[发明专利]一种景区舆情预警方法及装置

说明书

本发明公开了一种景区舆情预警方法及装置，该方法包括获取景区评论数据；对景区评论数据进行分词处理后，确定出景区评论数据的词向量，根据景区评论数据的词向量和舆情分析模型，确定出景区评论数据的情感分类，舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的，根据景区评论数据的情感分类以及景区评论数据进行景区舆情预警。通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。

技术领域

本发明实施例涉及舆情分析技术领域，尤其涉及一种景区舆情预警方法及装置。

背景技术

近年来，随着人们生活水平的不断提高，国内旅游热不断高涨，特别是每逢节假日，各大景区人满为患，于是各种旅游负面舆情频频爆出，引发一场场旅游舆情危机。旅游业因其行业性质一直以来都是网络舆论关注的焦点之一，由于涉及人员面大、人员数量多且过分集中，因此一旦发生负面突发事件就极易引发大面积快速传播发酵，形成网络舆情热点，甚至成为引人注目的公共事件，而旅游部门稍不注意也极易被推到舆情风口浪尖。因此，拥有一套行之有效的舆情监测方案，以帮助旅游部门快速准确监测网上各类旅游负面舆情，全面了解社会公众关注的旅游相关问题，从而及时采取准确的应对措施，以预防、减少和消除突发旅游舆情造成的负面影响成为旅游部门一项重要工作之一。

目前进行舆情信息分析的方案主要是依赖于自然语言处理，在自然语言处理中，通常用到的方法是递归神经网络或循环神经网络，即RNN(Recurrent Neural Network，循环神经网络)，它的作用是将矩阵形式的输入编码为较低维度的一维向量，保留大多数有用信息；而语言总是由相邻的字构成词，相邻的词构成短语，相邻的短语构成句子等等，因此，需要有效地把邻近位置的信息进行有效的整合，或者叫重构；理论上，RNN能达到上述要求。但是在实践中，当相关信息和当前预测位置之间的间隔不断增大时，RNN就会丧失学习远距离信息的能力。这样就会造成舆情信息分析不准确。

发明内容

本发明实施例提供一种景区舆情预警方法及装置，用以提高舆情信息分析的准确性。

本发明实施例提供的一种景区舆情预警方法，包括：

获取景区评论数据；

对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；

根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；

根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。

上述技术方案中，通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。

可选的，所述对标记了情感类型的景点历史评论数据训练学习确定所述舆情分析模型，包括：

获取标记了情感类型的景点历史评论数据；

对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；

根据所述景点历史评论数据的词向量、LSTM(Long-Short Term Memory，长短期记忆人工神经网络)和CNN(Convolutional Neural Networks，卷积神经网络)进行训练学习，确定出所述舆情分析模型。

可选的，所述根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型，包括：

将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；