[发明专利]一种网络舆情话题特征提取方法及系统

权利要求书

1.一种网络舆情话题特征提取方法，其特征在于，包括：

采用词频结合ITF/PDF方法对待测文本语料进行关键词提取；

根据提取的关键词在所述待测文本语料中的共现关系构建共词网络；

采用Louvain算法对所述共词网络进行社区划分；

对相邻时间段所构建的共词网络进行话题演化探测得到演化类型时间表；

采用基于事件驱动的方法结合所述演化类型时间表对所述待测文本语料进行话题时空特征提取。

2.根据权利要求1所述的网络舆情话题特征提取方法，其特征在于，所述采用ITF/PDF的方法对待测文本语料进行关键词提取，具体为：

对所述待测文本语料进行预处理；其中，所述预处理包括分词处理、词性标注和过滤停用词语；

对预处理后的语料进行词频统计，筛选出词频大于预设词频阈值的名词和动词作为候选关键词；

采用词频结合ITF/PDF方法计算预处理后的待测文本预料中的词语权重；

从候选关键词筛选出词语权重大于预设权重阈值的名词和动词作为目标关键词。

3.根据权利要求2所述的网络舆情话题特征提取方法，其特征在于，所述词频结合ITF/PDF方法计算权重的公式为：

式中，Weight_j为词语j的权重，N为文档集包含的文档数，n_i为文档集中包含词i的文档数，n为第j个文档的词表大小，tf_ji为词语i在文档j中的频度。

4.根据权利要求1所述的网络舆情话题特征提取方法，其特征在于，所述根据提取的关键词在所述待测文本语料中的共现关系构建共词网络，具体为：

若判断提取得到的任意两个关键词在同一文档共同出现，则记录这两个关键词的共现关系；

统计所述共现关系在所有文档中出现的次数并构建关键词共现矩阵；

根据所述关键词共现矩阵进行构建共词网络。

5.根据权利要求1所述的网络舆情话题特征提取方法，其特征在于，所述采用基于事件驱动的方法结合所述演化类型时间表对所述待测文本语料进行话题时空特征提取，具体为：

对与所述演化类型时间表中的话题相关的文档进行时序统计得到时间热点；

根据所述时间热点查找事件以及与该事件相对应的地点；

根据所述地点出现的次数进行时空制图得到所述话题时空特征。

6.一种网络舆情话题特征提取系统，其特征在于，包括：

关键词提取模块，用于采用词频结合ITF/PDF方法对待测文本语料进行关键词提取；

共词网络构建模块，用于根据提取的关键词在所述待测文本语料中的共现关系构建共词网络；

社区划分模块，用于采用Louvain算法对所述共词网络进行社区划分；

话题演化探测模块，用于对相邻时间段所构建的共词网络进行话题演化探测得到演化类型时间表；

时空特征提取模块，用于采用基于事件驱动的方法结合所述演化类型时间表对所述待测文本语料进行话题时空特征提取。

7.根据权利要求6所述的网络舆情话题特征提取系统，其特征在于，所述关键词提取模块具体用于：

对所述待测文本语料进行预处理；其中，所述预处理包括分词处理、词性标注和过滤停用词语；对预处理后的语料进行词频统计，筛选出词频大于预设词频阈值的名词和动词作为候选关键词；采用词频结合ITF/PDF方法计算预处理后的待测文本预料中的词语权重；从候选关键词筛选出词语权重大于预设权重阈值的名词和动词作为目标关键词。

8.根据权利要求7所述的网络舆情话题特征提取系统，其特征在于，所述词频结合ITF/PDF方法计算权重的公式为：

式中，Weight_j为词语j的权重，N为文档集包含的文档数，n_i为文档集中包含词i的文档数，n为第j个文档的词表大小，tf_ji为词语i在文档j中的频度。