[發(fā)明專利]一種社會事件網(wǎng)絡(luò)文本的輿情計算與推演方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010841830.2
• 申請日: 2020-08-20
• 公開（公告）號: CN111984931B
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計）人: 王欣芝;彭艷;駱祥峰;劉楊;羅均;謝少榮;張丹
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 張夢澤

本發(fā)明公開一種社會事件網(wǎng)絡(luò)文本的輿情計算與推演方法及系統(tǒng)，涉及網(wǎng)絡(luò)文本處理技術(shù)領(lǐng)域，包括：獲取社會事件網(wǎng)絡(luò)文本；對所述社會事件網(wǎng)絡(luò)文本進(jìn)行預(yù)處理，得到網(wǎng)絡(luò)社會事件文本字特征、網(wǎng)絡(luò)社會事件文本詞特征和網(wǎng)絡(luò)社會事件文本隱式特征；將所述網(wǎng)絡(luò)社會事件文本字特征、所述網(wǎng)絡(luò)社會事件文本詞特征和所述網(wǎng)絡(luò)社會事件文本隱式特征分別輸入訓(xùn)練好的社會情感計算模型和訓(xùn)練好的文本情感計算模型預(yù)測，得到社會事件網(wǎng)絡(luò)文本的六種情感概率；根據(jù)所述社會事件網(wǎng)絡(luò)文本的六種情感概率，采用投票機(jī)制方法確定社會事件網(wǎng)絡(luò)文本的情感取向。本發(fā)明提供的方法及系統(tǒng)可以通過社會事件網(wǎng)絡(luò)文本多種情感的分析實現(xiàn)社會事件網(wǎng)絡(luò)文本最終情感的取向。

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)文本處理技術(shù)領(lǐng)域，特別是涉及一種社會事件網(wǎng)絡(luò)文本的 輿情計算與推演方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)與網(wǎng)絡(luò)媒體的發(fā)展，越來越多應(yīng)急管理決策人員與學(xué)者關(guān)注到 社會事件網(wǎng)絡(luò)信息所引起情感的復(fù)雜性，并注意到社會事件網(wǎng)絡(luò)信息處置不當(dāng) 而造成的后續(xù)不良后果，因此越來越多的管理人員與學(xué)者對社會事件的輿情分 析進(jìn)行研究。當(dāng)新事件發(fā)生時，若能借鑒歷史上發(fā)生的事件處置過程，則可提 高當(dāng)前事件處置的可靠性，即通過歷史案例的處置方法獲取新事件的處置線索。 基于監(jiān)督學(xué)習(xí)的社會事件網(wǎng)絡(luò)文本信息輿情計算旨在總結(jié)歷史相關(guān)事件的規(guī) 律，推測待分析社會事件文本的輿情走勢，基于已有的歷史事件信息理解當(dāng)前 事件。該方法旨在對具有參考信息的新事件進(jìn)行有效的情感計算，以促進(jìn)與幫 助決策者對于社會現(xiàn)象的理解與引導(dǎo)。

傳統(tǒng)的社會事件網(wǎng)絡(luò)文本信息輿情計算方法假定文本信息中包含情感是 單一的。但在實際工程應(yīng)用中，情感表達(dá)者發(fā)表的言論所攜帶的情感往往表現(xiàn) 出多樣性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種社會事件網(wǎng)絡(luò)文本的輿情計算與推演方法及系 統(tǒng)，以通過社會事件網(wǎng)絡(luò)文本多種情感的分析實現(xiàn)社會事件網(wǎng)絡(luò)文本最終情感 的取向。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種社會事件網(wǎng)絡(luò)文本的輿情計算與推演方法，包括：

獲取社會事件網(wǎng)絡(luò)文本；

對所述社會事件網(wǎng)絡(luò)文本進(jìn)行預(yù)處理，得到網(wǎng)絡(luò)社會事件文本字特征、網(wǎng) 絡(luò)社會事件文本詞特征和網(wǎng)絡(luò)社會事件文本隱式特征；

將所述網(wǎng)絡(luò)社會事件文本字特征、所述網(wǎng)絡(luò)社會事件文本詞特征和所述網(wǎng) 絡(luò)社會事件文本隱式特征分別輸入訓(xùn)練好的社會情感計算模型和訓(xùn)練好的文 本情感計算模型預(yù)測，得到社會事件網(wǎng)絡(luò)文本的六種情感概率；

根據(jù)所述社會事件網(wǎng)絡(luò)文本的六種情感概率，采用投票機(jī)制方法確定社會 事件網(wǎng)絡(luò)文本的情感取向。

可選的，所述訓(xùn)練好的社會情感計算模型，具體訓(xùn)練過程包括：

獲取待訓(xùn)練的網(wǎng)絡(luò)社會事件文本初始特征；所述待訓(xùn)練的網(wǎng)絡(luò)社會事件文 本初始特征包括網(wǎng)絡(luò)社會事件文本初始字特征、網(wǎng)絡(luò)社會事件文本初始詞特征 和網(wǎng)絡(luò)社會事件文本初始隱式特征；

將所述待訓(xùn)練的網(wǎng)絡(luò)社會事件文本初始特征輸入CNN-LSTM模型的詞嵌 入向量層，得到密文詞嵌入形式的網(wǎng)絡(luò)社會事件文本初始特征；具體公式如下：

其中，表示獨熱向量，所述獨熱向量表示所述待訓(xùn)練的網(wǎng)絡(luò)社會事件文 本中第j個樣本的第i個初始特征；表示詞向量，所述詞向量為所述密文詞 嵌入形式的網(wǎng)絡(luò)社會事件文本初始特征；

根據(jù)滑動窗口和所述密文詞嵌入形式的網(wǎng)絡(luò)社會事件文本初始特征確定 滑動窗口內(nèi)的詞向量；

將所述滑動窗口內(nèi)的詞向量輸入所述CNN-LSTM模型的CNN卷積層， 確定文本特征向量；具體公式如下：