[发明专利]一种基于深度学习的舆情预警方法及系统

权利要求书

1.一种基于深度学习的舆情预警方法，所述方法包括：

获得整体抽样文本；

利用训练文本对RNN深度学习模型进行训练，得到舆情分析模型；

利用所述舆情分析模型对所述整体抽样文本进行舆情分析并得到对应的舆情分数；

基于所述整体抽样文本对应的舆情分数和预设抽样策略，从所述整体抽样文本中获取目标抽样文本；

将所述目标抽样文本转换为报文并进行预警。

2.如权利要求1所述的方法，所述利用训练文本对RNN深度学习模型进行训练，得到所述舆情分析模型，具体包括：

利用不可信、可信、中立三种标签建立分类器，对所述训练文本进行分类标注；其中，对包含有正面情绪的训练文本标注可信标签；对包含有负面情绪的训练文本标注不可信标签；对包含有中立情绪的训练文本标注中立标签；

用分类标注后的训练文本对所述RNN深度学习模型进行训练，得到所述舆情分析模型。

3.如权利要求2所述的方法，所述对所述训练文本进行分类标注，具体包括：

对所述训练文本中包含有负面情绪的部分训练文本标注为不可信标签；利用包含有不可信标签的部分训练文本来训练半监督学习算法中的PU Learning模型，并基于训练的PULearning模型从剩余训练文本中预测不可信的训练文本，并标注为不可信标签。

4.如权利要求1所述的方法，在利用舆情分析模型对所述整体抽样文本进行舆情分析并得到对应的舆情分数之前，所述方法还包括：

对所述整体抽样文本进行预训练。

5.如权利要求4所述的方法，所述对所述整体抽样文本进行预训练，具体包括：

保持神经网络模型中的特定层数的网络结构不变，利用所述神经网络模型对所述整体抽样文本进行预训练；或者

将所述整体抽样文本按照场景进行分类，并保持神经网络模型中的特定层数的网络结构不变，利用所述神经网络模型分别对各个场景中的抽样文本进行预训练。

6.如权利要求1-5任一权项所述的方法，所述舆情分析模型包括文本情感分析模型；

所述利用舆情分析模型对所述整体抽样文本进行舆情分析并得到对应的舆情分数,具体包括:

利用文本情感分析模型对所述整体抽样文本进行情感分析并得到对应的情感分数。

7.如权利要求6所述的方法，所述利用文本情感分析模型对所述整体抽样文本进行情感分析并得到对应的情感分数，具体包括：

对所述整体抽样文本进行分词处理，每个抽样文本划分出一个或者多个词向量；

将所述每个抽样文本对应的一个或者多个词向量输入神经网络模型，得到每个词向量的情感分数；

基于每个词向量的情感分数，得到每个抽样文本对应的情感分数。

8.如权利要求1-5任一权项所述的方法，所述基于所述整体抽样文本对应的舆情分数和预设抽样策略，从所述整体抽样文本中获取目标抽样文本，具体包括：

在用户和商户交易时，从所述整体抽样文本中获取所述商户的历史交易文本数据；

基于所述整体抽样文本对应的舆情分数和所述预设抽样策略，从所述历史交易文本数据中获取所述目标抽样文本。

9.如权利要求8所述的方法，所述基于所述整体抽样文本对应的舆情分数和预设抽样策略，从所述历史交易文本数据中获取所述目标抽样文本之后，所述方法还包括：

将所述目标抽样文本发送给所述用户。

10.如权利要求1-5任一权项所述的方法，所述利用舆情分析模型对所述整体抽样文本进行舆情分析并得到对应的舆情分数之后，所述方法还包括：

将所述整体抽样文本对应的舆情分数输入到其他抽样类模型中确定出抽样阈值,或将所述整体抽样文本对应的舆情分数联合其他预设策略确定出所述抽样阈值；

基于所述抽样阈值从所述整体抽样文本中选择出目标价值情绪文本,并将所述目标价值情绪文本输入到审理报文系统中进行反馈。