[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

技術領域

本發明屬于網絡信息處理技術領域，具體涉及一種網絡輿情分析方法。?

背景技術

隨著互聯網技術的不斷發展，網絡已經成為人們相互交流的重要的平臺之一。由于互聯網的自由和開放性，任何人均可以在論壇、博客、微博等新興媒體上發布言論，同時也帶來了互聯網輿情和不良信息傳播等一系列問題，一旦某條信息沒有及時被監測到，就很容易引發謠言散播，甚至引發群體性事件，從而為社會帶來不穩定因素。因而，有必要提出一種快速、有效的方法，對海量規模的網頁進行有針對性的輿情判定。?

CN101408883公開了一種網絡輿情觀點收集方法，該方案主要包括以下步驟：(1)、從爬蟲數據庫中的信息文檔中提取出熱點詞，根據熱點詞，提取熱點詞相關的信息文檔，構成該熱點詞相關的熱點事件文檔集；(2)、在熱點事件文檔集中，提取信息文檔中的關鍵句，構成關鍵句集，在提取關鍵句過程中，在該關鍵句句末添加網民的身份標記，以標記該關鍵句的所屬用戶；(3)、對關鍵句集中的關鍵句進行聚類，對聚類結果按每類句子數對其排序，取句子數最高的前M類，形成M類觀點主題句集；(4)、建立不同類別的情感詞庫，情感詞庫中的每一個詞語對應一個權值，對M類觀點主題句集分別標注其對應的情感詞庫，然后依據情感詞庫，分別對M類觀點主題句集中的關鍵句的情感詞進行情感標記，然后根據情感標記計算出每個關鍵句的情感傾向值，再依據關鍵句的網民的身份標記，計算出每個網民在該觀點主題下的情感傾向值，從而得到某一熱點事件的網絡輿情觀點。?

此該方案雖然能夠解決輿情判定的問題，但是仍存在以下問題：1、由于使用聚類和情感分析方法需要分詞和詞性標注，耗時較長，同時聚類本身也是較為耗時的過程；2、非新聞頁面的標點使用不正規，經常出現以空格代替標點、錯用標點等情況，難以準確提取主題句，而微博因為文字長度較短，更無法以主題句為基本單位進行分析；3、無法根據用戶需求進一步篩選特定輿情信息，如按地區進行篩選、按內容進行篩選等。?

發明內容

本發明的目的是為了解決上述方案中輿情分析耗時較長且準確度不足這一技術問題，提出了一種網絡輿情分析方法。?

本發明的技術方案為：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為正文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且正文中不包含用戶設定的過濾關鍵字，同時正文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為預先設置的認定某一頁面為輿情的最小門限值。?