基于新闻的群体建模与预测

本文利用我们大规模自然语言处理 (NLP) 文本分析系统生成的定量数据，研究了新闻群体建模与预测方法。新闻群体是一组新闻实体，如美国主要城市、州长、参议员、高尔夫球手或电影演员。我们对新闻群体的知名度分布分析表明，对数正态分布和幂律分布通常可以从多个方面描述新闻群体。我们使用了包括城市、政治家和计算机科学教授在内的多个真实新闻群体，从时间序列数据分布分析、群体知名度概率分析以及长期知名度变化分析等角度评估了我们的新闻群体模型。我们还构建了一个基于隐马尔可夫模型 (HMM) 方法的实用新闻生成模型。最重要的是，我们的分析表明，未来实体的知名度分布具有幂律尾部。也就是说，一个群体中只有少数新闻实体在未来会变得非常著名。基于这些分析，我们能够回答一些有趣的预测问题——例如，特定新闻群体未来的平均知名度（或最大知名度）是多少？某个新闻实体在未来特定时间范围内变得非常著名的概率是多少？我们还提供了具体示例来说明我们的预测方法。