本說(shuō)明書涉及數(shù)據(jù)處理，尤其涉及一種輿情熱度監(jiān)測(cè)的方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在信息傳播動(dòng)力學(xué)領(lǐng)域，謠言的傳播與病原體在種群中的傳播有很強(qiáng)的相似性。在使用流行病模型檢驗(yàn)謠言傳播方面已經(jīng)有了很多的研究，希望以此能夠消除謠言的負(fù)面影響，或至少盡量減少謠言的負(fù)面影響。已有的流行病模型如易感-感染-暴露-恢復(fù)模型(seir)、易感-感染模型(si)、易感-感染-易感模型(sis)和易感-感染-恢復(fù)模型等被公認(rèn)為經(jīng)典的傳播動(dòng)力學(xué)模型。

2、互聯(lián)網(wǎng)的發(fā)展和社交媒體的豐富要求對(duì)傳統(tǒng)模式進(jìn)行進(jìn)一步擴(kuò)展，以體現(xiàn)新的傳播機(jī)制，并利用多平臺(tái)的數(shù)據(jù)進(jìn)行研究。然而，現(xiàn)有的研究并沒有充分研究短視頻平臺(tái)不同于傳統(tǒng)社交平臺(tái)的獨(dú)特的輿情傳播機(jī)制。

技術(shù)實(shí)現(xiàn)思路

1、本說(shuō)明書實(shí)施例提供一種輿情熱度監(jiān)測(cè)的方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，以解決輿情熱度監(jiān)測(cè)準(zhǔn)確率低的問題。

2、第一方面，本說(shuō)明書一個(gè)或多個(gè)實(shí)施例提供一種輿情熱度監(jiān)測(cè)的方法，包括：在目標(biāo)短視頻社交平臺(tái)收集目標(biāo)短視頻的原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括用戶點(diǎn)贊累積量、用戶轉(zhuǎn)發(fā)累積量、用戶點(diǎn)贊時(shí)間和用戶轉(zhuǎn)發(fā)時(shí)間；根據(jù)所述目標(biāo)短視頻社交平臺(tái)中的動(dòng)力學(xué)傳播機(jī)制，構(gòu)建輿情熱度監(jiān)測(cè)模型，所述動(dòng)力學(xué)傳播機(jī)制根據(jù)對(duì)所述目標(biāo)短視頻社交平臺(tái)中的用戶狀態(tài)的分類結(jié)果確定；以所述原始信息數(shù)據(jù)為驅(qū)動(dòng)，利用最小二乘法估計(jì)所述輿情熱度監(jiān)測(cè)模型的模型參數(shù)和游客群體總量初始值；基于所述模型參數(shù)和所述游客群體總量初始值，通過(guò)所述輿情熱度監(jiān)測(cè)模型確定所述目標(biāo)短視頻的輿情傳播指標(biāo)體系中各個(gè)指標(biāo)的值，以作為針對(duì)所述目標(biāo)短視頻的輿情熱度監(jiān)測(cè)的結(jié)果。

3、可選的，所述分類結(jié)果包括：

4、游客狀態(tài)、點(diǎn)贊狀態(tài)、分享狀態(tài)和免疫狀態(tài)；

5、其中，處于游客狀態(tài)的用戶為未瀏覽到目標(biāo)短視頻的用戶；

6、處于點(diǎn)贊狀態(tài)的用戶為已點(diǎn)贊所述目標(biāo)短視頻的用戶；

7、處于分享狀態(tài)的用戶為已分享所述目標(biāo)短視頻的用戶；

8、處于免疫狀態(tài)的用戶由兩部分組成：一種是處于點(diǎn)贊狀態(tài)或分享狀態(tài)的時(shí)間超過(guò)曝光期的用戶，另一種是瀏覽過(guò)所述目標(biāo)短視頻但未進(jìn)入點(diǎn)贊狀態(tài)和/或分享狀態(tài)的用戶。

9、可選的，所述目標(biāo)短視頻社交平臺(tái)的輿情熱度的動(dòng)力學(xué)傳播機(jī)制，包括：

10、處于游客狀態(tài)的用戶在接觸到處于分享狀態(tài)或點(diǎn)贊狀態(tài)的用戶所推薦的短視頻后，將以平均點(diǎn)贊概率進(jìn)行點(diǎn)贊操作，進(jìn)而轉(zhuǎn)化為處于點(diǎn)贊狀態(tài)的用戶；

