
请参阅图1所示,所述方法包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5以及步骤S6。
步骤S1包括建立新闻分类模型并对其进行训练;步骤S1包括如下子步骤:
步骤S101,建立新闻分类模型;
步骤S102,预设新闻分类,新闻分类包括国际新闻、全国新闻以及地区新闻,建立分类数据库,将不同新闻分类下所属的关键词进行收录统计;
具体实施中,新闻分类中,国际新闻所属的部分关键词为“国际”、“世界”、“国外”、“外国”、“全球”以及“联盟”;全国新闻所属的部分关键词为“全国”、“国家”以及“教育改革”;地区新闻所属部分关键词为“旅游”、“景点”以及“健康”;
步骤S103,建立停用词数据库,获取投放新闻的正文内容,通过TF-I DF特征法对正文内容进行关键词提取,标记为关键词数据集,将关键词据集与停用词数据库中的停用词进行比对,若关键词数据集中的关键词存在于停用词数据库中,则将对应关键词从关键词数据集中删除,将删除完成后的关键词数据集标记为新闻关键词;
具体实施中,停用词数据库采用互联网内现有的停用词库,将多个停用词库整合得到停用词数据库,通过现有的TF-I DF特征法对正文内容进行关键词提取,提取到的关键词数据集的部分数据为“世界”、“全国”、“全球”、“国家”、“一切”、“一片”以及“下面”,将关键词数据集与停用词数据库进行比对,得到“一切”、“一片”以及“下面”存在于停用词数据库中,则将其从关键词数据集中删除,得到新闻关键词为“世界”、“全国”、“全球”以及“国家”;
步骤S104,统计新闻关键词中不同的具体关键词的词频;具体关键词为关键词具体的文字,词频为具体关键词在新闻关键词中出现的频率;将新闻关键词内所有具体关键词的词频进行比对,选择词频最大的具体关键词与分类数据库进行查找比对,得到投放新闻的新闻分类;
统计到具体关键词“世界”的词频为12次,“全国”的词频为8,“全球”的词频为10,“国家”的词频为11,则通过比对得到具体关键词“世界”的词频最大,将具体关键词“世界”与分类数据库进行比对查找,得到对应投放新闻的新闻分类为国际新闻。
步骤S2包括与投放平台建立数据连接,用于获取用户的点击量,并向投放的新闻页面内设置计时器,用于获取用户在页面的浏览时长;投放平台包括微信、QQ、微博以及新闻网站;步骤S2包括如下子步骤:
步骤S201,与投放平台建立数据连接,向新闻页面内设置计时器;
具体实施中,投放平台以微信为例,与微信建立数据连接,计时器为计算机计时程序;
步骤S202,当用户进入投放新闻的新闻页面后,计时器开始计时,当用户退出新闻页面后,计时器停止计时,将计时结果标记为浏览时长;
具体实施中,用户进入投放新闻的新闻页面后,计时器开始计时,当用户退出新闻页面后,计时器停止计时,记录到时长为30s,则浏览时长为30s。
步骤S3,通过新闻分类模型对投放新闻进行分类,并获取不同新闻分类的投放新闻在不同投放平台的点击量以及浏览时长;对浏览时长进行分析得到浏览有效时长并统计浏览有效时长出现的次数,标记为有效浏览次数;步骤S3包括如下子步骤:
步骤S301,通过新闻分类模型对投放新闻进行分类;
具体实施中,通过新闻分类模型分析得到投放新闻为国际新闻;
步骤S302,获取第一评估时间内用户对投放新闻的浏览时长,将浏览时长与预设浏览有效时长进行比对,若浏览时长小于等于浏览有效时长,则输出无效浏览信号;若浏览时长大于浏览有效时长,则输出有效浏览信号;
具体实施中,浏览有效时长设置为15s,获取到用户对投放新闻的浏览时长为30s,通过比对得到浏览时长大于浏览有效时长,则输出有效浏览信号;
步骤S303,统计第一评估时间内投放平台内用户对不同新闻分类的有效浏览信号的数量,标记为有效浏览次数;
具体实施中,第一评估时间设置为2天,统计到微信内用户对国际新闻的有效浏览次数为20384;对全国新闻的有效浏览次数为39846;对地区新闻的有效浏览次数为102839;
步骤S304,获取第一评估时间内投放平台内用户对不同新闻分类的投放新闻的点击量;
具体实施中,获取到第一评估时间内微信内用户对国际新闻的点击量为30685;对全国新闻的点击量为57834;对地区新闻的点击量为129340。
步骤S4,获取投放平台内不同新闻分类的点赞数、拉踩数、转发数以及评论量;步骤S4包括如下子步骤:
步骤S401,读取投放平台数据库,获取第一评估时间内用户对不同新闻分类下所有投放新闻的点赞数、拉踩数以及转发数;
