基于LSTM算法的網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)

門玉霞

(自貢市第一人民醫(yī)院，四川，自貢 643000)

0 引言

網(wǎng)絡新聞已經(jīng)成為當前網(wǎng)絡信息載體的主流，日益發(fā)展成為人類日常生活中不可缺少的一部分，傳統(tǒng)的新聞獲取方式已經(jīng)逐漸被網(wǎng)絡所代替[1]。由于網(wǎng)絡具有實時性、便捷性等優(yōu)勢[2-3]，人們主要通過電子設備在網(wǎng)絡上了解最新的新聞資訊，不再需要購買報紙或者雜志等[4]。現(xiàn)階段如何預測網(wǎng)絡新聞信息傳播流行度成為研究的熱點話題。相關專家針對該方面的內(nèi)容展開了大量的研究，例如朱琛剛等[5]采用行為動力學分類方法將節(jié)目流行度演化過程劃分為4種不同類型，通過雙種群粒子優(yōu)化的最小二乘支持向量機對不同類型分別組建流行度預測模型，通過模型進一步構(gòu)建對應的預測系統(tǒng)。鮑鵬等[6]通過圖注意力機制學習在線內(nèi)容級聯(lián)結(jié)構(gòu)表示，采用時序卷積網(wǎng)絡捕獲傳播級聯(lián)的時序特征建立對應的系統(tǒng)，同時通過全卷積映射在線內(nèi)容流行度預測。以上2種系統(tǒng)現(xiàn)階段雖然取得了較為滿意的研究成果，但是由于未能將短期記憶網(wǎng)絡(LSTM)算法應用到網(wǎng)絡新聞信息傳播流行度預測中，造成網(wǎng)絡新聞信息傳播流行度預測準確率減少，響應時間和預測費用大幅度增加。為了全面提升所設計系統(tǒng)的綜合性能，結(jié)合LSTM算法，提出一種網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)。仿真實驗結(jié)果表明，所設計系統(tǒng)能夠有效提升網(wǎng)絡新聞信息傳播流行度預測準確率，降低預測響應時間和預測費用。

1 基于LSTM算法的網(wǎng)絡新聞信息傳播流行度預測

建立網(wǎng)絡新聞信息傳播模型的主要目的是對網(wǎng)絡新聞的傳播方式進行描述，在網(wǎng)絡新聞中，用戶狀態(tài)可以劃分為4種不同的形式，分別為

(1) 傳播狀態(tài)；

(2) 未知狀態(tài)；

(3) 辨別狀態(tài)；

(4) 免疫狀態(tài)。

在組建狀態(tài)轉(zhuǎn)移方程的過程中，需要全面考慮用戶對網(wǎng)絡新聞信息的感興趣程度[7]，以此為基礎建立網(wǎng)絡新聞信息傳播模型。整個模型主要包含3種不同傳播規(guī)則，具體如下。

(1) 當系統(tǒng)運行初始階段只有一個用戶的狀態(tài)為傳播時，剩余用戶均為易感狀態(tài)。

(2) 通過自身概率完成狀態(tài)轉(zhuǎn)換。

(3) 將系統(tǒng)處于感染狀態(tài)的節(jié)點進行狀態(tài)轉(zhuǎn)換，確保其不會再次被感染。

SIR模型是傳染病模型中最經(jīng)典的模型。其中，S表示易感者，I表示感染者，R表示移除者。其中，SIR(susceptible infected recovered model)模型的傳播規(guī)則，如圖1所示。

圖1 SIR模型的傳播規(guī)則

隨著時間的推移，SIR模型可以表示為以下的形式[8]：

(1)

式中，a表示網(wǎng)絡新聞傳播的感染率,b表示網(wǎng)絡新聞傳播的恢復率,t為某個時刻，例如t=1，S(1)為第一天網(wǎng)絡新聞傳播的人數(shù)。無論t為什么時刻，總?cè)藬?shù)是不變的，即N(t)=S(t)+I(t)+R(t)。人口總數(shù)總保持一個常數(shù)，即N(t)=k，不考慮人口的出生、死亡、遷移等因素。

在上述分析的基礎上，需要獲取模型的應用場景。網(wǎng)絡新聞信息傳播模型設定各個節(jié)點共計包含4種不同的狀態(tài)，其中辨識狀態(tài)是未知狀態(tài)的下一個狀態(tài)，主要目的是利用狀態(tài)節(jié)點接收鄰近節(jié)點所轉(zhuǎn)發(fā)的信息，同時該節(jié)點不會主動向其他節(jié)點轉(zhuǎn)發(fā)所接收到的信息。只有當系統(tǒng)內(nèi)的用戶對網(wǎng)絡新聞信息產(chǎn)生興趣或者是其本身具有一定的吸引力時，可以考慮是否進行信息轉(zhuǎn)發(fā)。當需要進行信息轉(zhuǎn)發(fā)時，將節(jié)點狀態(tài)轉(zhuǎn)換為傳播狀態(tài)，同時主動將該條網(wǎng)絡新聞信息向鄰近節(jié)點傳播；反之，當不需要進行信息傳播時，則節(jié)點保持自身狀態(tài)不變。

