[发明专利]网络舆情监控方法、装置及存储介质

权利要求书

1.一种网络舆情监控方法，应用于电子装置，其特征在于，该方法包括：

通过网络爬虫从预设的数据渠道采集与预设关键词相关的舆情文章；

利用预先训练好的情感评分模型对所述舆情文章进行分析，得到舆情文章的观点主题的情感得分，根据情感得分确定所述舆情文章的情感倾向，并标注所述舆情文章的情感标签，从所有舆情文章中筛选出负面情感倾向的负面舆情文章，包括对所述舆情文章进行分词处理，得到每篇舆情文章对应的词汇集，采用聚类算法对所述舆情文章进行聚类分析，生成舆情事件的多个观点主题，根据观点主题包含的舆情文章的词向量计算观点主题的词向，将观点主题的词向量输入到预先训练好的情感评分模型中，输出观点主题的情感得分，根据情感得分确定观点主题对应的舆情文章所属的情感倾向，所述情感倾向包括：正面、负面及中立；

获取所述舆情文章的发布媒体，根据发布媒体对应的媒体权重指数及媒体级别指数，分别计算所述负面舆情文章的负面舆情影响力及所述舆情文章的总舆情影响力；及

利用所述负面舆情影响力及所述总舆情影响力，计算关于所述预设关键词的舆情健康度；

其中，所述负面舆情影响力的计算公式为为：

其中，表示不同发布媒体i发布的负面舆情文章的数量，表示不同发布媒体i对应的媒体权重指数，表示不同发布媒体i对应的媒体级别指数；

所述总舆情影响力的计算公式为：

其中，表示不同发布媒体i发布的舆情文章的数量，表示不同发布媒体i对应的媒体权重指数，表示不同发布媒体i对应的媒体级别指数；及

所述舆情健康度的计算公式为：

其中，表示所述负面舆情文章的负面舆情影响力，表示所述舆情文章的总舆情影响力。

2.如权利要求1所述的网络舆情监控方法，其特征在于，所述情感评分模型的训练步骤包括：

获取添加有标签数据的舆情文本数据，构成样本库；

结合TF-IDF算法提取样本库中的舆情文本数据的关键词，并通过训练好的词向量模型计算关键词的词向量；及

将样本库中的舆情文本数据的词向量和标签数据作为训练样本，输入到预设的深度神经网络模型中进行训练，以确定模型参数，并将确定了模型参数的深度神经网络模型作为所述情感评分模型。

3.如权利要求2所述的网络舆情监控方法，其特征在于，该方法还包括：

获取所述舆情文章的传播路径，生成媒体曝光分布图，确定所述舆情文章的中心媒体；及

当所述舆情健康度低于预设阈值时，根据中心媒体及舆情健康度生成预警信息并输出。