具体实施中,读取微信数据库,获取到2天内用户对国际新闻的点赞数为20606,拉踩数为3020,转发数为5689;用户对全国新闻的点赞数为35645,拉踩数为2030,转发数为32412;用户对地区新闻的点赞数为97463,拉踩数为3059,转发数为87463;
步骤S402,统计转发后对应的接收转发端的有效浏览次数,标记为有效转发浏览次数;
具体实施中,统计到国际新闻的有效转发浏览次数为5049,全国新闻的有效转发浏览次数为10240,地区新闻的有效转发浏览次数为50483;
步骤S403,获取第一评估时间内投放平台内用户对不同新闻分类下所有投放新闻的评论数,标记为评论量;
具体实施中,获取到第一评估时间内微信内用户对国际新闻的评论量为6984,对全国新闻的评论量为29380,对地区新闻的评论量为49058。
步骤S5,对获取到的点击量、有效浏览次数、点赞数、拉踩数、转发数以及评论量进行分析,得到对应新闻分类的投放新闻在不同投放平台的浏览效果参考值;步骤S5包括如下子步骤:
步骤S501,通过浏览效果参考值公式对不同投放平台内的不同新闻分类进行浏览效果参考值计算;
浏览效果参考值公式配置为:其中,Be为浏览效果参考值,Y为有效浏览次数,H为点击量;
具体实施中,基于前述数据,计算得到微信内国际新闻的浏览效果参考值Be为0.66,全国新闻的浏览效果参考值Be为0.69,地区新闻的浏览效果参考值Be为0.80,计算结果保留两位小数;
步骤S502,将点击量与第一点击阈值进行比对,若点击量小于等于第一点击阈值,则输出数据处理信号;若点击量大于第一点击阈值,则输出数据有效信号;
具体实施中,第一点击阈值设置为40000,微信内国际新闻的点击量为30685,通过比对得到点击量小于第一点击阈值,则输出数据处理信号;微信内全国新闻的点击量为57834,通过比对得到点击量大于第一点击阈值,则输出数据有效信号;微信内地区新闻的点击量为129340,通过比对得到点击量大于第一点击阈值,则输出数据有效信号;
步骤S503,若输出数据处理信号,则将对应的浏览效果参考值与第一有效阈值进行比对,若浏览效果参考值小于等于第一有效阈值,则输出数据无效信号;若浏览效果参考值大于第一有效阈值,则输出数据有效信号;
具体实施中,第一有效阈值设置为0.6,微信内针对国际新闻输出了数据处理信号,国际新闻的浏览效果参考值Be为0.66,通过比对得到浏览效果参考值大于第一有效阈值,则输出数据有效信号;
步骤S504,通过反馈效果参考值公式计算不同投放平台内用户对不同新闻分类的反馈效果参考值;
反馈效果参考值公式设置为:其中,Fe为反馈效果参考值,L为点赞数,Z为转发数,P为评论量,Zs为有效转发浏览次数,C为拉踩数;
具体实施中,微信内国际新闻的点赞数L为20606,转发数Z为5689,评论量P为6984;有效转发浏览次数Zs为5049,拉踩数C为3020,点击量H为30685;则通过计算得到国际新闻的反馈效果参考值Fe为20.04,计算结果保留两位小数;基于前述数据,同理可得全国新闻的反馈效果参考值Fe为57.00,地区新闻的反馈效果参考值Fe为100.90;
步骤S505,将输出数据有效信号以及数据无效信号对应的浏览效果参考值标记为有效参考值,并将数据无效信号的有效参考值设定为0,通过传播效果参考值公式计算不同新闻分类在不同投放平台的传播效果参考值;
传播效果参考值公式配置为:Ce=Ae×Fe;其中,Ce为传播效果参考值,Ae为有效参考值;
具体实施中,微信内国际新闻的有效参考值Ae为0.66,全国新闻的有效参考值Ae为0.69,地区新闻的有效参考值Ae为0.80,则通过计算得到国际新闻的传播效果参考值Ce为13.23,全国新闻的传播效果参考值Ce为39.33,地区新闻的传播效果参考值Ce为80.72,计算结果保留两位小数;
步骤S506,将不同投放平台内的不同新闻分类的传播效果参考值与第一投放阈值进行比对,若传播效果参考值小于等于第一投放阈值,则输出不投放新闻信号;若传播效果参考值大于第一投放阈值,则输出投放新闻信号;
具体实施中,第一投放阈值设置为20,将微信内国际新闻、全国新闻以及地区新闻的传播效果参考值分别与第一投放阈值进行比对,得到国际新闻的传播效果参考值小于第一投放阈值,则输出不投放新闻信号,全国新闻的传播效果参考值大于第一投放阈值,则输出投放新闻信号,地区新闻的传播效果参考值大于第一投放阈值,则输出投放新闻信号。
