[發明專利]混合新媒體下的熱點事件發現方法

在審

• 申請號: 202110444596.4
• 申請日: 2021-04-23
• 公開（公告）號: CN113343118A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 曹玖新;洪智高;劉佳
• 申請（專利權）人: 東南大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F40/289;G06Q50/00
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

1.一種混合新媒體下的熱點事件發現方法，其特征在于，包括如下步驟：

步驟1)對采集的數據進行新聞數據預處理，包括去除超文本鏈接，停用詞，標點符號以及數字無用信息，并利用HanLP自然語言處理工具進行分詞處理；

步驟2)將文檔按時序離散到各個時間片，時間間隔為1天，以便于后續的演化分析處理,所有事件均考察事件發生30天內的文檔，即30段時間切片；

步驟3)文本向量化，使用經過BERT預訓練的文檔表示，以提高話題的連貫性；

步驟4)話題建模，使用神經話題模型來進行話題建模，其中將輸入的詞袋表示替換為上下文嵌入；

步驟5)將步驟4)得到的話題建模后需要對話題進行合并工作；

步驟6)完成新聞門戶網站的事件檢測后，關聯每個事件在社交網絡中的微博內容及其用戶社交關系；

步驟7)計算該話題的熱度值，當熱度值超過一定的閾值時則判定其為熱點事件。

2.根據權利要求1所述的混合媒體環境下社會熱點事件的發現方法，其特征在于，所述步驟2)中時間片的劃分，對于處理時間在一段時間的演化及其熱度變化規律有重要的影響，在發明中將其固定在30天，也可以根據爬取新聞內容時間長度來自適應設置。

3.根據權利要求1所述的混合媒體環境下社會熱點事件的發現方法，其特征在于，所述步驟3)中文本向量化將輸入話題模型的詞袋表示替換為上下文嵌入，即在話題建模過程之前，引入了從BERT語言模型進行預訓練的文檔表示的神經編碼層，首先，通過調用bert_serving包自建話題語料庫的詞典并訓練BERT詞向量模型，每篇文檔得到由詞向量構成的矩陣，將匹配好的數據保存，以便后續話題建模的任務處理。

4.根據權利要求1所述的混合媒體環境下社會熱點事件的發現方法，其特征在于，所述步驟4)中在話題建模時，將步驟3)中向量化的文本數據作為上下文嵌入模型，發明中用到的神經話題模型是基于神經變分推理框架的生成模型，受到了變分自動編碼器的啟發，選用Gaussian分布生成參數，其中Gaussian參數可由線性計算獲得。

5.根據權利要求1所述的混合媒體環境下社會熱點事件的發現方法，其特征在于，所述步驟5)對話題建模后需要對話題進行合并工作，設定閾值ζ來衡量兩個話題間的距離，若兩個話題間的距離大于該閾值，則將兩話題判定為相同話題，需要對話題進行合并；否則兩者為不同話題，對兩者不需要進行合并操作。

6.根據權利要求1所述的混合媒體環境下社會熱點事件的發現方法，其特征在于，所述步驟6)和7)中，微博平臺提供了豐富的話題分類和內容標簽信息，綜合事件檢測過程中獲取的時間、命名實體和關鍵詞信息，從微博中搜索與事件關鍵信息相關的微博內容，然后計算事件關鍵信息與搜索結果的內容、分類和標簽之間的余弦距離檢測事件與微博的相似關系，建立事件-新聞-微博的關聯關系，對于熱點事件的判別，結合了事件的社交網絡屬性，利用公式(1)計算步驟5)得到話題的熱度值：

其中，N_e、S_e和C_e分別表示事件e的新聞報道數、用戶轉發數和評論數，N、S和C分別表示對應的指標的總數；α,β,γ分別表示根據上述因素的重要程度而設定的比例系數(比如0.6，0.2，0.2)，當綜合熱度值(范圍為[0,1])超過0.4時(即事件e的報道和討論占比超過40％時)則判定事件e為熱點事件。