[发明专利]一种基于GPT-2模型的网络舆情引导方法及装置

说明书

一种基于GPT‑2模型的网络舆情引导方法及装置，包括：GPT‑2中文网络舆情模型训练模块，用于将网络社交平台中的网络舆情进行去噪处理后输入模型训练模块中，得到一个可以根据指定网络舆情主题预测产生指定数量舆情文本的神经网络模型；引导性网络舆情文本生成模块，用于调用GPT‑2中文网络舆情模型，生成指定数量舆情文本；引导性网络舆情文本投放模块，根据用户填写的舆情平台将生成的引导性网络舆情文本进行舆情发布，从而对于现有热点舆情产生引导；网络舆情引导效果统计模块，用于对引导效果进行评估，从而得出当前引导的效果，同时依据效果来变更引导舆情的发布。所述方法能够自动化生成引导性舆情文本内容，并自动投放到舆情平台上，从而引导舆情。

技术领域

本发明涉及信息处理技术领域，具体涉及一种基于GPT-2模型的网络舆情引导方法及装置。

背景技术

随着软硬件的高速发展，互联网已经是每个人最重要的信息来源和社交场所。社交应用等新型社会媒体为信息的在线传播提供了极为迅捷的传播途径。因此，用户通过高速发展的互联网创造了大量的信息，其中在某些社会事件的发生、发展、变化过程中，产生的社会态度，称之为舆情。舆情包括了用户间的传播行为，评价行为，时序行为等等特征。当这些数据及用户活动的主体位于互联网时，所有的数据都以流量的形式传递。此时，社会舆论在网络空间体现为网络舆情。

伴随互联网的高速发展，区域网络舆情的不可预知性和混乱性大大增加，对网民，尤其是区域用户产生了大量负面影响和错误信息。区域管理者及有关部门如果能在短时间内获得区域网络舆情预警并辅以正面引导，则可避免一系列负面事件，并有效降低后续事件处理成本。

国内的网络舆情的分析和研究方面，有越来越多的企业将目光投向舆情监测系统的开发，包括：方正集团开发的智思服务平台，用于对全网舆情进行分析监控，同时根据舆情的载体来源将舆情划归到不同部门，主要服务于政府，百度集团开发的基于百度搜索引擎的百度舆情系统服务于政企提供了舆情监测、热点及风险事件监控、商机感知等模块，其通过对搜索引擎为入口的舆情进行采集分析相较于其余系统有着先天优势，对于数据的敏感性更加精准同类型的还有新浪集团开发的新浪舆情通平台，采集分析用户的微博内容得到第一手舆情信息，并能很好的和其本身的产品结合。

对于国外网络舆情课题的状况，在2002年美国就已经开始了相关研究，同年主题监测追踪系统被开发应用。该系统主要面向传统新闻媒体，捕捉它们的产出数据,将其分为未知主题和已知主题，分别对其进行识别与跟踪，涉及信息检测、数据采集等技术。

国内外对于舆情监测系统进行了一系列的研究工作，偏重与舆情信息的分析处理，情感倾向的预警监测。研究主体集中在数据的抽取、结构化存储和文本分析上。但是，并没有将目光聚焦在舆情倾向监测之后的引导工作。对于舆情引导的研究基本集中在监测之后的消息警告上，之后的正面引导一般对于严重的负面舆情会由舆情对应的事件产生机构/组织投入人手精力进行引导，对于较轻微的甚至交由时间，让其余的热点舆情慢慢覆盖当前的负面舆情。

综上所述，需要提供一种能够自动化生成引导性舆情文本内容并能自动投放的网络舆情引导方法和装置。

发明内容

本发明的目的是：为了解决上述问题，本发明提出了一种基于GPT-2模型的网络舆情引导方法及装置。

为了解决上述问题，本发明所采用的技术方案是：

一种基于GPT-2模型的网络舆情引导方法，其特征在于，包括：

GPT-2中文网络舆情模型的训练：将网络社交平台中的话题的主题信息和评论信息进行去噪处理后输入指定的模型训练模块中，得到一个能够根据指定中文网络舆情主题预测产生指定数量舆情文本的神经网络模型，即GPT-2中文网络舆情模型；

引导性网络舆情文本的生成：通过调用GPT-2中文网络舆情模型，生成指定数量的引导性网络舆情文本，并将引导性网络舆情文本予以存储，供引导性网络舆情文本投放环节使用；