[发明专利]一种网络舆情观点收集方法

权利要求书

1.一种网络舆情观点收集方法，包括以下步骤：

(1)、从网络论坛中抓取网页，将其信息文档保存到爬虫数据库中；

(2)、从爬虫数据库中的信息文档中提取出热点词，根据热点词，提取热点词相关的信息文档，构成该热点词相关的热点事件文档集；

(3)、在热点事件文档集中，提取信息文档中的关键句，构成关键句集，在提取关键句过程中，在该关键句句末添加网民的身份标记，以标记该关键句的所属用户；

(4)、对关键句集中的关键句进行聚类，对聚类结果按每类句子数目对其排序，取最高的前M类，形成M类观点主题句集；

(5)、建立不同类别的情感词库，情感词库中的每一个词语对应一个权值，对M类观点主题句集分别标注其对应的情感词库，然后依据情感词库，分别对M类观点主题句集中的关键句的情感词进行情感标记，然后根据情感标记计算出每个关键句的情感倾向值，再依据关键句的网民的身份标记，计算出每个网民在该观点主题下的情感倾向值，从而得到某一热点事件的网络舆情观点；

其中，所述的根据情感标记计算出每个关键句的情感倾向值为通过关键句中标记的情感词的权值来计算，计算规则如下：

首先将句中相邻的相同词性的情感词，包括形容词、动词、名词和副词进行合并，合并方法是对词语的权值应用加法规则；

然后对下面几种情况采用乘法规则进行合并：

1)相邻的转义词语之间采用乘法规则；

2)副词和其修饰的形容词采用乘法规则；

3)副词和其修饰的动词采用乘法规则；

4)形容词和其修饰的名词采用乘法规则；

最后将剩下的权值应用加法规则得到一个关键句的情感倾向值。

2.根据权利要求1所述的网络舆情观点收集方法，其特征在于，步骤(2)所述的提取出热点词，其步骤为：

首先计算出词语流行性权重和时事性权重，然后根据词语流行性权重和时事性权重在信息文档中提取词语，提取的词语即为热点词；

所述的词语流行性权重的计算方法为：

其中，W_j表示词语j的流行性权重，F_jc是词语j在论坛c中出现的次数，n_jc是论坛c中包含了词语j的文档数目，N_c是论坛c中的文档总数，K是论坛c中使用的词语总数，F_kc是词语k在论坛c中出现的次数，而N是论坛数；

所述的词语时事性权重的计算方法为：

首先要计算词语j在论坛c中的关联度：

其中，A是词语j在时间段S中在论坛c中出现的次数，B是词语j在时间段S中在其他论坛出现的次数，C是词语j在时间段S以外在论坛c上出现的次数，D是词语j在时间段S以外在其他论坛出现的次数；

词语时事性的权重通过如下公式计算：

其中N为媒体数；

所述的根据词语流行性权重和时事性权重在信息文档中提取词语，提取的词语即为热点词为：

词语j的权重定义为词语流行性权重和时事性权重两项的加权和：

WT_j＝α*W_j+(1-α)*V_j

其中α为调整参数，用于调整流行性和时事性的比例，是一经验常量；

根据词语j的权重，在信息文档中提取词语，提取的词语即为热点词。

3.根据权利要求1所述的网络舆情观点收集方法，其特征在于，步骤(4)所述的对关键句集中的关键句进行聚类的方法为：

将关键句中的名词和动名词挑选出来作为特征词，每个特征词作为特征向量的一维，如果关键句中含有该特征词，则该维特征值取1，否则取0，由此得到每个关键句的特征向量；

得到每个关键句的特征向量后，计算任意两个关键句之间的相似度，相似度是通过对特征向量采取余弦相似度的算法得到的：

根据该相似度对关键句进行聚类。