[發明專利]一種基于網絡突發熱點的輿情監測方法

在審

• 申請號: 202210162066.5
• 申請日: 2022-02-22
• 公開（公告）號: CN114528405A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 鄧國峰;胡湘君;程萌
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/215;G06F16/951;G06N3/04;G06N5/04;G06F40/284;G06F40/49
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

本發明涉及信息收集分析技術領域，尤其涉及一種基于網絡突發熱點的輿情監測方法，通過不間斷地對多平臺熱搜進行采集處理，擴大了信息的覆蓋面積，利用不同平臺之間進行信息比對和信息補充，能夠讓輿情監測更加精準，同時在LSTM的算法模型的基礎之上，創新提出了TG_LSTM的算法模型，在輸入關鍵詞向量后不僅能更好的表述關鍵詞特征，還能使得數據足夠的豐富，得到更加準確地數據刻畫。采用的TG_LSTM算法模型也在時間線上彌補歷史信息損失導致信息缺失的問題，另外采用的輿情數據算法采集模板，根據主題詞反向篩選輿情信息，不僅能根據相關話題的爆點關鍵詞進行信息提取，采集范圍也足夠廣，能夠讓提取的相關信息更加全面。

技術領域

本發明涉及信息收集分析技術領域，尤其涉及一種基于網絡突發熱點的輿情監測方法。

背景技術

據最新的《中國互聯網絡發展狀況統計報告》顯示我國互聯網普及率已經達到71.6％，擁有10億互聯網用戶，且這一數據還處于持續增長階段。巨大的網民數量是產生網絡輿情的重要基礎。網絡突發熱點事件是網絡輿情的一種特殊表現形式，突出反映了集聚的各種社會矛盾和熱點問題。當下網絡突發熱點事件在互聯網上激增，加之網絡媒介的復雜性、網民結構的差異化及互聯網技術多元化，使網絡突發熱點事件變得更加復雜和難以預見。但網絡熱點事件若能及時監測，引導得當，便能夠促進社會穩定和經濟發展，反之，則會使政府公信力下降，帶來經濟損失，影響社會穩定。

目前我國關于網絡輿情方面在相關理論和關鍵技術上處于初級階段，仍需要進一步研究，輿情監測方法主要是從時空維度出發重點關注輿情演化的過程，缺乏對網絡突發熱點事件輿情演化全部周期的關注，且均是基于抓取關鍵詞的輿情監測服務，而在輿情監測過程中也存在監測范圍有限、監測內容不夠精確、熱點信息收集效率較低等問題。

發明內容

本發明的目的在于提供一種基于網絡突發熱點的輿情監測方法，避免了現有的輿情監測方法存在的監測范圍有限、監測內容不夠精確以及熱點信息收集效率較低問題。

為實現上述目的，本發明提供了一種基于網絡突發熱點的輿情監測方法，包括下列步驟：

通過分布式爬取采集數據；

對獲取的數據進行數據清洗和降噪處理；

采用TG_LSTM文本分析算法進行輿情分析；

生成輿情分析報告；

劃分輿情等級。

其中，采集數據的信息來源為具有代表性的網絡社交媒體平臺，采集時間每日從0點到24點。

其中，在通過分布式爬取采集數據的過程中，分別對不同的網絡社交媒體的熱搜內容分屬性進行爬取，經過Spider、Schedule中間件對數據進行去重，通過Item Pipelines管道存儲在數據庫中。

其中，在對獲取的數據進行數據清洗和降噪處理的過程中，采用基于統計的分詞操作對輿情數據進行分詞，對目標長句進行分詞切割，將主題詞匯分為娛樂話題、時政話題、公共安全、民生話題、國際話題、經濟話題和社會熱點七大類。

其中，分類后再分別獲取多個輿情詞語和最新的熱度指數，將獲取的輿情詞語帶入提前寫好的輿情數據算法采集模板中進行反向篩選，將爆點話題的關鍵字和關鍵信息利用算法進行有針對性的內容篩選，反向獲取更多的關于相關話題的輿情信息，重復上述步驟，再次將關鍵詞進行二次搜索，然后利用自動化工具提取搜索出來的關鍵詞和熱度指數。

其中，所述TG_LSTM文本分析算法基于時間線融合關鍵詞向量，獲得具有上下文信息的高層文本特征向量，將文本進行分類。

其中，在生成輿情分析報告的過程中，輿情分析指標分為兩個等級，一級指標為政府影響力、傳統媒體影響力、新興網絡影響力、普通網民影響力和事件觸發力五個指標，二級指標以數量為評價值。