[发明专利]基于元素共现的网络舆情自动识别技术

权利要求书

1.基于元素共现的网络舆情自动识别技术，其特征在于，包括实现方法和加权算法两个步骤，其中，实现方法包括如下步骤：

S101：收集语料9436篇，记为X，共1250万字，其中舆情相关语料1836篇，记为Y，250余万字，非舆情相关语料7600篇，记为Z，约1000万字；

S102：然后采用自动分词系统CUCBst对语料进行分词，并进行词频统计；

S103：将X、Y、Z中的词按频次高低分成五级；

S104：将Z中的词按频段与X中同频段的词比较，目的是为了提取语言文字舆情中的特征词；

加权算法包括如下步骤：

S201：首先计算特征词权值，然后以三类特征词的共现为基础；

S202：结合特征词出现位置以及文本的长度，四个因子加权计算获得文本得分，当得分达到一定阈值即可判定该文本属于语言文字舆情。

2.根据权利要求1所述的基于元素共现的网络舆情监测方法，其特征在于，S103中的五级包括：1级(≥1000)、2级(500-999之间)、3级(100-499之间)、4级(5-99之间)、5级(1-4之间)。

3.根据权利要求1所述的基于元素共现的网络舆情监测方法，其特征在于，所述加权算法还包括计算特征词权重。

4.根据权利要求1所述的基于元素共现的网络舆情监测方法，其特征在于，所述加权算法考虑到的因子包括特征词权值、三类特征词之间的共现情况、特征词位置、文本长度。

5.根据权利要求1所述的基于元素共现的网络舆情监测方法，其特征在于，特征词集的质量决定了舆情信息检测的准确率和召回率，为保证特征词集的质量，对自动提取出来的三类特征词语，需要逐条进行人工确认。