[发明专利]一种基于多元数据分析的高校评价系统

权利要求书

1.一种基于多元数据分析的高校评价系统，其特征在于，包括：

训练模型构建模块，用于通过人工标注的高校话题主题类别和评论情感倾向类别对预设话题数据和预设话题评论数据进行训练，得到训练模型；

数据获取模块，用于通过网络爬虫获取高校话题数据和高校话题评论数据；

话题主题分类模块，用于通过训练模型对高校话题数据进行话题主题识别，得到高校话题数据的话题主题类别；

评论情感分类模块，用于通过训练模型对高校话题评论数据进行评论情感识别，得到高校话题评论的情感类别；

标签生成模块，用于通过训练模型对高校话题数据进行标签识别，得到高校话题标签；

数据管理模块，用于对高校话题数据、高校话题评论数据、高校话题数据的话题主题类别、高校话题评论的情感类别、高校话题标签进行管理；

数据可视化模块，用于向用户展示高校话题数据的话题主题类别、高校话题评论的情感类别、高校话题标签；

所述训练模型包括话题主题训练模型、评论情感训练模型和标签训练模型；

所述话题主题训练模型，具体包括：

计算预设话题数据中的词在不同高校话题主题类别下的文档频率；

以高校话题主题类别作为特征向量的各维特征，该词在各高校话题主题类别下的文档频率值作为各维特征的权重值，构造词类别贡献度特征向量；

将预设话题数据的特征词和对应的词类别贡献度特征向量进行累加归一化，得到话题类别贡献度特征向量，所述话题类别贡献度特征向量为话题主题训练模型；

所述构造词类别贡献度特征向量，包括：

其中，m为高校话题主题类别，为词t_j的类别贡献度特征向量，为词t_j在m下的权重,其中为m中包含t_j的文本数，n_m为该高校话题主题类别下的文本总数；

所述预设话题数据的特征词，包括：

计算预设话题数据中各词的TF-IDF值；

计算预设话题数据中各词的最大化差异值；

将最大化差异值和TF-IDF值相乘计算各词的权值，将各词的权值降序排序，选择降序排序后前N个词作为预设话题数据的特征词，公式为：

w_j为j词的权值，mD_j为词t_j的最大化差异值，其中a、b为m个高校话题主题类别中的任意2个类别，Z_asj为高校话题主题类别a中词j出现s次的文本数据和该高校话题主题类别中包含词j的比例，Z_bsj代表高校话题主题类别b中词j出现s次的文本数据和该高校话题主题类别中包含词j的比例；tf_j为文档频率，idf_j为逆文档频率。

2.根据权利要求1所述的基于多元数据分析的高校评价系统，其特征在于，所述训练模型构建模块，具体用于：

在通过人工标注的高校话题主题类别和评论情感倾向类别对预设话题数据进行训练之前，对预设话题数据和预设话题评论数据进行分词、去停用词和去噪，得到待处理话题数据和待处理话题评论数据；

人工标注高校话题主题类别、人工标注高校话题对应评论情感倾向类别，作为训练集。

3.根据权利要求1所述的基于多元数据分析的高校评价系统，其特征在于，所述话题主题分类模块，具体用于：

通过话题主题训练模型识别高校话题数据的最大维特征，得到高校话题数据的话题主题类别。