[發明專利]一種基于多類特征融合的新興熱點話題檢測系統

有效

• 申請號: 201810170864.6
• 申請日: 2018-02-28
• 公開（公告）號: CN108399241B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 廖祥文;陳國龍;殷明剛;楊定達
• 申請（專利權）人: 福州大學
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F40/284;G06F40/211;G06N3/04;G06Q50/00;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種基于多類特征融合的新興熱點話題檢測系統，其特征在于，包括：

一數據預處理模塊，用于對微博文本進行預處理；

一分層序列模型，用于訓練雙向循環神經網絡模型，通過使用雙向的LSTM網絡，訓練輸入的微博文本；

一詞序列編碼層，用于對句子中的各個詞語向量化，形成初步的向量表示；

一句子級別特征求解層，用于對微博句子構建靜態特征向量，與該層的神經網絡動態特征進行鏈接，形成微博句子向量表示；

一話題級別特征求解層，用于對話題構建靜態特征向量，與該層的神經網絡動態特征進行鏈接，形成話題的向量表示；

一話題預測模塊，用于對話題進行預測，經過softmax層輸出各個話題是新興熱點話題和非新興熱點話題的概率，并得到預測概率

在所述詞序列編碼層，對于一個句子的詞序列w_it,t∈[1,T]，將詞序列中的詞通過詞嵌入方法映射到向量中，嵌入矩陣為(W_e,x_ij)＝W_ex_ij；通過雙向循環神經網絡BiRNN匯總來自雙向的詞的信息得到詞的表示，并將詞的表示中的上下文信息合并；雙向循環神經網絡BiRNN包括一個向前的網絡RNN用來從w_i1到w_iT讀取句子s_i；還有一個向后的網絡RNN用來從w_iT到w_i1讀取句子s_i；通過連接向前隱藏狀態和向后隱藏狀態得到詞w_it的隱藏表示h_it，其包含了句子中圍繞詞w_it的總體信息，也即

在所述句子級別特征求解層，通過微博當前時刻的評論數和轉發數來表示內容特征，經過對一微博的信息采集及計算，得到該微博各個時刻的評論數集合Reply及轉發數集合Retweet，且分別通過如下方式獲取：

其中，表示i時刻，微博t的轉發數；表示i時刻，微博t的評論數；

在所述話題級別特征求解層，為了識別新興熱點話題，提取話題每個時刻點的新興特征，包括：轉發數、用戶數、微博數量、微博數量變化量的泊松值、用戶權威值、微博影響力累積值、話題熱度值以及新穎值；

在所述話題級別特征求解層，記話題T從第一篇微博被檢測到當前時刻t有n個時間窗口；

記feature₁是話題T在n個時間窗口內的轉發數增長率：

其中，Rtⁱ為話題T在第i個時間窗口時的轉發次數；

記feature₂是話題T在n個時間窗口內的用戶數增長率：

其中，Uⁱ表示話題T在第i個時間窗口時的參與用戶數量；

記feature₃是話題T在n個時間窗口內的評論數增長率：

其中，Repⁱ表示話題T在第i個時間窗口時的評論數；

記話題T對應的用戶集合為U_T＝{u₁,u₂,...,u_m}，對于話題T，每個用戶u_i在話題T中的權威值通過如下方式獲取：

其中，num_i表示用戶u_i發表的相關微博數；f_i表示在U_T中是u_i的粉絲的數量；re_i表示u_i相關微博被轉發總數；fans_i表示用戶u_i的粉絲數；fans_max為粉絲數最多的用戶粉絲數量；

記話題T對應的微博集合為TW＝{tw₁,tw₂,...,tw_m}，記feature₄是話題T的相關微博累計值增長率：

其中，effectⁱ表示話題T在第i個時間窗口時的累積影響力；auth(tw_i)表示微博tw_i對話題T的權威值；auth(u_i)表示微博tw_i作者的權威值；U_retweet表示微博tw_i轉發用戶集合；auth(u)表示戶用戶u_i的轉發用戶集合中用戶的權威值；

記為話題T在第i個時間窗口時的新穎值，為熱度值：

其中，word_key表示當前計算時間段內的關鍵詞集合，user_key表示當前計算時間段內的高權威值用戶集合；

記feature₇是話題T在n個時間窗口內的微博數量增長率；feature₈是話題T在第n個時間窗口時微博數量變化的泊松值，通過如下獲取：

其中，Nⁱ表示話題T在第i個時間窗口時的微博數量；λ為預設個數時間窗口內微博數量變化的均值；Δtw為當前時間窗口微博數據變化量。