11、處于游客狀態(tài)的用戶在接觸到處于分享狀態(tài)或點(diǎn)贊狀態(tài)的用戶所推薦的短視頻后，將以平均分享概率進(jìn)行分享操作，進(jìn)而轉(zhuǎn)化為處于分享狀態(tài)的用戶；

12、處于點(diǎn)贊狀態(tài)的用戶以第一深度吸引概率轉(zhuǎn)化為處于分享狀態(tài)的用戶，處于分享狀態(tài)的用戶以第二深度吸引概率轉(zhuǎn)化為處于點(diǎn)贊狀態(tài)的用戶；

13、處于分享狀態(tài)的用戶以平均分享免疫速率轉(zhuǎn)化為處于免疫狀態(tài)的用戶，處于點(diǎn)贊狀態(tài)的用戶以平均點(diǎn)贊免疫速率轉(zhuǎn)化為處于免疫狀態(tài)的用戶。

14、可選的，所述輿情熱度監(jiān)測(cè)模型為根據(jù)所述動(dòng)力學(xué)傳播機(jī)制構(gòu)建的微分動(dòng)力學(xué)方程，所述輿情熱度監(jiān)測(cè)模型包括：

15、

16、

17、

18、

19、其中，v(t)為時(shí)刻t處于游客狀態(tài)的個(gè)體總數(shù)，l(t)為時(shí)刻t處于點(diǎn)贊狀態(tài)的個(gè)體總數(shù)，s(t)為時(shí)刻t處于分享狀態(tài)的個(gè)體總數(shù)，i(t)為時(shí)刻t處于免疫狀態(tài)的個(gè)體總數(shù)，l1是平均點(diǎn)贊接觸速率，l2是平均分享接觸速率，k1是平均點(diǎn)贊概率，k2是平均分享概率，t1是第一深度吸引概率，t2是第二深度吸引概率，m1是平均點(diǎn)贊免疫速率，m2是平均分享免疫速率。

20、可選的，所述輿情傳播指標(biāo)體系中的指標(biāo)包括：

21、基于點(diǎn)贊和分享行為的短視頻傳播可再生數(shù)；

22、基于點(diǎn)贊和分享行為的短視頻傳播峰值和傳播最終規(guī)模；

23、基于點(diǎn)贊和分享行為的短視頻傳播時(shí)間；

24、基于點(diǎn)贊和分享行為的短視頻傳播速率。

25、在一實(shí)施例中，所述短視頻傳播可再生數(shù)的計(jì)算過(guò)程包括：

26、獲取如下公式：

27、

28、其中，表示對(duì)向量x中的各元素求導(dǎo)，x＝(l(t)，s(t))t，

29、

30、假設(shè)存在無(wú)短視頻傳播平衡態(tài)(ls)0＝(v0,0,0,0)，v0為易受影響的游客群體總量初始值，則根據(jù)m和v在無(wú)短視頻傳播平衡態(tài)時(shí)的導(dǎo)數(shù)

31、

32、

33、通過(guò)計(jì)算特征方程的根，推導(dǎo)矩陣mv-1的特征值

34、

35、得到作為所述短視頻傳播可再生數(shù)的特征根：

36、

37、可選的，在利用最小二乘法估計(jì)所述模型參數(shù)和所述游客群體總量初始值的過(guò)程中，設(shè)置參數(shù)向量θ＝(l1，l2，k1，k2，t1，t2，m1，m2，v0)，以得到最小二乘誤差函數(shù)：

38、

39、其中，ls為殘差平方和，和分別表示短視頻的理論點(diǎn)贊累積量和理論分享累積量，向量idlk和idsk分別表示短視頻的實(shí)際點(diǎn)贊累積量和實(shí)際分享累積量，k＝0,1,2,…，t為采樣時(shí)間。

