[發(fā)明專利]一個(gè)基于社交媒體的突發(fā)事件多維分析系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810585216.7
• 申請日: 2018-06-08
• 公開（公告）號: CN108897784B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計(jì)）人: 趙吉昌;范銳;許可
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/9532;G06K9/62
• 代理公司: 北京中創(chuàng)陽光知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11003
• 代理人: 尹振啟

本發(fā)明提出一個(gè)基于社交媒體的突發(fā)事件多維分析系統(tǒng)，其特征在于包括：情感分析模塊、話題分類模塊、突發(fā)事件發(fā)現(xiàn)模塊和輿情分析模塊；所述情感分析模塊，完成文本內(nèi)容的情緒分類。所述話題分類模塊，完成文本內(nèi)容的話題分類。所述突發(fā)事件發(fā)現(xiàn)模塊，完成對某一時(shí)間段內(nèi)社交媒體突發(fā)事件的自動(dòng)化提取，最終檢測出的突發(fā)事件以詞袋方式呈現(xiàn)，為輿情分析模塊提供數(shù)據(jù)基礎(chǔ)。所述輿情分析模塊，實(shí)現(xiàn)對突發(fā)事件的自動(dòng)化多維度輿情分析：從情緒、話題、人群、空間等方面全方位多角度對突發(fā)事件進(jìn)行分析和理解。

技術(shù)領(lǐng)域

本發(fā)明涉及一個(gè)分析系統(tǒng)，尤其涉及一個(gè)基于社交媒體的突發(fā)事件多維分析系統(tǒng)。

背景技術(shù)

近年來，社交媒體迅猛發(fā)展。截至2017年9月，新浪微博的月活躍用戶為3.92億，日活躍用戶達(dá)到1.72億。大規(guī)模用戶在其上發(fā)布海量消息，從而形成了一個(gè)新興的自媒體平臺(tái)。當(dāng)社會(huì)熱點(diǎn)事件發(fā)生時(shí)，用戶在社交媒體平臺(tái)上多以文本形式發(fā)布或轉(zhuǎn)發(fā)大量針對相應(yīng)事件的消息，從而形成在線熱點(diǎn)，使得突發(fā)事件得以在社交媒體中廣泛傳播。對熱點(diǎn)事件進(jìn)行及時(shí)有效的分析，對于在線輿情監(jiān)測和管理有重要的意義。

然而，現(xiàn)有技術(shù)中，由于社交媒體文本數(shù)據(jù)規(guī)模大且龐雜，用戶無法在短時(shí)間內(nèi)了解當(dāng)下的突發(fā)事件以及突發(fā)事件的全貌。因此，有必要從社交媒體中自動(dòng)發(fā)現(xiàn)突發(fā)事件，并且針對突發(fā)事件進(jìn)行多維度的輿情分析，包括情緒、話題、空間、人群等各個(gè)視角，繼而提供自動(dòng)化的事件理解與決策支持。

發(fā)明內(nèi)容

本發(fā)明提供一個(gè)基于社交媒體的突發(fā)事件多維分析系統(tǒng)，包括：情感分析模塊、話題分類模塊、突發(fā)事件發(fā)現(xiàn)模塊和輿情分析模塊；所述情感分析模塊，進(jìn)行情感分析，進(jìn)而對情緒分類，將文本自動(dòng)歸類于憤怒、厭惡、高興、悲傷或恐懼。所述話題分類模塊，完成對社交媒體文本的話題分類：使用樸素貝葉斯方法訓(xùn)練話題分類器，分類結(jié)果分為娛樂、體育、社會(huì)、軍事、國際、財(cái)經(jīng)和科技。所述突發(fā)事件發(fā)現(xiàn)模塊，完成對某一時(shí)間段內(nèi)社交媒體熱點(diǎn)事件的自動(dòng)化提取，最終檢測出的突發(fā)事件以詞袋方式呈現(xiàn)，為輿情分析模塊提供數(shù)據(jù)基礎(chǔ)。所述輿情分析模塊，實(shí)現(xiàn)對突發(fā)事件的自動(dòng)化多維度輿情分析：從情緒、話題、人群、空間等方面全方位多角度對突發(fā)事件進(jìn)行分析。

本發(fā)明能夠從海量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)當(dāng)下的突發(fā)事件，使用戶能在短時(shí)間內(nèi)了解當(dāng)下的突發(fā)事件并從多個(gè)角度對突發(fā)事件有全方位的認(rèn)識(shí)，便于用戶對輿情的把控，同時(shí)有助于管理人員對社會(huì)輿情進(jìn)行管理。

附圖說明

圖1為本發(fā)明的組成框圖；

圖2為本發(fā)發(fā)明的話題分類模塊實(shí)現(xiàn)流程圖；

圖3為本發(fā)明的突發(fā)事件發(fā)現(xiàn)模塊實(shí)現(xiàn)流程圖；

圖4為本發(fā)明的輿情分析模塊實(shí)現(xiàn)流程圖；

圖5為本發(fā)明一實(shí)施例的突發(fā)事件分析結(jié)果。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

如圖1所示，本發(fā)明包括情感分析模塊、話題分類模塊、突發(fā)事件發(fā)現(xiàn)模塊和輿情分析模塊。

所述情感分析模塊，完成對社交媒體文本的情緒分類，進(jìn)行情感分析，進(jìn)而對情緒分類，分類結(jié)果分為憤怒、厭惡、高興、悲傷和恐懼五類；從情緒角度對突發(fā)事件進(jìn)行輿情分析。

所述話題分類模塊，完成對社交媒體文本的話題分類：使用樸素貝葉斯方法訓(xùn)練話題分類器，將文本分為娛樂、體育、社會(huì)、軍事、國際、財(cái)經(jīng)或科技等話題；從話題角度對突發(fā)事件進(jìn)行輿情分析。

所述突發(fā)事件發(fā)現(xiàn)模塊，完成對某一時(shí)間段內(nèi)社交媒體熱點(diǎn)事件的自動(dòng)化提取，最終檢測出的突發(fā)事件以詞袋方式呈現(xiàn)，為輿情分析模塊提供數(shù)據(jù)基礎(chǔ)。