在建立模型的過程中，主要是在傳播概率的基礎上進行計算，當組建狀態(tài)轉(zhuǎn)移方程時，需要引入網(wǎng)絡新聞信息價值和用戶行為，通過用戶影響因子和記憶效應因子、信息參與談論等信息進行分析研究。

在上述分析的基礎上，可以將信息傳播模型拓展為

G=(V,E,I,h,p)

(2)

式中，V表示網(wǎng)絡新聞信息初始狀態(tài)集合，h代表社會參與信息的熱度，I代表用戶對網(wǎng)絡新聞信息的感興趣程度；p表示為網(wǎng)絡新聞信息傳播狀態(tài)轉(zhuǎn)換的概率，在初始狀態(tài)集合V中任意選取一個節(jié)點i作為傳播節(jié)點，此時該節(jié)點已經(jīng)接收到信息[8-9]，同時會主動向其它鄰近節(jié)點進行信息傳播。S(t)代表在t時間段內(nèi)接收到信息的用戶集合，在t+1時間段內(nèi)會有一個不屬于集合S(t)的新節(jié)點將來自鄰近節(jié)點轉(zhuǎn)發(fā)的消息一次性接收。其中，S(t)可以設定為以下的形式：

(3)

節(jié)點j的狀態(tài)主要是通過辨別狀態(tài)轉(zhuǎn)換為傳播狀態(tài)的概率進行設定[10]，具體的計算式為

(4)

式中，wij代表節(jié)點i和節(jié)點j之間的連接權(quán)重，可以表示為式(5)的形式：

(5)

(6)

nj代表節(jié)點j在t時刻之前所接收到的信息次數(shù)，即：

(7)

在上述分析的基礎上，模型的傳播過程可以描述為設定網(wǎng)絡新聞信息傳播的初始狀態(tài)只有一個隨機選取的傳播節(jié)點，剩余節(jié)點均為未知狀態(tài)，此時辨別狀態(tài)和免疫狀態(tài)的節(jié)點數(shù)量均為0；然后，從初始傳播節(jié)點開始按照節(jié)點數(shù)量進行排序，將各個節(jié)點轉(zhuǎn)為辨別狀態(tài)。其中需要注意的是，需要結(jié)合節(jié)點自身信息的熱度以及用戶對網(wǎng)絡新聞信息的感興趣程度判定是否需要進行狀態(tài)轉(zhuǎn)換以及擴散[11-12]；最后，傳播節(jié)點在成功將鄰近節(jié)點的狀態(tài)轉(zhuǎn)換為傳播狀態(tài)后，將被轉(zhuǎn)換的鄰近節(jié)點繼續(xù)傳播下去，直至整個網(wǎng)絡中不再有新的節(jié)點需要轉(zhuǎn)換。

2 網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)設計

需求分析是實現(xiàn)網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)設計的重要步驟。在當前的信息時代背景下，社會人士均需要在網(wǎng)上獲取有價值的信息，其中信息的獲取途徑也是多種多樣，主要包括：各類社交網(wǎng)絡以及網(wǎng)絡電視等。新聞信息傳播流行度預測系統(tǒng)的用戶用例圖如圖2所示。

需要使用新聞抓取模塊在互聯(lián)網(wǎng)上的新聞網(wǎng)站抓取對應的新聞數(shù)據(jù)，系統(tǒng)抓取數(shù)據(jù)后，需要將其存儲到后臺數(shù)據(jù)中，用戶利用不同網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)。在用戶的訪問期間[13]，需要通過Web服務器收集和記錄用戶的行為數(shù)據(jù)，網(wǎng)絡新聞信息傳播流行度預測主要通過用戶的行為數(shù)據(jù)組建更新用戶的偏好模型，結(jié)合用戶的偏好模型進行網(wǎng)絡新聞信息傳播流行度預測。整個系統(tǒng)主要由以下幾個模塊組成，如圖3所示。

圖2 網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)用戶用例圖

圖3 網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)框架圖

(1) 網(wǎng)絡新聞信息抓取和存儲模塊

系統(tǒng)本身不具有產(chǎn)生新聞的功能，需要通過該模塊在互聯(lián)網(wǎng)上進行新聞網(wǎng)站爬取，重點需要新聞標題、子標題以及新聞URL等信息，確保網(wǎng)絡新聞信息的抓取具有較快的響應速度，同時盡量避免影響其它用戶。

(2) 網(wǎng)絡新聞信息展示模塊

搭建網(wǎng)站，確保用戶可以采用瀏覽器打開頁面進行訪問。用戶所看到的網(wǎng)絡新聞信息，可以劃分為3個部分，如圖4所示。

需要在系統(tǒng)的首頁為用戶展示網(wǎng)絡新聞信息傳播流行度預測結(jié)果。

圖4 網(wǎng)絡新聞信息展示模塊的組成

(3) 相關內(nèi)容引導模塊

當用戶瀏覽一篇新的文章時，可能會對網(wǎng)絡新聞中涉及到的內(nèi)容感興趣，所以想要更加深入了解信息的需求，需要通過該模塊提供對應新聞的跳轉(zhuǎn)連接。