步骤S6,根据浏览效果参考值调整针对不同投放平台的投放策略;步骤S6包括如下子步骤:
步骤S601,获取针对不同投放平台的投放信号,将投放新闻信号对应的新闻分类的传播效果参考值进行比值计算;
具体实施中,获取到针对微信内全国新闻以及地区新闻的投放信号为投放新闻信号,则将全国新闻的传播效果参考值39.33以及地区新闻的传播效果参考值80.72进行比值计算,得到比值为0.5,计算结果保留一位小数;
步骤S602,按照比值对投放平台投放对应新闻分类的投放新闻;
具体实施中,比值为0.5,即1:2,故按照全国新闻:地区新闻为1:2的比例向微信投放对应新闻分类的投放新闻;
步骤S603,获取不投放信号,将不投放信号对应的新闻分类的投放新闻按照第一测试时间的时间间隔对投放平台投放;
具体应用中,第一测试时间设置为5天,获取到微信内国际新闻的投放信号为不投放新闻信号,则按照每5天一篇的频率向微信投放国际新闻。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基于多通道新媒体热点事件传播效果分析的投放方法,其特征在于,包括如下步骤:
步骤S1,建立新闻分类模型并对其进行训练;
步骤S2,与投放平台建立数据连接,用于获取用户的点击量,并向投放的新闻页面内设置计时器,用于获取用户在页面的浏览时长;
步骤S3,通过新闻分类模型对投放新闻进行分类,并获取不同新闻分类的投放新闻在不同投放平台的点击量以及浏览时长;对浏览时长进行分析得到浏览有效时长并统计浏览有效时长出现的次数,标记为有效浏览次数;
步骤S4,获取投放平台内不同新闻分类的点赞数、拉踩数、转发数以及评论量;
步骤S5,对获取到的点击量、有效浏览次数、点赞数、拉踩数、转发数以及评论量进行分析,得到对应新闻分类的投放新闻在不同投放平台的浏览效果参考值;
步骤S6,根据浏览效果参考值调整不同投放平台的投放策略;
所述步骤S2包括如下子步骤:
步骤S201,与投放平台建立数据连接,向新闻页面内设置计时器;
步骤S202,当用户进入投放新闻的新闻页面后,计时器开始计时,当用户退出新闻页面后,计时器停止计时,将计时结果标记为浏览时长;
所述步骤S3包括如下子步骤:
步骤S301,通过新闻分类模型对投放新闻进行分类;
步骤S302,获取第一评估时间内用户对投放新闻的浏览时长,将浏览时长与预设浏览有效时长进行比对,若浏览时长小于等于浏览有效时长,则输出无效浏览信号;若浏览时长大于浏览有效时长,则输出有效浏览信号;
步骤S303,统计第一评估时间内投放平台内用户对不同新闻分类的有效浏览信号的数量,标记为有效浏览次数;
步骤S304,获取第一评估时间内投放平台内用户对不同新闻分类的投放新闻的点击量;
所述步骤S4包括如下子步骤:
步骤S401,读取投放平台数据库,获取第一评估时间内用户对不同新闻分类下所有投放新闻的点赞数、拉踩数以及转发数;
步骤S402,统计转发后对应的接收转发端的有效浏览次数,标记为有效转发浏览次数;
步骤S403,获取第一评估时间内投放平台内用户对不同新闻分类下所有投放新闻的评论数,标记为评论量;
所述步骤S5包括如下子步骤:
步骤S501,通过浏览效果参考值公式对不同投放平台内的不同新闻分类进行浏览效果参考值计算;
步骤S502,将点击量与第一点击阈值进行比对,若点击量小于等于第一点击阈值,则输出数据处理信号;若点击量大于第一点击阈值,则输出数据有效信号;
步骤S503,若输出数据处理信号,则将对应的浏览效果参考值与第一有效阈值进行比对,若浏览效果参考值小于等于第一有效阈值,则输出数据无效信号;若浏览效果参考值大于第一有效阈值,则输出数据有效信号;
步骤S504,通过反馈效果参考值公式计算不同投放平台内用户对不同新闻分类的反馈效果参考值;
步骤S505,将输出数据有效信号以及数据无效信号对应的浏览效果参考值标记为有效参考值,并将数据无效信号的有效参考值设定为0,通过传播效果参考值公式计算不同新闻分类在不同投放平台的传播效果参考值;
步骤S506,将不同投放平台内的不同新闻分类的传播效果参考值与第一投放阈值进行比对,若传播效果参考值小于等于第一投放阈值,则输出不投放新闻信号;若传播效果参考值大于第一投放阈值,则输出投放新闻信号。
2.根据权利要求1所述的一种基于多通道新媒体热点事件传播效果分析的投放方法,其特征在于,所述步骤S1包括如下子步骤:
