熱點(diǎn)新聞點(diǎn)擊量預(yù)測(cè)及話題演化算法研究.pdf

1、在輿論自由的背景下，熱點(diǎn)新聞更易成為公眾議論的集中點(diǎn)和矛盾爆發(fā)點(diǎn)，預(yù)測(cè)熱點(diǎn)新聞點(diǎn)擊量，有助于政府和傳媒工作者掌握事態(tài)發(fā)展趨勢(shì)，提高對(duì)熱點(diǎn)事件處理的主動(dòng)性。同時(shí)，挖掘熱點(diǎn)新聞話題演化軌跡能幫助公眾更加快速全面地了解事件的演化軌跡，避免淺嘗輒止和產(chǎn)生偏頗的觀點(diǎn)。
　　本文以新聞點(diǎn)擊量預(yù)測(cè)和新聞演化脈絡(luò)挖掘?yàn)檠芯恐攸c(diǎn)，主要內(nèi)容如下:
　　(1)提出基于Grey Verhulst模型和極限學(xué)習(xí)機(jī)融合的新聞點(diǎn)擊量預(yù)測(cè)算法;
　　

2、熱點(diǎn)新聞點(diǎn)擊量數(shù)據(jù)具有隨機(jī)性和波動(dòng)性，不利于后續(xù)準(zhǔn)確的預(yù)測(cè)。本文提出的算法能夠有效地過(guò)濾數(shù)據(jù)的隨機(jī)波動(dòng)噪聲，同時(shí)保留數(shù)據(jù)分布規(guī)律，實(shí)驗(yàn)表明所提出的算法在新聞點(diǎn)擊量預(yù)測(cè)上的平均準(zhǔn)確率較其他算法提升了7％。
　　(2)提出新聞配圖和新聞文本的多源特征表示算法
　　新聞的特征表示是挖掘新聞話題演化軌跡的首要步驟，雖然新聞配圖包含大量與事件相關(guān)的信息，但相對(duì)新聞文本而言容易被忽略。本文構(gòu)建了一種簡(jiǎn)約深度卷積神經(jīng)網(wǎng)絡(luò)模型，用分類(lèi)概率值

3、表征圖像語(yǔ)義特征，將圖像與文本特征結(jié)合，共同表示新聞。實(shí)驗(yàn)表明多源特征的分類(lèi)準(zhǔn)確率較使用單一文本特征提高了2.4％。
　　(3)提出基于多標(biāo)簽分類(lèi)的新聞演化軌跡挖掘算法
　　在新聞演化過(guò)程中，新聞之間具有相互關(guān)聯(lián)和時(shí)間緊鄰的特點(diǎn)，建立t時(shí)刻和t+1時(shí)刻的新聞相似性度量模型是演化軌跡挖掘的核心。本文提出基于多標(biāo)簽分類(lèi)模型的脈絡(luò)挖掘方法，將標(biāo)簽共現(xiàn)作為新聞相似性度量的依據(jù)。實(shí)驗(yàn)表明獲取的新聞話題演化脈絡(luò)有較好的邏輯性，易于理解。