1.一种网络热点分析方法,其特征在于,包括:
获取网络中的用户属性、网络属性和用户关联性数据;
对所述用户属性进行预处理,结合用户影响因素集合,得到关键网络用户集合;
将所述用户属性和所述网络属性输入至预先训练好的网络关键词分类模型中,得到所述网络关键词分类模型输出的高频网络关键词分类结果;其中所述网络关键词分类模型是基于网络信息样本集合,以及按照网络热点分类标签训练得到的;
基于所述用户关联性数据,计算得到关键网络行为影响力;
根据所述关键网络用户集合和所述关键网络行为影响力,对所述高频网络关键词分类结果的传播趋势进行分析,得到网络热点分析结果。
2.根据权利要求1所述的网络热点分析方法,其特征在于,所述获取网络中的用户属性、网络属性和用户关联性数据,具体包括:
调用网络平台的api,采用网络爬虫算法采集所述用户属性、所述网络属性和所述用户关联性数据。
3.根据权利要求1所述的网络热点分析方法,其特征在于,所述对所述用户属性进行预处理,结合用户影响因素集合,得到关键网络用户集合,具体包括:
消除无关联的用户属性,结合关联的用户属性,计算用户自身的影响力,得到所述关键网络用户集合。
4.根据权利要求1所述的网络热点分析方法,其特征在于,所述网络关键词分类模型,通过以下步骤获得:
获取网络话题数据,从所述网络话题数据中提取预定义文件,并基于预设条件从所述预定义文件中提取数据样本;
将所述数据样本进行归一化处理,得到所述网络信息样本集合;
获取关键词预设阈值,根据所述关键词预设阈值得到所述网络热点分类标签;
按照所述网络热点分类标签将所述网络信息样本集合进行分类,生成用于训练的若干个数据集;
获取改进的bp神经网络作为初始模型;
将所述若干个数据集输入所述初始模型进行训练,得到所述网络关键词分类模型。
5.根据权利要求1所述的网络热点分析方法,其特征在于,所述基于所述用户关联性数据,计算得到关键网络行为影响力,具体包括:
分析用户之间存在的影响概率,以及用户好友之间的联合影响概率,得到所述关键网络行为影响力。
6.根据权利要求1所述的网络热点分析方法,其特征在于,所述根据所述关键网络用户集合和所述关键网络行为影响力,对所述高频网络关键词分类结果的传播趋势进行分析,得到网络热点分析结果,具体包括:
根据所述关键网络用户集合设置现有网络的社交网络有向图;
根据所述关键网络行为影响力构建现有的用户行为日志表;
基于所述社交网络有向图和所述用户行为日志表,计算所述高频网络关键词分类结果的传播趋势,得到所述网络热点分析结果。
7.根据权利要求1至6任一项权利要求所述的网络热点分析方法,其特征在于,该方法还包括:
将分析得到的网络热点放入热点资源池;
将分析得到的网络非热点经过预设时间段验证后,若满足网络热点条件,则将所述网络非热点放入所述热点资源池,否则,放入历史数据集。
8.一种网络热点分析系统,其特征在于,包括:
获取模块,用于获取网络中的用户属性、网络属性和用户关联性数据;
预处理模块,用于对所述用户属性进行预处理,结合用户影响因素集合,得到关键网络用户集合;
分类模块,用于将所述用户属性和所述网络属性输入至预先训练好的网络关键词分类模型中,得到所述网络关键词分类模型输出的高频网络关键词分类结果;其中所述网络关键词分类模型是基于网络信息样本集合,以及按照网络热点分类标签训练得到的;
计算模块,用于基于所述用户关联性数据,计算得到关键网络行为影响力;
分析模块,用于根据所述关键网络用户集合和所述关键网络行为影响力,对所述高频网络关键词分类结果的传播趋势进行分析,得到网络热点分析结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述网络热点分析方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述网络热点分析方法的步骤。