步骤S101,建立新闻分类模型;
步骤S102,预设新闻分类,所述新闻分类包括国际新闻、全国新闻以及地区新闻,建立分类数据库,将不同新闻分类下所属的关键词进行收录统计;
步骤S103,建立停用词数据库,获取投放新闻的正文内容,通过TF-IDF特征法对正文内容进行关键词提取,标记为关键词数据集,将关键词据集与停用词数据库中的停用词进行比对,若关键词数据集中的关键词存在于停用词数据库中,则将对应关键词从关键词数据集中删除,将删除完成后的关键词数据集标记为新闻关键词;
步骤S104,统计新闻关键词中不同的具体关键词的词频;所述具体关键词为关键词具体的文字,所述词频为具体关键词在新闻关键词中出现的频率;将新闻关键词内所有具体关键词的词频进行比对,选择词频最大的具体关键词与分类数据库进行查找比对,得到投放新闻的新闻分类。
3.根据权利要求2所述的一种基于多通道新媒体热点事件传播效果分析的投放方法,其特征在于:
所述浏览效果参考值公式配置为:其中,Be为浏览效果参考值,Y为有效浏览次数,H为点击量;
所述反馈效果参考值公式设置为:其中,Fe为反馈效果参考值,L为点赞数,Z为转发数,P为评论量,Zs为有效转发浏览次数,C为拉踩数;
所述传播效果参考值公式配置为:Ce=Ae×Fe;其中,Ce为传播效果参考值,Ae为有效参考值。
4.根据权利要求3所述的一种基于多通道新媒体热点事件传播效果分析的投放方法,其特征在于,所述步骤S6包括如下子步骤:
步骤S601,获取针对不同投放平台的投放信号,将投放新闻信号对应的新闻分类的传播效果参考值进行比值计算;
步骤S602,按照比值对投放平台投放对应新闻分类的投放新闻;
步骤S603,获取不投放信号,将不投放信号对应的新闻分类的投放新闻按照第一测试时间的时间间隔对投放平台投放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590788.5A CN116634230B (zh) | 2023-05-24 | 2023-05-24 | 一种基于多通道新媒体热点事件传播效果分析的投放方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590788.5A CN116634230B (zh) | 2023-05-24 | 2023-05-24 | 一种基于多通道新媒体热点事件传播效果分析的投放方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116634230A CN116634230A (zh) | 2023-08-22 |
CN116634230B true CN116634230B (zh) | 2024-03-22 |
Family
ID=87591389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310590788.5A Active CN116634230B (zh) | 2023-05-24 | 2023-05-24 | 一种基于多通道新媒体热点事件传播效果分析的投放方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116634230B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250513A (zh) * | 2016-08-02 | 2016-12-21 | 西南石油大学 | 一种基于事件建模的事件个性化分类方法及系统 |
CN112559679A (zh) * | 2020-11-19 | 2021-03-26 | 北京易标智科技有限公司 | 政法新媒体传播力的检测方法、装置、设备及存储介质 |
CN113360661A (zh) * | 2021-08-11 | 2021-09-07 | 太极计算机股份有限公司 | 多租户的媒体大数据应用云服务平台 |
CN113961810A (zh) * | 2021-10-26 | 2022-01-21 | 平安国际智慧城市科技股份有限公司 | 新闻推送方法、装置、计算机设备和存储介质 |
CN115640486A (zh) * | 2022-11-03 | 2023-01-24 | 暨南大学 | 基于多源数据融合的网络新闻媒体影响力评估方法及装置 |
-
2023
