[发明专利]一种地铁乘客需求动态获取方法及其获取系统

权利要求书

1.一种地铁乘客需求动态获取方法，其特征在于，包括以下步骤：

步骤1：构建需求词库，根据需求词库从社交网络平台获取用户发文数据；

步骤2：对步骤1获取的数据进行预处理；

步骤3：采用支撑向量机分类器过滤与地铁乘客需求不相关的文本，具体为：

S11：对步骤2预处理后的文本随机抽样，生成训练样本和测试样本；

S12：根据训练样本确定相关文本和不相关文本并分别确定其特征词，计算训练样本信息熵和每个词的信息增益值，将增益值大于设定阈值的词作为特征词；

训练样本信息熵IG(X)计算过程如下：

式中：X为训练样本集，N₁和N₂分别表示相关文本数量和不相关文本数量；

每个词的信息增益值IG(word)计算过程如下：

式中：word为训练样本集中的词语，A、B分别为每个词在相关文本和不相关文本中出现的频率，C、D分别为每个词在相关文本和不相关文本不出现的频率；

S13：计算各文本中特征词的特征值，将文本表示为特征值向量；

S14：根据训练样本构建支撑向量机分类器，用测试样本完善分类器；

S15：采用步骤S14得到的支撑向量分类器对数据进行分类，分为需求相关文本和不相关文本，去除不相关文本；

步骤4：将步骤3过滤后的文本通过轮廓系数修正的K均值聚类方法进行相关性聚类；

步骤5：对步骤4中的每一聚类簇，给定标签作为需求项，并计算需求项的重要度；

步骤6：将步骤5中得到的需求项首先判断其是否已存在于需求词库，若是则退出，若否则判断其重要度和相对传播持久度是否同时满足预设阈值，若满足则发现了新需求项，并将其加入到需求词库，若不满足则退出；

所述相对传播持久度计算过程如下：

S31：传播持久度j_k如下：

式中：r′_k0、r′_k1、r′_k2为连续三个时间段内获取的传播热度，其中r′_k0为本次获取的传播热度；

S32：相对传播持久度J_k为：

式中：S为总的文本集合数，j_i为第i项需求的传播持久度，i为需求项标号。

2.根据权利要求1所述的一种地铁乘客需求动态获取方法，其特征在于，所述步骤1获取数据过程如下：

将需求词库中的词语作为关键词在社交网络平台中检索，得到用户发文；通过网络爬虫获取文本数据。

3.根据权利要求1所述的一种地铁乘客需求动态获取方法，其特征在于，所述步骤4中轮廓系数修正的K均值聚类方法为首先通过K均值聚类，然后通过轮廓系数确定最优聚类簇数k；

K均值聚类过程如下：

确定某聚类簇中各点到聚类中心的距离平方和dist(S_k)：

式中：S_k为各簇的文本集合，x_i为S_k簇中文本的特征值向量，n_s为S_k簇中文本的数量，u_k为S_k簇的聚类中心，i为簇中文本标号；

其中u_k如下：

聚类域中所有样本到聚类中心的距离的平方和dist(S)为：

式中：k为聚类的簇数，S为总的文本集合数，j为文本集合中各聚类簇标号；

轮廓系数L(x_i)如下：

式中：a(x_i)为文本x_i与其同一簇内其它所有文本距离的平均值，b(x_i)为文本x_i与x_i外的一个簇中所有文本的平均距离；

平均轮廓系数L(x)_k为：

式中：N为整个文本集的文本数量；

当平均轮廓系数最大时，对应簇数k为最佳聚类簇数。