一种基于文本智能挖掘的政策热点预测方法

摘要

本发明公开了一种基于文本智能挖掘的政策热点预测方法，包括步骤一：选择原始文本，拆分文本内容，基于TF‑IDF算法抽取关键词；步骤二：基于知识图谱的识别政策文本实体；步骤三：利用对比类推的思想进行差异性与空白点预测；步骤四：利用灰色预测模型得到未来政策文本的关键词词频的预测值；步骤五：基于关键词词集构建网络图，利用K‑means方法进行主题聚类，基于主题之间的相似性矩阵，将专家、智库、媒体、政策等不同类型因素作为调控因子纳入模型中调控预测结果的权重。本发明借助内容分析与对比类推思想，纵向分析历史数据，横向对比国际政策，充分利用了政策文本，提取、构建关键词网络，在此基础上聚类并预测，可获得相对准确的预测结果。