[发明专利]一种舆情传播量预测方法及系统

权利要求书

1.一种舆情传播量预测方法，其特征在于，包括以下步骤：

S1、对社交媒体数据进行采集、清洗和预处理，得到N个数据集；

S2、基于传播网链，提取步骤S1得到的数据集的传播网络特征；

S3、基于舆情评论，提取步骤S1得到的数据集的传播内容特征；

S4、融合步骤S2得到的传播网络特征与步骤S3得到的传播内容特征，得到融合传播特征；

S5、将步骤S4得到的融合特征输入至序列模型，预测传播量。

2.根据权利要求1所述的舆情传播量预测方法，其特征在于，步骤S2中，所述传播网链是对N个时间段的数据集进行关联分析获得。

3.根据权利要求2所述的舆情传播量预测方法，其特征在于，所述数据集的传播网络特征是基于有向传播网链图，利用图神经网络模型GAT提取获得。

4.根据权利要求1所述的舆情传播量预测方法，其特征在于，步骤S3中，所述传播内容特征由情感特征和句语义特征拼接而成。

5.根据权利要求4所述的舆情传播量预测方法，其特征在于，所述句语义特征是利用预训练的文本语义特征模型，对媒体数据进行单词级语义特征提取，并抽取语言模型中[CLS]标签获得。

6.根据权利要求5所述的舆情传播量预测方法，其特征在于，所述情感特征是将提取到的单词级语义特征序列输入至预训练的情感特征提取器获得。

7.根据权利要求1所述的舆情传播量预测方法，其特征在于，步骤S4中，先将传播网络特征与传播内容特征投影至同一低维向量空间，再将投影后的向量拼接为融合传播特征。

8.根据权利要求1所述的舆情传播量预测方法，其特征在于，步骤S1中，所述媒体数据包含博文发表者的账户信息、博文评论的内容、博文评论转发与点赞的对应用户账户信息。

9.根据权利要求1所述的舆情传播量预测方法，其特征在于，步骤S1中，所述预处理媒体数据根据数据构建的关系图，将事件发展时间范围等分为N个时间段，分类整理后，得到N个时间段的数据集。

10.权利要求1～9任意一项所述的舆情传播量预测方法所使用的预测系统，其特征在于，包括用于对社交媒体数据进行采集、清洗和预处理的数据采集与处理模块，用于提取传播网络特征的第一提取模块，用于提取传播内容特征的第二提取模块，用于将提取的传播网络特征和传播内容特征进行融合的融合模块以及利用融合的特征预测传播量的预测模块。