[发明专利]互联网话题趋势辅助预测方法及系统、信息数据处理终端

说明书

本发明属于信息检索及其数据库结构技术领域，公开了一种互联网话题趋势辅助预测方法及系统、信息数据处理终端，将新闻事件相关报道的内容和情感特征，纳入到均线指标和指数平滑异同移动平均线指标的计算过程中；通过统计事件在不同时间段的频度信息，计算移动平均值进行平滑计算，通过快线和慢线的交叉点、倾斜角度对事件的发展趋势进行预测分析；实现网络报道预测分析之用的量化计算。本发明生成的结果能够更加准确地反映新闻的发展趋势，在新闻大数据支持下能够取得较好的预测效果。

技术领域

本发明属于信息检索及其数据库结构技术领域，尤其涉及一种互联网话题趋势辅助预测方法及系统、信息数据处理终端。

背景技术

目前，业内常用的现有技术是这样的：互联网舆情发展趋势预测的目的是运用信息技术等手段，根据信息发展的历史数据和当前的数据，预测互联网上的话题在未来一段时间内发展的趋势，如信息数量、传播范围、传播时间等。话题趋势预测涉及到了多个方面的理论和技术，包括统计学、概率论、时间序列和信息传播理论等各个方面。预测技术是和社会经济发展、人们生活息息相关的一项技术，关于国民生产总值、股票价格以及石油价格等的预测对社会经济的发展具有重要的借鉴作用，而天气预测、地震预测和洪水预测等预测则直接关系到人们生活的安居乐业。在这些预测技术中提出了很多行之有效的预测手段，互联网信息发展趋势预测技术也是预测技术的一个方面，需要借鉴这些预测方法。常见的预测方法大多是基于时间序列的预测方法，即将所有相关信息的某一项指标按照时间的顺序进行排列、统计，以形成一个和时间相关的序列。基于时间序列的分析法是定量预测方法，是基于话题发展的延续性以及发展过程中的随机性，利用统计分析的方法来分析话题发展的规律，并且预测话题发展趋势变化、周期性变化以及随机性变化。针对互联网新闻发展趋势的预测，目前已经取得了一定的研究成果，主要的方法有两种：一种是分析新闻传播的时间间隔特点，构建对数正态分布等数学模型拟合已有数据，然后用拟合后的模型来预测新闻未来的发展趋势。只使用新闻传播时间间隔这一个特点进行分析时方法较为单一，不能对单篇新闻的话题趋势进行较为全面的预测。另一种则是将信息相关的特点组成时间序列，用神经网络等数学模型对时间序列进行拟合，使用拟合后的模型来预测时间序列的未来变化，以此来表示新闻的发展趋势。使用神经网络对新闻话题虽然有着一定的效果，在构建神经网络模型时需要内存较大的GPU，模型时间复杂度较高，成本较高而且预测的准确率往往并不能令人满意。因此有必要找到一种更加有效的方法来对互联网话题传播的发展趋势进行预测。

综上所述，现有技术存在的问题是：现有的互联网新闻发展趋势的预测方法存在模型繁琐，预测的准确率并不能令人满意。

解决上述技术问题的难度和意义：本发明对新闻事件的相关报道进行可视化预测时存在一定难度，因为对快慢线交叉点以及穿越横坐标轴的点进行亮点标记时存在多条曲线，因此在亮点标记时需要一定的技术处理。本发明生成的结果能够更加准确地反映新闻的发展趋势，在新闻大数据支持下能够取得较好的预测效果。

发明内容

针对现有技术存在的问题，本发明提供了一种互联网话题趋势辅助预测方法及系统、信息数据处理终端。

本发明是这样实现的，一种互联网话题趋势辅助预测方法，所述互联网话题趋势辅助预测方法将新闻事件相关报道的内容和情感特征，纳入到均线指标和指数平滑异同移动平均线指标的计算过程中；通过统计事件在不同时间段的频度信息，计算移动平均值进行平滑计算，通过快线和慢线的交叉点、倾斜角度对事件的发展趋势进行预测分析；实现网络报道预测分析之用的量化计算。通过本发明对新闻发展趋势预测，10000篇新闻中能正确预测出7000篇且预测效果较好。

进一步，所述互联网话题趋势辅助预测方法包括以下步骤：

步骤一，单篇报道的热度值量化计算，综合考虑报道的媒体权重和频道权重还有版面位置三个纬度的值，为每一篇报道赋予介于0和1的实数值；