[發(fā)明專利]基于人工智能交叉驗(yàn)證的輿情分析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310018161.2
• 申請(qǐng)日: 2023-01-06
• 公開（公告）號(hào): CN115935073A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 錢志雄
• 申請(qǐng)（專利權(quán)）人: 常來信息科技（蘇州）有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06F18/214
• 代理公司: 深圳市創(chuàng)富知識(shí)產(chǎn)權(quán)代理有限公司 44367
• 代理人: 李秀麗

本發(fā)明公開了基于人工智能交叉驗(yàn)證的輿情分析方法及系統(tǒng)，具體包括以下步驟：S1、歷史研究；S2、交叉驗(yàn)證；S3、輿情監(jiān)控；S4、對(duì)比分析；本發(fā)明涉及數(shù)據(jù)分析技術(shù)領(lǐng)域。該基于人工智能交叉驗(yàn)證的輿情分析方法及系統(tǒng)，通過對(duì)歷史發(fā)生的輿情事件相關(guān)數(shù)據(jù)進(jìn)行采集，并進(jìn)行階段性分類，實(shí)現(xiàn)對(duì)歷史發(fā)生輿情事件的分段表述，配合事件序列交叉驗(yàn)證對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲取高精準(zhǔn)性的階段性演變預(yù)測(cè)模型，在感興趣輿情相關(guān)數(shù)據(jù)的采集后，獲取感興趣輿情的階段性演變預(yù)測(cè)，實(shí)現(xiàn)輿情的階段性演變預(yù)測(cè)，達(dá)到前瞻性判斷的目的，配合與感興趣輿情貼近歷史輿情事件的獲取，提供參照的同時(shí)，為感興趣輿情的發(fā)展提供有效控制手段。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)分析技術(shù)領(lǐng)域，具體為基于人工智能交叉驗(yàn)證的輿情分析方法及系統(tǒng)。

背景技術(shù)

輿情是輿論情況的簡(jiǎn)稱，是指在一定的社會(huì)空間內(nèi)，圍繞中介性社會(huì)事件的發(fā)生、發(fā)展和變化，作為主體的民眾對(duì)作為客體的社會(huì)管理者、企業(yè)、個(gè)人及其他各類組織及其社會(huì)、道德等方面的取向產(chǎn)生和持有的社會(huì)態(tài)度，它是較多群眾關(guān)于社會(huì)中各種現(xiàn)象、問題所表達(dá)的信念、態(tài)度、意見和情緒等等表現(xiàn)的總和。

輿情的正向引導(dǎo)，可以在社會(huì)上引起更好的積極效果，針對(duì)于輿情的發(fā)展，往往是通過網(wǎng)絡(luò)數(shù)據(jù)的采集來進(jìn)行判斷，其中缺乏有效的輿情發(fā)展預(yù)測(cè)，不利于輿情的正向引導(dǎo)，如申請(qǐng)?zhí)枮?02010743881.1所述基于深度學(xué)習(xí)的網(wǎng)絡(luò)輿情信息源影響力評(píng)估方法及系統(tǒng)，其通過對(duì)輿情信息源的評(píng)估，來提高輿情信息搜索的精準(zhǔn)度，從而更好的對(duì)輿情的影響力進(jìn)行判斷。

基于對(duì)上述資料的檢索，可以看出現(xiàn)有技術(shù)中通過對(duì)輿情的影響力進(jìn)行判斷時(shí)，是針對(duì)于已經(jīng)發(fā)生的輿情事件進(jìn)行判斷，屬于事后判斷，由于缺乏輿情的發(fā)展預(yù)測(cè)，無法實(shí)現(xiàn)事前判斷，導(dǎo)致輿情的發(fā)展缺乏前瞻性判斷，不利于負(fù)面輿情的提前控制。

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于人工智能交叉驗(yàn)證的輿情分析方法及系統(tǒng)，解決了缺乏對(duì)輿情進(jìn)行前瞻性判斷的問題。

(二)技術(shù)方案

為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：基于人工智能交叉驗(yàn)證的輿情分析方法，具體包括以下步驟：

S1、歷史研究：對(duì)歷史發(fā)生的輿情事件進(jìn)行分類，并針對(duì)輿情事件進(jìn)行階段性標(biāo)記，其中階段性包括但不限于引發(fā)期、醞釀期、發(fā)生期、發(fā)展期、高潮期、處理期、平息期和反饋期，采集輿情事件包括互聯(lián)網(wǎng)瀏覽量及其增長(zhǎng)率、引發(fā)支鏈數(shù)量及其增長(zhǎng)率的相關(guān)結(jié)構(gòu)化數(shù)據(jù)，按照時(shí)間順序進(jìn)行標(biāo)記后，進(jìn)行存儲(chǔ)；

S2、交叉驗(yàn)證：對(duì)S1中存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行整理，獲取數(shù)據(jù)集，構(gòu)建預(yù)測(cè)模型，利用時(shí)間序列交叉驗(yàn)證和數(shù)據(jù)集對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練測(cè)試，具體的，選擇數(shù)據(jù)時(shí)間標(biāo)記靠前的數(shù)據(jù)作為訓(xùn)練集，將時(shí)間標(biāo)記靠后的數(shù)據(jù)作為驗(yàn)證集，將訓(xùn)練集導(dǎo)入到預(yù)測(cè)模型中，獲取結(jié)果后，與驗(yàn)證集進(jìn)行對(duì)比，對(duì)階段性演變精準(zhǔn)性進(jìn)行判斷，優(yōu)化后得到訓(xùn)練后的預(yù)測(cè)模型；

S3、輿情監(jiān)控：對(duì)互聯(lián)網(wǎng)進(jìn)行感興趣輿情監(jiān)控，獲取帶有時(shí)間標(biāo)記的輿情結(jié)構(gòu)化數(shù)據(jù)，導(dǎo)入到S2中訓(xùn)練后的預(yù)測(cè)模型中，輸出階段性預(yù)測(cè)結(jié)果；

S4、對(duì)比分析：根據(jù)S3的階段性預(yù)測(cè)結(jié)果，與S1中存儲(chǔ)的歷史發(fā)生的輿情時(shí)間進(jìn)行相似度對(duì)比，獲取歷史參照。

通過采用上述技術(shù)方案，對(duì)歷史發(fā)生的輿情事件相關(guān)數(shù)據(jù)進(jìn)行采集，并進(jìn)行階段性分類，實(shí)現(xiàn)對(duì)歷史發(fā)生輿情事件的分段表述，配合事件序列交叉驗(yàn)證對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲取高精準(zhǔn)性的階段性演變預(yù)測(cè)模型，在感興趣輿情相關(guān)數(shù)據(jù)的采集后，按照時(shí)間順序進(jìn)行整理，獲取感興趣輿情的階段性演變預(yù)測(cè)，實(shí)現(xiàn)輿情的階段性演變預(yù)測(cè)，達(dá)到前瞻性判斷的目的，為輿情的控制提供有效控制時(shí)間。