[发明专利]一种地铁乘客需求动态获取方法及其获取系统

说明书

本发明公开了一种地铁乘客需求动态获取方法及其获取系统，包括以下步骤：步骤1：构建需求词库，从社交网络平台获取用户发文数据；步骤2：对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；步骤4：进行相关性聚类；步骤5：对每一聚类簇，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；本发明可处理大量的用户发文，提高了用户需求获取效率，主观性低；能实时从海量用户发文中，获取需求偏好和潜在的用户需求。

技术领域

本发明公开了一种地铁乘客需求动态获取方法，具体涉及一种地铁乘客需求动态获取方法及其获取系统。

背景技术

近10余年来，铁路的运输能力逐步增强，其旅客周转量亦逐步升高。城铁、高铁客运量和周转量的增加，将进一步增大轨道交通线路网密度，增加地铁车辆订单数量。这给地铁车辆制造企业提供了机遇和挑战。轨道车辆制造企业的客户包括运营企业和乘客，然而目前轨道车辆制造企业主要关注运营企业的需求而缺乏对乘客需求的分析，从而影响终端客户对轨道车辆制造企业产品的满意程度，不利于提高企业的市场竞争力。

乘客需求包括乘客需求项及其重要度，都随时间动态变化，而现有需求获取方法，如调查问卷等。在获取动态的乘客需求时不仅需要耗费大量人力而且存在较大的主观性，这都制约了轨道车辆制造企业对乘客需求进行分析。

发明内容

本发明提供一种数据获取效率高、主观性低的地铁乘客需求动态获取方法及其获取系统。

本发明采用的技术方案是：一种地铁乘客需求动态获取方法，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；

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。

进一步的，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。

进一步的，步骤3具体过程如下：

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)值计算过程如下：

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；