[發明專利]一種網絡文本輿情分類的方法及系統

有效

• 申請號: 201611260608.3
• 申請日: 2016-12-30
• 公開（公告）號: CN107045524B
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 胥桂仙
• 申請（專利權）人: 中央民族大學
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 11309 北京億騰知識產權代理事務所(普通合伙)
• 代理人: 陳霽

1.一種網絡文本輿情分類的方法，其特征在于，包括以下步驟：

構建敏感詞詞表；

對所述網絡文本進行分詞和去停用詞處理，獲得第一網絡文本；根據所述敏感詞詞表獲得所述第一網絡文本中的敏感詞；根據詞權重計算算法確定所述敏感詞中的熱度敏感詞；對所述熱度敏感詞和所述第一網絡文本進行第二相似度算法計算，并根據計算結果對所述第一網絡文本進行輿情分類；

將所述敏感詞詞表分類成至少一個敏感類別，每個敏感類別包含至少一個關鍵詞；

將所述至少一個關鍵詞與網絡文本進行匹配，獲得匹配結果，根據第一相似度算法及匹配結果對所述網絡文本進行輿情分類；其中，

所述第一相似度算法的公式如下所示：

Sim[D_i，C_j]＝(0.7*n+0.3*m)/|C_j|

其中，D_i表示第一網絡文本，C_j表示敏感類別，n表示D_i和C_j匹配出的詞頻總數，m表示D_i和C_j匹配出的敏感詞次數，|C_j|表示C_j類詞的個數。

2.根據權利要求1所述的方法，其特征在于，所述詞權重計算算法包括以下步驟：

對所述敏感詞詞表中的詞匯所在的文本進行去分詞和去停用詞處理，將所述文本進行文本向量化處理獲得待計算權重的詞匯；

設置Temp表，通過權重計算公式獲得多個所述待計算權重的詞匯的權重值，將所述待計算權重的詞匯的權重值所對應的敏感詞儲存于所述Temp表中，所述敏感詞詞表與網絡文本進行匹配，匹配出的詞存儲所述Temp表中。

3.根據權利要求2所述的方法，其特征在于，所述權重計算公式如下所示：

weight(t_i)＝Title_(t_i)*(1+a)+Content_tf(t_i)

其中，t_i表示Temp表中的每個詞，weight(t_i)表示Temp表中的每個詞的權重，Title_(t_i)表示Temp表中的每個詞在文本標題中出現的次數，Content_tf(t_i)表示Temp表中的每個詞在文本正文中出現的次數，a為預設值，a為正整數。

4.一種網絡文本輿情分類的系統，其特征在于，包括：

處理模塊，用于構建敏感詞詞表；對所述網絡文本進行分詞和去停用詞處理，獲得第一網絡文本；根據所述敏感詞詞表獲得所述第一網絡文本中的敏感詞；根據詞權重計算算法確定所述敏感詞中的熱度敏感詞；對所述熱度敏感詞和所述第一網絡文本進行第二相似度算法計算，并根據計算結果對所述第一網絡文本進行輿情分類；將所述敏感詞詞表分類成至少一個敏感類別，每個敏感類別包含至少一個關鍵詞；

匹配模塊，將所述至少一個關鍵詞與網絡文本進行匹配，獲得匹配結果，根據第一相似度算法及匹配結果對所述網絡文本進行輿情分類；其中，所述匹配模塊具體用于，所述第一相似度算法的公式如下所示：

Sim[D_i，C_j]＝(0.7*n+0.3*m)/|C_j|

其中，D_i表示第一網絡文本，C_j表示敏感類別，n表示詞頻總數，m表示匹配詞數。

5.根據權利要求4所述的系統，其特征在于，所述詞權重計算算法包括以下步驟：

對所述敏感詞詞表中的詞匯所在的文本進行去分詞和去停用詞處理，將所述文本進行文本向量化處理獲得待計算權重的詞匯；

設置Temp表，通過權重計算公式獲得多個所述待計算權重的詞匯的權重值，將所述待計算權重的詞匯的權重值所對應的敏感詞儲存于所述Temp表中，所述敏感詞詞表與網絡文本進行匹配，匹配出的詞存儲所述Temp表中。

6.根據權利要求5所述的系統，其特征在于，所述權重計算公式如下所示：

weight(t_i)＝Title_(t_i)*(1+a)+Content_tf(t_i)

其中，t_i表示Temp表中的每個詞，weight(t_i)表示Temp表中的每個詞的權重，Title_(t_i)表示Temp表中的每個詞在文本標題中出現的次數，Content_tf(t_i)表示Temp表中的每個詞在文本正文中出現的次數，a為預設值，a為正整數。