[發(fā)明專利]一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 201611030961.2
• 申請日: 2016-11-16
• 公開（公告）號: CN106780036A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 都科
• 申請（專利權(quán)）人: 碩橙（廈門）科技有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法，其特征在于包括如下步驟：

步驟1，獲取互聯(lián)網(wǎng)數(shù)據(jù)中針對某項投資的關(guān)注程度；

步驟2，構(gòu)建正負情緒指標；

步驟3，從公開市場獲取當月IPO數(shù)量和當日股票價格波動兩項指標；

步驟4，根據(jù)如下公式計算市場投資者情緒指數(shù)：

市場投資者情緒指數(shù)＝[A/(A+B+C+D)]*關(guān)注程度+[B/(A+B+C+D)]*正負情緒指標+[C/(A+B+C+D)]*當月IPO數(shù)量+[D/(A+B+C+D)]*當日股票價格波動

其中，A，B，C，D分別為關(guān)注程度、正負情緒指標、當月IPO數(shù)量、當日股票價格波動的權(quán)重。

2.如權(quán)利要求1所述的一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法，其特征在于：所述步驟1的詳細內(nèi)容是：根據(jù)上市公司總部所在地對應(yīng)的IP所發(fā)表的關(guān)鍵字進行檢索，針對某項投資，以固定時間段為單位收集相關(guān)指數(shù)，來作為關(guān)注程度，所述相關(guān)指數(shù)是指在固定時間段內(nèi)關(guān)鍵字出現(xiàn)次數(shù)的總和。

3.如權(quán)利要求2所述的一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法，其特征在于：所述固定時間段為每月、每周、每天、每小時或每分鐘。

4.如權(quán)利要求1所述的一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法，其特征在于所述步驟2的詳細內(nèi)容是：

步驟21，采用ORACLE關(guān)系型數(shù)據(jù)庫，包括表guba，表authors，表articles和表comments，通過如下步驟構(gòu)建數(shù)據(jù)庫：

1)發(fā)送HTTP請求至股吧主頁URL，獲取HTML內(nèi)容并解析，記錄page＝1；

2)查找新標簽，遍歷子節(jié)點；

i.將帖子的標題、作者、股吧賬號、發(fā)表日期、最后更新日期存入表articles；

ii.訪問帖子URL，獲取細覽頁HTML內(nèi)容并解析，將內(nèi)容、閱讀數(shù)、評論數(shù)存入表comments；

iii.訪問作者URL，獲取作者頁HTML內(nèi)容并解析，將作者信息存入表authors；

iv.訪問帖子股吧URL，將股吧信息存入表guba；

3)獲取帖子總數(shù)和每頁帖子數(shù)，判斷當前是否為最后一頁，如果不是最后一頁，則訪問下一頁，記錄page＝page+1，重復(fù)步驟2)；

步驟22，基于網(wǎng)頁得到的語義數(shù)據(jù)，通過語義分析領(lǐng)域通用的中文情感極性詞詞典使用SOSA算法進行分析，SOSA算法持續(xù)多次隨機輪詢節(jié)點，并根據(jù)以上方式進行狀態(tài)改變；然后，逐漸將溫度下降，重復(fù)下一輪操作；

步驟23，當輪詢次數(shù)達到預(yù)設(shè)，或滿足停止準則時，結(jié)束重復(fù)過程，以當前結(jié)果作為正負情緒指標。

5.如權(quán)利要求1所述的一種基于互聯(lián)網(wǎng)數(shù)據(jù)采集的情緒指數(shù)構(gòu)建方法，其特征在于：所述步驟4中，權(quán)重的計算方法是：查詢股票實時收益，同時將步驟1-3得到的關(guān)注程度、正負情緒指標、當月IPO數(shù)量、當日股票價格波動代入下式，

股票實時收益＝A*關(guān)注程度+B*正負情緒指標+C*當月IPO數(shù)量+D*當日股票價格波動+殘差

假設(shè)殘差符合正態(tài)分布，應(yīng)用多元線性回歸得出A，B，C，D的值。