[发明专利]行业舆情指数预测方法、装置、计算机设备及存储介质

说明书

本发明公开了行业舆情指数预测方法、装置、计算机设备及存储介质。该方法包括：获取所选定的实体经济行业领域，爬取当前年度的文本数据集合，获取与当前年度的文本数据集合中各文本数据一一对应的当前处理后数据，及与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果；以及将与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果作为对应深度神经网络模型的输入，计算得到当前年度的文本数据对应的当前年度行业GDP增长率。该方法采用了预测模型实现了利用网络中海量数据而得到特定行业的行业指数，而且通过时间序列模型，进行准确预测实体经济指标的发展状态。

技术领域

本发明涉及预测模型技术领域，尤其涉及一种行业舆情指数预测方法、装置、计算机设备及存储介质。

背景技术

目前，一般某一行业的行业指数，一般是基于行业的各企业经济指标参数来进行非定量的计算，而得到的一个辅助评估的指数。由于行业指数的评估需要考虑的因素比较多，加上难以定量，故无法有效利用网络中海量数据而得到特定行业的行业指数，也无法基于现有的数据对未来趋势进行预测以辅助分析。

发明内容

本发明实施例提供了一种行业舆情指数预测方法、装置、计算机设备及存储介质，旨在解决现有技术行业的行业指数，一般是基于行业的各企业经济指标参数来进行非定量的计算，而得到的一个辅助评估的指数，需要考虑的因素比较多，加上难以定量，故无法有效利用网络中海量数据而得到特定行业的行业指数的问题。

第一方面，本发明实施例提供了一种行业舆情指数预测方法，其包括：

通过分布式爬虫中多个爬虫工具并行获取预设的实体经济行业领域在预设的时间段内的源数据，以得到源数据集；其中，所述源数据集中包括与实体经济行业领域个数相同的子数据集，每一子数据集对应一个实体经济行业领域，每一爬虫工具对应爬取一个实体经济行业领域的网址清单中网页内容；

对所述源数据集中每一子数据集的源数据均进行预处理，得到与各子数据集中包括的多篇文本数据一一对应的处理后数据，以组成与各子数据集对应的处理后数据集合；

将每一处理后数据集合中对应的各处理后数据作为预先训练得到的朴素贝叶斯模型的输入，得到与各处理后数据集合中每一文本数据对应的正负面评分结果；

将每一实体经济行业领域在所述时间段的正负面评分结果作为深度神经网络的输入，并将每一实体经济行业领域在所述时间段的行业GDP增长率作为深度神经网络的输出，进行训练得到与每一实体经济行业领域对应的深度神经网络模型；

获取所选定的实体经济行业领域，爬取当前年度的文本数据集合，获取与当前年度的文本数据集合中各文本数据一一对应的当前处理后数据，及与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果；以及

将与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果作为对应深度神经网络模型的输入，计算得到当前年度的文本数据对应的当前年度行业GDP增长率。

第二方面，本发明实施例提供了一种行业舆情指数预测装置，其包括：

并行爬取单元，用于通过分布式爬虫中多个爬虫工具并行获取预设的实体经济行业领域在预设的时间段内的源数据，以得到源数据集；其中，所述源数据集中包括与实体经济行业领域个数相同的子数据集，每一子数据集对应一个实体经济行业领域，每一爬虫工具对应爬取一个实体经济行业领域的网址清单中网页内容；

预处理单元，用于对所述源数据集中每一子数据集的源数据均进行预处理，得到与各子数据集中包括的多篇文本数据一一对应的处理后数据，以组成与各子数据集对应的处理后数据集合；

评分单元，用于将每一处理后数据集合中对应的各处理后数据作为预先训练得到的朴素贝叶斯模型的输入，得到与各处理后数据集合中每一文本数据对应的正负面评分结果；