40、第二方面，本說(shuō)明書實(shí)施例提供了一種輿情熱度監(jiān)測(cè)的裝置，包括：數(shù)據(jù)收集模塊，用于在目標(biāo)短視頻社交平臺(tái)收集目標(biāo)短視頻的原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括用戶點(diǎn)贊累積量、用戶轉(zhuǎn)發(fā)累積量、用戶點(diǎn)贊時(shí)間和用戶轉(zhuǎn)發(fā)時(shí)間；模型構(gòu)建模塊，用于根據(jù)所述目標(biāo)短視頻社交平臺(tái)中的動(dòng)力學(xué)傳播機(jī)制，構(gòu)建輿情熱度監(jiān)測(cè)模型，所述動(dòng)力學(xué)傳播機(jī)制根據(jù)對(duì)所述目標(biāo)短視頻社交平臺(tái)中的用戶狀態(tài)的分類結(jié)果確定；參數(shù)估計(jì)模塊，用于以所述原始信息數(shù)據(jù)為驅(qū)動(dòng)，利用最小二乘法估計(jì)所述輿情熱度監(jiān)測(cè)模型的模型參數(shù)和游客群體總量初始值；指標(biāo)監(jiān)測(cè)模塊，用于基于所述模型參數(shù)和所述游客群體總量初始值，通過(guò)所述輿情熱度監(jiān)測(cè)模型確定所述目標(biāo)短視頻的輿情傳播指標(biāo)體系中各個(gè)指標(biāo)的值，以作為針對(duì)所述目標(biāo)短視頻的輿情熱度監(jiān)測(cè)的結(jié)果。

41、可選的，所述分類結(jié)果包括：

42、游客狀態(tài)、點(diǎn)贊狀態(tài)、分享狀態(tài)和免疫狀態(tài)；

43、其中，處于游客狀態(tài)的用戶為未瀏覽到目標(biāo)短視頻的用戶；

44、處于點(diǎn)贊狀態(tài)的用戶為已點(diǎn)贊所述目標(biāo)短視頻的用戶；

45、處于分享狀態(tài)的用戶為已分享所述目標(biāo)短視頻的用戶；

46、處于免疫狀態(tài)的用戶由兩部分組成：一種是處于點(diǎn)贊狀態(tài)或分享狀態(tài)的時(shí)間超過(guò)曝光期的用戶，另一種是瀏覽過(guò)所述目標(biāo)短視頻但未進(jìn)入點(diǎn)贊狀態(tài)和/或分享狀態(tài)的用戶。

47、可選的，所述目標(biāo)短視頻社交平臺(tái)的輿情熱度的動(dòng)力學(xué)傳播機(jī)制，包括：

48、處于游客狀態(tài)的用戶在接觸到處于分享狀態(tài)或點(diǎn)贊狀態(tài)的用戶所推薦的短視頻后，將以平均點(diǎn)贊概率進(jìn)行點(diǎn)贊操作，進(jìn)而轉(zhuǎn)化為處于點(diǎn)贊狀態(tài)的用戶；

49、處于游客狀態(tài)的用戶在接觸到處于分享狀態(tài)或點(diǎn)贊狀態(tài)的用戶所推薦的短視頻后，將以平均分享概率進(jìn)行分享操作，進(jìn)而轉(zhuǎn)化為處于分享狀態(tài)的用戶；

50、處于點(diǎn)贊狀態(tài)的用戶以第一深度吸引概率轉(zhuǎn)化為處于分享狀態(tài)的用戶，處于分享狀態(tài)的用戶以第二深度吸引概率轉(zhuǎn)化為處于點(diǎn)贊狀態(tài)的用戶；

51、處于分享狀態(tài)的用戶以平均分享免疫速率轉(zhuǎn)化為處于免疫狀態(tài)的用戶，處于點(diǎn)贊狀態(tài)的用戶以平均點(diǎn)贊免疫速率轉(zhuǎn)化為處于免疫狀態(tài)的用戶。

52、可選的，所述輿情熱度監(jiān)測(cè)模型為根據(jù)所述動(dòng)力學(xué)傳播機(jī)制構(gòu)建的微分動(dòng)力學(xué)方程，所述輿情熱度監(jiān)測(cè)模型包括：

