[發明專利]平臺輿論數據主題的預測模型訓練方法、預測方法及裝置

在審

• 申請號: 202011107203.2
• 申請日: 2020-10-16
• 公開（公告）號: CN114386394A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 汪濤;張守菊;黃佳佳;戴永恒;劉學謙
• 申請（專利權）人: 電科云（北京）科技有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/284;G06N3/04;G06N3/08;G06F16/33;G06F16/35
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 秦景芳

1.一種平臺輿論數據主題的預測模型訓練方法，其特征在于，包括：

獲取平臺輿論文本集，并根據所述平臺輿論文本集得到平臺文本數據集；

利用設定主題模型對所述平臺輿論文本數據集中的每個平臺輿論文本數據進行主題分類，得到相應平臺輿論文本數據對應的主題；

對每個時間片內所有平臺輿論文本數據對應的主題進行統計，得到包含時間片信息的平臺輿論主題向量；

根據節假日信息對包含所述各時間片的時間片序列進行編碼，得到節假日向量；

將所述包含時間片信息的平臺輿論主題向量和所述節假日向量拼接在一起，得到包含節假日信息的平臺輿論主題向量；

利用包含節假日信息的平臺輿論主題向量形成訓練數據集，并利用所述訓練數據集對初始神經網絡進行訓練，得到平臺輿論數據主題的時間序列預測模型。

2.如權利要求1所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，獲取平臺輿論文本集，并根據所述平臺輿論文本集得到平臺文本數據集，包括：

獲取平臺輿論的初始文本集；

對所述初始文本集中的初始文本按設定屬性進行聚合，得到聚合后文本集；

對所述聚合后文本集中的各聚合后文本進行分詞處理，得到平臺輿論文本數據集。

3.如權利要求2所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，

所述設定屬性為作者；

和/或，

對所述聚合后文本集中的各聚合后文本進行分詞處理，得到平臺輿論文本數據集，包括：

對所述聚合后文本集中的各聚合后文本進行分詞處理以及去停用詞和去特殊符號處理，得到平臺輿論文本數據集。

4.如權利要求1所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，所述設定模型為LDA主題模型。

5.如權利要求1或4所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，利用設定主題模型對所述平臺輿論文本數據集中的每個平臺輿論文本數據進行主題分類，得到相應平臺輿論文本數據對應的主題，包括：

利用設定主題模型對所述平臺輿論文本數據集中的每個平臺輿論文本數據進行主題分類，并優化所述設定主題模型的主題分類個數，得到相應平臺輿論文本數據對應的主題。

6.如權利要求5所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，利用設定主題模型對所述平臺輿論文本數據集中的每個平臺輿論文本數據進行主題分類，并優化所述設定主題模型的主題分類個數，得到相應平臺輿論文本數據對應的主題，包括：

利用設定主題模型對所述平臺輿論文本數據集中的每個平臺輿論文本數據進行主題分類，并利用perplexity方法優化所述設定主題模型的主題分類個數，得到相應平臺輿論文本數據對應的主題。

7.如權利要求1所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，

時間片為天，時間片信息為以天為單位的信息，時間序列為以天為單位的時間序列；

和/或，

對每個時間片內所有平臺輿論文本數據對應的主題進行統計，得到包含時間片信息的平臺輿論主題向量，包括：

對每個時間片內所有平臺輿論文本數據對應的主題按主題進行平臺輿論文本數量統計，得到包含時間片信息的平臺輿論主題向量。

8.如權利要求1所述的平臺輿論數據主題的預測模型訓練方法，其特征在于，根據節假日信息對包含所述各時間片的時間片序列進行編碼，得到節假日向量，包括：

根據節假日信息并按one-hot編碼方式對包含所述各時間片的時間片序列進行編碼，得到節假日向量。