(4) 數(shù)據(jù)預處理模塊

在網(wǎng)站中爬取的網(wǎng)絡新聞信息無法直接應用于網(wǎng)絡新聞信息傳播流行度預測中[14-15]。數(shù)據(jù)預處理是網(wǎng)絡新聞信息傳播流行度預測的基礎，通過該步驟能夠有效過濾無利用價值的詞語，同時節(jié)省計算時間，降低噪聲產(chǎn)生的影響。

(5) 網(wǎng)絡新聞信息傳播流行度預測模塊

進行網(wǎng)絡新聞信息傳播流行度預測是整個系統(tǒng)的核心，同時也是體現(xiàn)所設計系統(tǒng)和其它系統(tǒng)的不同所在。網(wǎng)絡新聞信息傳播流行度預測針對獲取的新聞數(shù)據(jù)進行傳播流行度預測。

(6) 網(wǎng)絡新聞信息管理模塊

對于系統(tǒng)而言，除了在網(wǎng)站爬取新聞數(shù)據(jù)外，還需要擁有獨家發(fā)布新聞的功能，從而促使所設計的系統(tǒng)更具有特色，所以該模塊重點負責網(wǎng)絡新聞信息管理工作。

3 仿真實驗

為了驗證所設計基于LSTM算法的網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)的有效性，本文以自貢市第一人民醫(yī)院為實驗對象，實驗數(shù)據(jù)來自自貢市第一人民醫(yī)院論壇，將全部帖子進行加工處理，具體數(shù)據(jù)如表1所示。

表1 帖子數(shù)據(jù)集

(1) 網(wǎng)絡新聞信息傳播流行度預測準確率

經(jīng)過多次實驗和參數(shù)調(diào)整，獲取如圖5所示的網(wǎng)絡新聞信息傳播流行度預測準確率對比結(jié)果。

圖5 網(wǎng)絡新聞信息傳播流行度預測準確率

分析圖5中的實驗數(shù)據(jù)可知，當運行時間為0.5 s時，文獻[5]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為83%，文獻[6]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為87%，本文系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為94%。當運行時間為2.0 s時，文獻[5]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為72%，文獻[6]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為79%，本文系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測準確率為90%。本文方法具有較高的網(wǎng)絡新聞信息傳播流行度預測準確率。這是因為本文系統(tǒng)在實際應用的過程中將LSTM算法應用到系統(tǒng)中，促使整個系統(tǒng)的預測準確率得到大幅度提升。

(2) 網(wǎng)絡新聞信息傳播流行度預測響應時間

利用表2給出3種不同系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間對比結(jié)果。

表2 不同系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間對比結(jié)果

分析表2可知，當樣本數(shù)量為200個時，文獻[5]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為17 ms，文獻[6]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為20 ms，本文系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為15 ms。當樣本數(shù)量為300個時，文獻[5]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為23 ms，文獻[6]系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為27 ms，本文系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間為20 ms。相比另外2種系統(tǒng)，所設計系統(tǒng)的網(wǎng)絡新聞信息傳播流行度預測響應時間明顯更低一些，最為主要的原因是本文系統(tǒng)在設計的過程中引入了LSTM算法進行網(wǎng)絡新聞信息傳播流行度預測，有效剔除無用的詞語，促使整個系統(tǒng)的響應時間得到有效降低。

(3) 預測費用

為了更加全面驗證所設計系統(tǒng)的有效性，以下實驗測試對比不同系統(tǒng)的預測費用，具體實驗對比結(jié)果如表3所示。

表3 不同系統(tǒng)的預測費用對比結(jié)果

分析表3可知，當樣本數(shù)量為200個時，文獻[5]系統(tǒng)的預測費用為176元，文獻[6]系統(tǒng)的預測費用為189元，本文系統(tǒng)系統(tǒng)的預測費用為163元。當樣本數(shù)量為350個時，文獻[5]系統(tǒng)的預測費用為236元，文獻[6]系統(tǒng)的預測費用為248元，本文系統(tǒng)的預測費用為223元。所設計系統(tǒng)的預測費用在3種系統(tǒng)中為最低，最為主要的目的是所設計系統(tǒng)通過LSTM算法進行網(wǎng)絡新聞信息傳播流行度預測，在計算的過程中濾除了大量無利用價值的信息，促使整個系統(tǒng)的預測費用得到有效降低。

4 總結(jié)

由于現(xiàn)已有系統(tǒng)已經(jīng)無法滿足現(xiàn)階段的發(fā)展需求，為此結(jié)合LSTM算法，提出一種基于LSTM算法的網(wǎng)絡新聞信息傳播流行度預測系統(tǒng)。仿真實驗結(jié)果表明，所設計系統(tǒng)能夠有效提升網(wǎng)絡新聞信息傳播流行度預測準確率，降低網(wǎng)絡新聞信息傳播流行度預測響應時間以及預測費用。

盡管本文方法具有以上優(yōu)點，但是仍然存在各種外界突發(fā)因素的干擾，網(wǎng)絡新聞信息預測準確率需要進一步提高。