[發明專利]一種網絡輿情分析方法

有效

• 申請號: 201310072137.3
• 申請日: 2013-03-07
• 公開（公告）號: CN103150432A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 高云棋;田丹;郭成林;劉紅玉;劉丹;彭春林
• 申請（專利權）人: 寧波成電泰克電子信息技術發展有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 成都宏順專利代理事務所(普通合伙) 51227
• 代理人: 周永宏

1.一種網絡輿情分析方法，具體包括如下步驟：

S1：參數初始化：

待匹配的關鍵詞表，包含若干個用于描述輿情信息的關鍵詞，以及該關鍵詞對應的主題編號；待匹配的關鍵句式表，包含若干個描述輿情信息的句式的正則表達式，以及該關鍵句式的所述主題編號；主題編號到主題性質與主題權值的映射表；

S2：從待匹配的關鍵詞表中讀入每個要匹配的關鍵詞，并將每個詞語加入到AC自動機的詞語樹前綴中，完成詞語樹構建；

S3：從待匹配的關鍵句式表中讀入每種句式對應的正則表達式；

S4：讀入待分析頁面，提取待分析頁面的正文部分；

S5：遍歷正文，匹配正文中出現的關鍵詞并計算出每一個關鍵詞出現的次數，同時根據待匹配的關鍵詞表查詢出每個關鍵詞對應的主題編號；

S6：將正文部分中的內容根據標點或者空格劃分為若干句，刪去其中字數小于θs的句子，對于剩余的句子，進行關鍵句式匹配，其中，θ_s為預先設置的最小句子長度閾值；

S7：根據步驟S5和S6匹配結果，確定正文部分的主題組合；

S8：根據映射表，以及步驟S7得到的正文部分的主題組合，按如下公式計算正文的輿情指數：

R=A₁S_S+A₂S_N-A₃S_P-A₄S_I-A₅S_F；

其中，S_S為文章中出現的敏感類問題的權值和，S_N為負面情感主題的權值和，S_P為正面情感主題的權值和，S_I為非輿情類主題的權值和，S_F為描述國外情形主題的權值和，A₁、A₂、A₃、A₄、A₅為預先設置的經驗參數；

S9：根據步驟S7和S8結果，若R≥Tr且文章中不包含用戶設定的過濾關鍵字，同時文章描述內容涉及地區與用戶設定的關注地區一致，則認定該正文為用戶關心的輿情信息，其中，Tr為預先設置的認定一篇文章為輿情的最小門限值。

2.根據權利要求1所述的網絡輿情分析方法，其特征在于，所述步驟S4提取待分析頁面的正文部分的具體過程如下：

S401：利用正則表達式匹配方法，根據頁面的原始URL地址，以及頁面HTML代碼中包含的關鍵代碼，判斷出頁面的所述類型；

S402：如果頁面屬于某一新聞網站或者博客，則提取所有文章段落，并將文章的標題以單獨段落計入正文；如果頁面屬于某一論壇，對于每個討論帖，將發帖人的主帖部分和該討論帖內發帖人字數大于θ_f的回帖合并作為正文，并將其他字數大于2θ_f的跟帖作為單獨的正文進行分析，其中，θ_f為預先設置的一個論壇回帖可以被分析所需的最小字數；如果頁面屬于某一微博客，將每條字數大于的θ_m發言看作正文并進行單獨分析，其中，θ_m為預先設置的微博跟帖可以被分析所需的最小字數。

3.根據權利要求1所述的網絡輿情分析方法，其特征在于，所述步驟S6進行關鍵句式匹配的具體過程如下：

S601：讀出待匹配的關鍵句式表中的一個正則表達式，用該正則表達式匹配該句子；

S602：若S601所述正則表達式匹配成功，則認定該句子為正則表達式對應的關鍵句式，記錄該句式對應的主題編號，并將該句式出現次數增加1；若S601所述正則匹配不成功，則繼續執行步驟S601，直到所有正則表達式匹配完畢。

4.根據權利要求1所述的網絡輿情分析方法，其特征在于，所述步驟S7中確定正文部分的主題組合具體為：對于長文本，某一主題內包含的主題詞或者關鍵句要在文中出現的次數不小于θ_z1次，則認為正文部分涉及該主題；對于短文本，某一主題內包含的主題詞或者關鍵句在文中出現的次數不小于θ_z2，則認為正文部分涉及該主題，其中，θ_z1、θ_z2為預先設置的閾值。

5.根據權利要求1所述的網絡輿情分析方法，其特征在于，所述的長文本具體為新聞、博客和論壇正文；所述的短文本具體為論壇回帖或者微博。