- 2023-05-24 CN CN202310590788.5A patent/CN116634230B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250513A (zh) * | 2016-08-02 | 2016-12-21 | 西南石油大学 | 一种基于事件建模的事件个性化分类方法及系统 |
CN112559679A (zh) * | 2020-11-19 | 2021-03-26 | 北京易标智科技有限公司 | 政法新媒体传播力的检测方法、装置、设备及存储介质 |
CN113360661A (zh) * | 2021-08-11 | 2021-09-07 | 太极计算机股份有限公司 | 多租户的媒体大数据应用云服务平台 |
CN113961810A (zh) * | 2021-10-26 | 2022-01-21 | 平安国际智慧城市科技股份有限公司 | 新闻推送方法、装置、计算机设备和存储介质 |
CN115640486A (zh) * | 2022-11-03 | 2023-01-24 | 暨南大学 | 基于多源数据融合的网络新闻媒体影响力评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116634230A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ratkiewicz et al. | Characterizing and modeling the dynamics of online popularity | |
CN110457566B (zh) | 信息筛选方法、装置、电子设备及存储介质 | |
CN106657581B (zh) | 电子书的阅读计划推荐系统及其方法 | |
US10348550B2 (en) | Method and system for processing network media information | |
CN102768667B (zh) | 一种推送信息的发布方法和系统 | |
Zhang et al. | New measures of clumpiness for incidence data | |
CN103338403B (zh) | 广播电视系统及该系统中的个性节目推荐方法 | |
CN110222975A (zh) | 一种流失用户分析方法、装置、电子设备及存储介质 | |
CN108550068A (zh) | 一种基于用户行为分析的个性化商品推荐方法及系统 | |
CN104486649B (zh) | 视频内容评级方法及装置 | |
CN106446078A (zh) | 一种信息的推荐方法和推荐装置 | |
CN106649509B (zh) | 用户特征提取方法及装置 | |
CN110941738B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN103177129B (zh) | 互联网实时信息推荐预测系统 | |
CN112163909A (zh) | 一种基于大数据的广告投放系统 | |
CN110895586A (zh) | 生成新闻页面的方法、装置、计算机设备及存储介质 | |
CN104967690B (zh) | 一种信息推送方法及装置 | |
CN112969079B (zh) | 主播的资源分配方法、装置、计算机设备及存储介质 | |
CN108073597A (zh) | 页面点击行为展示方法、装置和系统 | |
CN102957949A (zh) | 为用户推荐视频的装置及方法 | |
CN110475132A (zh) | 直播间类型识别方法、装置及数据处理设备 | |
CN103442270B (zh) | 一种采集用户的收视数据的方法及装置 | |
CN103577505A (zh) | 媒体文件的兴趣度预测方法和系统 | |
CN106919692B (zh) | 一种推送消息的方法和装置 | |
Bijwaard et al. | Immigrants’ wage growth and selective out‐migration |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |