摘要：[目的/意義]對社交媒體中熱門新聞的及時識別,有助于加速正面資訊的投送或抑制負面資訊的擴散。當前,基于自然語言處理的傳統(tǒng)識別方法正面臨社交媒體新生態(tài)的挑戰(zhàn):大量新聞內容以圖片、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]對此,本文首先將社交網絡劃分為眾多社群,并按其層次結構組織為貝葉斯網絡。接著,面向社群構建基于卷積神經網絡的熱門新聞識別模型,模型綜合考慮新聞傳播的宏觀統(tǒng)計規(guī)律及微觀傳播過程,以提取社群內熱門新聞傳播的特征。最后,利用貝葉斯推理并結合局部性的模型識別結果進行全局性熱度預測。[結果/結論]實驗表明,本方法在語義缺失場景下可有效識別熱門新聞,其準確度強于基于語義信息的機器學習方法,模型具有良好的時效性、可擴展性和適用性。該研究有助于社交媒體的監(jiān)管機構及時識別出各類不含語義信息且迅速擴散的熱點內容。