53、

54、

55、

56、

57、其中，v(t)為時(shí)刻t處于游客狀態(tài)的個(gè)體總數(shù)，l(t)為時(shí)刻t處于點(diǎn)贊狀態(tài)的個(gè)體總數(shù)，s(t)為時(shí)刻t處于分享狀態(tài)的個(gè)體總數(shù)，i(t)為時(shí)刻t處于免疫狀態(tài)的個(gè)體總數(shù)，l1是平均點(diǎn)贊接觸速率，l2是平均分享接觸速率，k1是平均點(diǎn)贊概率，k2是平均分享概率，t1是第一深度吸引概率，t2是第二深度吸引概率，m1是平均點(diǎn)贊免疫速率，m2是平均分享免疫速率。

58、可選的，所述輿情傳播指標(biāo)體系中的指標(biāo)包括：

59、基于點(diǎn)贊和分享行為的短視頻傳播可再生數(shù)；

60、基于點(diǎn)贊和分享行為的短視頻傳播峰值和傳播最終規(guī)模；

61、基于點(diǎn)贊和分享行為的短視頻傳播時(shí)間；

62、基于點(diǎn)贊和分享行為的短視頻傳播速率。

63、可選的，所述短視頻傳播可再生數(shù)的計(jì)算過(guò)程包括：

64、獲取如下公式：

65、

66、其中，表示對(duì)向量x中的各元素求導(dǎo)，x＝(l(t)，s(t))t，

67、

68、假設(shè)存在無(wú)短視頻傳播平衡態(tài)(ls)0＝(v0,0,0,0)，v0為易受影響的游客群體總量初始值，則根據(jù)m和v在無(wú)短視頻傳播平衡態(tài)時(shí)的導(dǎo)數(shù)

69、

70、

71、通過(guò)計(jì)算特征方程的根，推導(dǎo)矩陣mv-1的特征值

72、

73、得到作為所述短視頻傳播可再生數(shù)的特征根：

74、

75、可選的，在利用最小二乘法估計(jì)所述模型參數(shù)和所述游客群體總量初始值的過(guò)程中，設(shè)置參數(shù)向量θ＝(l1，l2，k1，k2，t1，t2，m1，m2，v0)，以得到最小二乘誤差函數(shù)：

76、

77、其中，ls為殘差平方和，和分別表示短視頻的理論點(diǎn)贊累積量和理論分享累積量，向量idlk和idsk分別表示短視頻的實(shí)際點(diǎn)贊累積量和實(shí)際分享累積量，k＝0,1,2,…，t為采樣時(shí)間。

78、第三方面，本說(shuō)明書實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備包括處理器、存儲(chǔ)器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的程序或指令，所述程序或指令被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的方法的步驟。

79、第四方面，本說(shuō)明書實(shí)施例提供了一種可讀存儲(chǔ)介質(zhì)，所述可讀存儲(chǔ)介質(zhì)上存儲(chǔ)程序或指令，所述程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的方法的步驟。

80、第五方面，本說(shuō)明書實(shí)施例提供了一種芯片，所述芯片包括處理器和通信接口，所述通信接口和所述處理器耦合，所述處理器用于運(yùn)行程序或指令，實(shí)現(xiàn)如第一方面所述的方法。

81、在本說(shuō)明書實(shí)施例中，利用目標(biāo)短視頻社交平臺(tái)中的動(dòng)力學(xué)傳播機(jī)制構(gòu)建輿情熱度監(jiān)測(cè)模型，使用最小二乘法基于原始信息數(shù)據(jù)估計(jì)所述輿情熱度監(jiān)測(cè)模型的模型參數(shù)和游客群體總量初始值，進(jìn)而估算輿情傳播指標(biāo)體系中各個(gè)指標(biāo)的值。該過(guò)程在考慮了短視頻社交平臺(tái)中游客、分享、點(diǎn)贊、免疫等傳播機(jī)制的基礎(chǔ)上，構(gòu)建了符合短視頻傳播特征的輿情熱度監(jiān)測(cè)模型，實(shí)現(xiàn)了對(duì)短視頻平臺(tái)輿情熱度傳播的監(jiān)測(cè)分析，為互聯(lián)網(wǎng)業(yè)務(wù)保障提供了支撐數(shù)據(jù)，進(jìn)而可以提高網(wǎng)絡(luò)運(yùn)維效率及故障處理效率，助力網(wǎng)絡(luò)運(yùn)維及網(wǎng)絡(luò)的質(zhì)量提升。