[发明专利]一种基于微博的新闻事件影响力预测方法

权利要求书

1.一种基于微博的新闻事件影响力预测方法，其特征在于，包括以下步骤：

(1)获取足量新闻事件微博数据提取特征并计算影响力以训练预测模型f(x)；

(2)预测模型训练好后，根据输入的新事件关键词p与事件发生日期获取早期微博讨论数据T_p；

(3)从获得早期数据T_p中提取特征x_p；

(4)将新样本的特征向量x_p输入训练好的模型中得到其未来影响力的预测值f(x_p)；

所述步骤(1)包括以下步骤：

(11)利用事件的热门微博H_k来计算影响力I_k：

其中，H_k是与事件k相关的，自事件发生起N天内的所有热门微博的集合，对于其中的每一条微博m，α₁，α₂，α₃分别是转发数r_m，评论数c_m，点赞数l_m的系数，h(·)是关于发布者与热门转发用户的粉丝数f_m的函数；

(12)通过按时间排序的早期微博讨论数据T_k提取得到的特征x_k：

其中，为每个事件的相关原创微博数的时间序列，为微博讨论热度趋势的特征，为每个事件发生时间的0ne-Hot编码，为每小时内的微博数中博主加V用户的数量，为事件发生当天和第二天的所有相关微博数量，为基于微博文本内容的特征；

(13)使用步骤(1)得到的数据来训练支持向量回归模型，得到一个函数f(·)使得对模型输入事件的早期讨论数据特征x_k，所得到的输出f(x_k)能够尽可能地逼近计算得到的未来的影响力大小I_k。

2.根据权利要求1所述的一种基于微博的新闻事件影响力预测方法，其特征在于，步骤(1)所述的数据主要包括每个过去事件k自发生起N天的热门微博H_k与自事件发生日期起，前E天的早期微博T_k。

3.根据权利要求1所述的一种基于微博的新闻事件影响力预测方法，其特征在于，所述步骤(13)通过以下式子实现：

f(x)＝w^Tx+b

其中，w、b、ε和C都为模型的参数，x_i为提取得到的特征向量，y_i为样本对应的影响力，ξ为松弛变量。