[发明专利]基于深度神经网络的新闻流行度预测模型训练方法

说明书

本发明提出了一种基于深度神经网络的新闻流行度预测模型训练方法，包括：获取特定主题设定时间段的新闻文章数据，用Pandas进行数据清洗后按照设定时间长度进行顺次分组，获取按时间顺序排列得到新闻流行度序列；依据所述新闻流行度序列，从第一个流行度开始依次按照采样长度为w的连续序列作为输入样本，并采样其之后一期的数据作为输出样本，构建训练样本集；随机从训练样本集中选择训练样本对基于LSTM网络的新闻流行度预测模型进行训练，并采用Pearson相关系数进行关联性分析删除不良的训练样本，循环训练过程至训练结束。本发明可以获得用来对无趋势性、无季节性及非线性新闻流行度进行较高准确率预测的新闻流行度预测模型。

技术领域

本发明属于深度学习领域，具体涉及一种基于深度神经网络的新闻流行度预测模型训练方法。

背景技术

随着互联网对人民群众生活的影响日益加深，以及移动终端设备的广泛普及，近些年来人类生产生活中的数据也在飞速地增长。每年新产生的数据量几乎是历史几千年的总和。而随着深度学习理论的完善和进展，大数据所蕴含的内在价值得以不断被挖掘。其中的价值已引起各国政府、企业界、科技界的高度重视。

对媒体行业而言，除了传统的纸质媒体之外，各类新媒体平台也层出不穷，如微博、博客、论坛、Twitter等等。这些新兴媒体正逐渐改变着人们获取信息的习惯，同时每天产生的数据量也十分的巨大。我国正处于经济快速发展的社会转型期，事故灾害事件、公共卫生事件、社会安全事件等社会事件频繁发生。现如今新媒体网站已逐渐成为人们获取新闻事件的主要渠道。所以，基于新媒体，对新闻进行分析、研究及对新闻的发展趋势、风向、苗头进行全面的预判分析，提高事件处置的针对性和前瞻性十分必要。

传统媒体行业对新闻流行度进行时序预测常常选用3种方法，分别为：Holt线性指数平滑法(霍尔特二次指数平滑法)、Holt-Winters季节性指数平滑法(霍尔特三次指数平滑法)和ARIMA(Autoregressive Integrated Moving Average Model，自回归积分滑动平均模型)。Holt线性指数平滑法只适用于有趋势的预测，如果新闻流行度与常规趋势不相符，预测精度较低。Holt-Winters季节性指数平滑法更适合季节性相关的预测，若新闻事件发生的时间序列与季节无关，则难以准确预测结果。ARIMA是目前非常流行的时序预测算法，应用领域很广，但对非线性非稳定数据难以捕捉到规律。

发明内容

为了解决现有技术中的上述问题，即为了解决现有预测模型对无趋势性、无季节性及非线性新闻流行度预测准确度较低的问题，本发明一方面，提出了一种基于深度神经网络的新闻流行度预测模型训练方法，该方法包括以下步骤：

步骤S10，获取特定主题设定时间段的新闻文章数据，作为该主题的第一新闻文章数据集合；

步骤S20，用Pandas对所述第一新闻文章数据集合进行数据清洗，得到第二新闻文章数据集合；

步骤S30，将所述第二新闻文章数据集合按照设定时间长度进行顺次分组，计算各分组对应的新闻流行度，并按时间顺序排列得到新闻流行度序列；

步骤S40，依据所述新闻流行度序列，从第一个流行度开始依次按照采样长度为w的连续序列作为一个时间步内部的输入序列X，并采样其之后一期的数据作为一个Y，以X为输入样本、Y为输出样本构建训练样本集；

步骤S50，随机从训练样本集中选择N个训练样本对基于LSTM网络的新闻流行度预测模型进行训练；若达到训练结束条件则执行步骤S70，否则执行步骤S60；

步骤S60，采用Pearson相关系数计算预测结果与对应输出样本的相关系数r，并在r小于第一设定阈值的时候从训练样本集中去除本轮训练所选取的N个训练样本；执行步骤S50；

步骤S70，获得训练完毕的新闻流行度预测模型。