[发明专利]一种内外数据融合的态势分析系统

权利要求书

1.一种内外数据融合的态势分析系统，其特征在于，包括：

数据采集模块，用于从互联网采集特定领域相关的新闻文本数据；

文本量化计算模块，用于将非结构化的新闻文本数据转化成结构化的数值信息，转化时，使用基于朴素贝叶斯模型的多标签分类算法对新闻文本进行主题提取，包括以下步骤：

步骤A1、对给定有k个主题组成的主题集合tc＝{tc₁，tc₂...，tc_k}，利用朴素贝叶斯多标签分类算法对新闻文本数据进行主题分类，分类时，在求得每个主题类别的后验概率P后，计算当前新闻文本数据b的类别判别值dist，若dist＜ε，ε为预先设定的阈值，则将当前新闻文本数据b划为主题类别tc_i：

式中P(tc_i|b)表示当前新闻文本数据b属于主题类别tc_i的后验概率，表示当前新闻文本数据b属于主题类别tc_i的最大后验概率；

步骤A2、根据新闻文本数据的主题类别和文档日期，按照指标数据的跨度量化新闻文本数据数量；

因果滞后分析模块，用于计算确定主题类别和相关指标的因果滞后影响的时间差值，其目的是找出不同主题类别对相关指标的关联性滞后多长时间最大；

态势预测模块，该模块利用通过文本量化计算模块获得的主题类别、互联网统计数据以及相关的特定领域平台内部数据，按照因果滞后分析求得的时间差值d的关系输入数据，训练出一个预测模型，计算出未来一段时间的指标预测值。

2.如权利要求1所述的一种内外数据融合的态势分析系统，其特征在于，所述因果滞后分析模块通过以下步骤实现：

步骤B1、选择态势相关指标作为基准变量y＝{y₁，y₂...y_m}，以及同时间段的新闻主题、互联网统计数据x＝{x₁，x₂...x_m}作为备选指标；

步骤B2、根据先验知识确定主题类别与基准变量的影响倾向值tw；

步骤B3、计算得到

式中，d＝0，±1，±2，±3...±D，d表示超前或滞后期，当d取负值时，表示x变量对基准变量产生滞后影响，d取正值，表示x变量对基准变量超前影响；表示时间差值为d，是主题tc_i量化值与基准变量y之间的最大相关系数，D表示因果滞后关系中可选取的最大时间差值；

步骤B4、根据求得式中为主题tc_i量化值与基准变量y之间的最大相关系数，然后求出对应的时间差值

态势预测模块，该模块利用通过文本量化计算模块获得的主题类别值、互联网统计数据以及相关的特定领域平台内部数据，按照因果滞后分析求得的时间差值的关系输入数据，训练出一个预测模型，计算出未来一段时间的指标预测值。