[发明专利]一种网络观点传播与预测方法

说明书

本发明公开了一种网络观点传播与预测方法，该方法包括：a、收集事件A1在发生后至时间t内随时间变化的网络观点O1；b、对该网络观点O1进行提取、分类和统计，得到统计数据D1；c、对事件A2、A3……An进行步骤a和步骤b，分别得到统计数据D2、D3……Dn，其中，n为大于1的自然数；d、对事件A1、A2、A3……An进行分类，得到类别C1‑Ck；e、收集发生时间未超过t的事件B的信息，并采用步骤d的分类方式对事件B归类于至少两个类别Ci1‑Cim；f、将类别Ci1‑Cim的观点进行叠加，得到事件B随时间变化的网络观点Ob。本发明提供的网络观点传播与预测方法能够将后发生的事件采用已经发生时间的网络观点进行修正，从而较为客观地预测网络观点的传播。

技术领域

本发明涉及网络观点技术领域，具体涉及一种网络观点传播与预测方法。

背景技术

目前，手机等智能终端的兴起，使得社会化网络工具已经成为人们每天获取信息、相互交流必不可少的方式，这种信息传播与交流方式的变革，已经影响着人们的生活习惯。而随着网络传播速度的加快，对网络观点的预测就尤为重要。

公开号为CN103218477A的中国专利文献公开了一种网络观点传播与预测方法，该方法包括：对网络拓扑信息进行数字化建模，针对个体的各个观点状态进行数字量化；根据得到的量化信息，建立基于离散个体交互行为的预测模型；本方法可以用来预测网络用户的整体观点走向，在已给定网络用户状态与网络拓扑结构的环境，该文献的方法可以更为有效的预测网络中某观点的走势，进而对网络舆论的预测、突发事件的应对策略以及网络用户和观点走势之间的相互影响规律做出总结。但是该文献仅能对网络舆论和观点进行模拟演示，无法根据实际情况作出改变。

“面向论坛网络的观点传播与舆情形成模型，计算机科学，2015年，徐会杰等”指出传统的观点传播与舆情形成模型主要采用Sznajd模型和French-DeGroot模型，并指出Sznajd模型仅存在支持和反对两种观点，而French-DeGroot模型不能随时间发生变化，并且在该两种模型基础上，进行实时更新自身的观点，进行节点观点的迭代。但是该文献忽略了观点的变化是以价值观为基础的，而价值观的变化却是很缓慢的，而且经常受事件的影响，从而对观点改变过于频繁，影响了模型的稳定性。

发明内容

本发明的目的在于提供一种网络观点传播与预测方法，本发明提供的网络观点传播与预测方法能够将后发生的事件采用已经发生时间的网络观点进行修正，从而较为客观地预测网络观点的传播。

为实现上述目的，本发明提供一种网络观点传播与预测方法，该方法包括：

a、收集事件A1在发生后至时间t内随时间变化的网络观点O1；

b、对该网络观点O1进行提取、分类和统计，得到统计数据D1；

c、对事件A2、A3……An进行步骤a和步骤b，分别得到统计数据D2、D3……Dn，其中，n为大于1的自然数；

d、对事件A1、A2、A3……An进行分类，得到类别C1-Ck，其中，k为1-n之间的自然数；

e、收集发生时间未超过t的事件B的信息，并采用步骤d的分类方式对事件B归类于至少两个类别Ci1-Cim，其中，m为1-k之间的自然数，类别Ci1-Cim属于类别C1-Ck；

f、将类别Ci1-Cim的观点进行叠加，得到事件B随时间变化的网络观点Ob和统计数据Db。

可选的，步骤a中所述收集事件A1在发生后至时间t内随时间变化的网络观点O1的步骤包括：

获取事件A1在发生后至时间t内的初始网络观点；

对所述初始网络观点进行筛分去重；