熱點新聞點擊量預(yù)測及話題演化算法研究.pdf

1、在輿論自由的背景下，熱點新聞更易成為公眾議論的集中點和矛盾爆發(fā)點，預(yù)測熱點新聞點擊量，有助于政府和傳媒工作者掌握事態(tài)發(fā)展趨勢，提高對熱點事件處理的主動性。同時，挖掘熱點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。
　　本文以新聞點擊量預(yù)測和新聞演化脈絡(luò)挖掘為研究重點，主要內(nèi)容如下:
　　(1)提出基于Grey Verhulst模型和極限學(xué)習(xí)機融合的新聞點擊量預(yù)測算法;
　　

2、熱點新聞點擊量數(shù)據(jù)具有隨機性和波動性，不利于后續(xù)準確的預(yù)測。本文提出的算法能夠有效地過濾數(shù)據(jù)的隨機波動噪聲，同時保留數(shù)據(jù)分布規(guī)律，實驗表明所提出的算法在新聞點擊量預(yù)測上的平均準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，但相對新聞文本而言容易被忽略。本文構(gòu)建了一種簡約深度卷積神經(jīng)網(wǎng)絡(luò)模型，用分類概率值

3、表征圖像語義特征，將圖像與文本特征結(jié)合，共同表示新聞。實驗表明多源特征的分類準確率較使用單一文本特征提高了2.4％。
　　(3)提出基于多標簽分類的新聞演化軌跡挖掘算法
　　在新聞演化過程中，新聞之間具有相互關(guān)聯(lián)和時間緊鄰的特點，建立t時刻和t+1時刻的新聞相似性度量模型是演化軌跡挖掘的核心。本文提出基于多標簽分類模型的脈絡(luò)挖掘方法，將標簽共現(xiàn)作為新聞相似性度量的依據(jù)。實驗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。