[發明專利]一種網絡社交媒體觀點傾向性分析系統及方法

在審

• 申請號: 201710160543.3
• 申請日: 2017-03-17
• 公開（公告）號: CN106951409A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 王春華;韓棟;韓楓;李峰;曾步衢
• 申請（專利權）人: 黃淮學院
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06Q50/00
• 代理公司: 北京愛普納杰專利代理事務所(特殊普通合伙)11419
• 代理人: 王玉松

1.一種網絡社交媒體觀點傾向性分析系統，其特征在于，包括數據庫(1)及與所述數據庫(1)相通訊的網頁抓取模塊(2)、觀點采集模塊(3)、數據過濾模塊(4)、極性分析模塊(5)；所述數據庫(1)用于存儲正向情感集群(101)和負向情感集群(102)，所述正向情感集群(101)和所述負向情感集群(102)內均存儲有若干情感性字或詞語，情感性字或詞語包括形容詞、動詞、名詞、副詞；

所述網頁抓取模塊(2)用于通過網頁爬蟲對網絡社交媒體的評論交互網頁進行抓取，所述網絡社交媒體包括微博、微信、博客、論壇、播客、交易平臺；

所述觀點采集模塊(3)用于讀取所述評論交互網頁中用戶評論的若干觀點信息；

所述數據過濾模塊(4)用于對所述觀點信息進行篩選，并將與所述網絡社交媒體中評論主題無關的所述觀點信息刪除；

所述極性分析模塊(5)用于提取所述觀點信息內的若干情感傾向性因子，所述情感傾向性因子為情感性字或詞語，并將所述情感傾向性因子與所述正向情感集群(101)和所述負向情感集群(102)內的情感性字或詞語進行匹配度判斷，統計所述觀點信息內的若干所述情感傾向性因子分別屬于所述正向情感集群(101)和所述負向情感集群(102)的數量，通過數量對比分析出所述觀點信息的情感傾向性，同時對所述觀點信息賦予極性標簽，所述極性標簽包括正向情感信息和負向情感信息。

2.如權利要求1所述的網絡社交媒體觀點傾向性分析系統，其特征在于，所述數據過濾模塊(4)包括相通訊的主題因子提取單元(401)、相關模型建設單元(402)、關鍵字提取單元(403)、相關度判斷單元(404)、過濾審核單元(405)，

所述主題因子提取單元(401)用于提取所述評論交互網頁中與所述評論主題相關的若干關鍵因子，所述關鍵因子包括所述評論主題中的關鍵字、用于評論所述評論主題的形容詞；

所述相關模型建設單元(402)用于將若干所述關鍵因子作為為訓練樣本對卷積神經網絡模型進行訓練，建立相關度模型；

所述關鍵字提取單元(403)用于提取所述觀點信息內的關鍵字；

所述相關度判斷單元(404)用于將所述關鍵字輸入至所述相關度模型中進行訓練，并得出所述觀點信息與所述評論主題的相似度輸出值；所述過濾審核單元(405)用于將所述相似度輸出值低于預設的相似度閥值的所述觀點信息刪除，并將所述相似度輸出值大于或等于所述相似度閥值的所述觀點信息發送至所述極性分析模塊(5)。

3.如權利要求1所述的網絡社交媒體觀點傾向性分析系統，其特征在于，所述分析系統還包括與所述數據過濾模塊(4)和所述極性分析模塊(5)均相通訊的觀點信息篩選模塊(6)，所述觀點信息篩選模塊(6)包括相通訊的篩選條件預設單元(601)、篩選單元(602)、排序單元(603)，所述篩選條件預設單元(601)用于預設篩選因子，所述篩選因子包括時間段、跟帖數、點贊數中的至少一種，所述篩選單元(602)用于根據所述篩選因子對所述評論交互網頁中的若干所述觀點信息進行篩選，并將篩選出的所述觀點信息發送至所述排序單元(603)，所述排序單元(603)用于將篩選出的所述觀點信息按照所述篩選因子由高到底的順序進行排序并發送至所述極性分析模塊(5)。