公开(公告)号：CN109977393B

公开(公告)日：2021-09-03

申请号：CN201711464946.3

申请日：2017-12-28

Applicant: 中国科学院计算技术研究所

Inventor： 曹娟 ,  上官建峰 ,  张雅滋 ,  李锦涛

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/289 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明涉及一种基于内容争议性的流行新闻预测方法，包括：争议性模式挖掘步骤，构建多任务学习的卷积神经网络模型，以对历史流行新闻进行模式的挖掘，得到该历史流行新闻的内容争议性模式的特征；流行新闻预测步骤，将新生新闻转化为词语字符的合集C，并将该合集C与该内容争议性模式进行匹配，得到该新生新闻的争议度得分P，以判断该新生新闻是否属于流行新闻；预测结果验证步骤，通过该新生新闻的实际流行性对该卷积神经网络模型进行验证，并使用验证结果对该卷积神经网络模型进行训练。本发明从争议性新闻本质的内容模式出发，能够实时准确地预测出潜在的流行新闻。

公开(公告)号：CN109977393A

公开(公告)日：2019-07-05

申请号：CN201711464946.3

申请日：2017-12-28

Applicant: 中国科学院计算技术研究所

Inventor： 曹娟 ,  上官建峰 ,  张雅滋 ,  李锦涛

IPC: G06F17/27 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明涉及一种基于内容争议性的流行新闻预测方法，包括：争议性模式挖掘步骤，构建多任务学习的卷积神经网络模型，以对历史流行新闻进行模式的挖掘，得到该历史流行新闻的内容争议性模式的特征；流行新闻预测步骤，将新生新闻转化为词语字符的合集C，并将该合集C与该内容争议性模式进行匹配，得到该新生新闻的争议度得分P，以判断该新生新闻是否属于流行新闻；预测结果验证步骤，通过该新生新闻的实际流行性对该卷积神经网络模型进行验证，并使用验证结果对该卷积神经网络模型进行训练。本发明从争议性新闻本质的内容模式出发，能够实时准确地预测出潜在的流行新闻。