[发明专利]一种公司形象提升系统的用户情感分析和预判系统

权利要求书

1.一种公司形象提升系统的用户情感分析和预判系统，其特征在于：包括情感极性预测模块、情感分析模块、风险识别模块与数据输入，所述情感极性预测模块由基于传统机器学习的中文长本分析与基于深度学习的长、短文本分析组成，所述情感极性预测模块对网络数据进行预测分析，所述情感极性预测模块由机结合机器学习模型和深度学习模型，对用户的情感进行分析，机器学习模型采用朴素贝叶斯算法中词频采用本方案提出的词频补数，增加预测准确率，深度学习模型采用自注意力机制，加强作用于风险事件的注意力，同时采用Encoder-Decoder框架，仿文本摘要功能实现对自注意力机制的加强，自注意力机制对文本的高层次向量表示序列进行融合，构建基于自注意力机制的循环神经网络情感分析模型；

所述情感分析模块由用户情绪分析与群体情绪分析组成，所述情感分析模块根据情感极性预测模块的技术，结合客户属性数据进行分析，所述群体情绪分析利用用户情绪分析模型，再结合复杂社交网络拓扑图，来预测群体情感，群体情绪分析方案对社区群体基于投票的方式进行融合；

所述风险识别模块由关键社区和关键节点及风险事件识别体系组成，结合关键社区和关键节点历史风险事件，提出风险事件抑制解决方案；

所述数据输入包括公司客户服务数据和社交媒体数据进行相关性关联后的数据及用户在社交网络上的行为数据，主要是用户发布、转发或者评论的文本的分析。

2.根据权利要求1所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：所述情感极性预测模块中考虑到社交媒体上的数据大多是短文本数据，因此主要采用短文本情感分析技术，长文本和中长文本情感分析技术作为辅助，在模型方面，以深度学习情感分析技术为主，以基于传统监督学习的情感技术为辅，其中文本分长文本，中长文本，短文本，中长文本定义为3或4句话，长文本和短文本的长短分别在中长文本之上和之下。

3.根据权利要求1所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：所述基于传统机器学习的中文长本分析采用词袋模型，朴素贝叶斯对情感极性进行预测，用于中长文本分析，通过文本特征工程的方式抽取文本内容的特征。

4.根据权利要求1所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：所述基于深度学习的长、短文本分析针对社交媒体上的文本内容短文本的特点，拟采用深度神经网络的方式将中短文本映射到语义层面的高层次表示，进一步对文本的情感极性进行判别，同时，考虑到社交媒体本身丰富的信息以及公司客户服务的数据，可以在文本内容的基础上引入用户属性等上下文信息，提升用户情感极性判别的准确性。

5.根据权利要求1所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：所述用户情绪分析偏向个人化，通过情感极性分析技术对用户个人文本信息和个人属性数据，及网上留下的种种信息记录来进行分析。

6.根据权利要求1所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：所述群体情绪分析针对复杂社交网络拓扑结构的结构特点，拟采用用户情绪分析模型对用户节点的情感极性进行判别，在社区的基础之上采用投票方式对社区的情感极性进行判别，同时，在不考虑社区的基础上，在社交网络结构上运行图联通算法检测用户情感极性的传播范围。

7.根据权利要求6所述的一种公司形象提升系统的用户情感分析和预判系统，其特征在于：基于用户情绪分析模型对复杂社交网络上的用户节点的情感极性进行分析和判别，结合公司形象提升系统的复杂社交网络模型拓扑结构，采用投票的方式对社区用户的整体情感极性进行综合判别，投票方式的投票个体是对一个群体中的每个个体，对事情的情感态度，最终票数最高者作为该群体的情感状态。