摘要：[目的/意義]對(duì)社交媒體中熱門新聞的及時(shí)識(shí)別,有助于加速正面資訊的投送或抑制負(fù)面資訊的擴(kuò)散。當(dāng)前,基于自然語言處理的傳統(tǒng)識(shí)別方法正面臨社交媒體新生態(tài)的挑戰(zhàn):大量新聞內(nèi)容以圖片、音視頻形式存在,缺乏用于語義及情感分析的文本。[方法/過程]對(duì)此,本文首先將社交網(wǎng)絡(luò)劃分為眾多社群,并按其層次結(jié)構(gòu)組織為貝葉斯網(wǎng)絡(luò)。接著,面向社群構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的熱門新聞識(shí)別模型,模型綜合考慮新聞傳播的宏觀統(tǒng)計(jì)規(guī)律及微觀傳播過程,以提取社群內(nèi)熱門新聞傳播的特征。最后,利用貝葉斯推理并結(jié)合局部性的模型識(shí)別結(jié)果進(jìn)行全局性熱度預(yù)測(cè)。[結(jié)果/結(jié)論]實(shí)驗(yàn)表明,本方法在語義缺失場(chǎng)景下可有效識(shí)別熱門新聞,其準(zhǔn)確度強(qiáng)于基于語義信息的機(jī)器學(xué)習(xí)方法,模型具有良好的時(shí)效性、可擴(kuò)展性和適用性。該研究有助于社交媒體的監(jiān)管機(jī)構(gòu)及時(shí)識(shí)別出各類不含語義信息且迅速擴(kuò)散的熱點(diǎn)內(nèi)容。