[发明专利]舆情监测方法及装置、电子设备及存储介质

权利要求书

1.一种舆情监测方法，其特征在于，所述方法包括：

获取待分析文本；

基于标签提取算法提取所述待分析文本的标签作为关键词；

通过批量构造网络请求，利用所述关键词在选定数据源中检索，得到与所述待分析文本相关的新闻数据，所述选定数据源包括多个特定语言的新闻网络媒体网站；

根据所述选定数据源的反爬虫机制改进采集算法；

利用所述改进的采集算法获取所述相关的新闻数据，得到相关新闻，其中，所述相关新闻至少包含一篇新闻；

将所述相关新闻转化为关键词-权重列表；

根据所述待分析文本及所述相关新闻的关键词-权重列表划分所述相关新闻为多个主题；

获取所述主题对应的相关新闻的评论；

基于预先训练好的基于深度学习的情感分析模型对所述评论进行情感分析，得到情感评分，其中，所述基于深度学习的情感分析模型包括将词列表向词id列表的映射后通过WordEmbedding完成评论语句的低维向量映射；

根据预先训练好的基于情感词典的情感分析模型对所述情感评分进行加权调整，得到所述待分析文本的舆情监测结果；

将情感分析统计结果及高频词列表以数据可视化图表和词云的形式进行表示。

2.根据权利要求1所述的舆情监测方法，其特征在于，所述将所述相关新闻转化为关键词-权重列表，包括：

逐一对所述相关新闻中的每篇新闻进行形态素分析，获得所述新闻的形态素文本；

提取所述新闻的关键词集合，所述关键词集合包含所述新闻的形态素文本中所有的不重复形态素；

确定每个关键词权重，所述关键词权重为所述关键词的TF-IDF值；

基于所述关键词的权重筛选并构建所述新闻的关键词-权重列表。

3.根据权利要求2所述的舆情监测方法，其特征在于，所述确定每个关键词权重，所述关键词权重为所述关键词的TF-IDF值，包括：

在预先构建好的IDF词典内查找所述关键词对应的IDF值，其中，所述IDF词典包含新闻语料数据库中所有关键词和IDF值的对应关系；

基于所述关键词的IDF值，计算所述关键词的TF-IDF值。

4.根据权利要求1所述的舆情监测方法，其特征在于，所述根据所述待分析文本及所述相关新闻的关键词-权重列表划分所述相关新闻为多个主题，包括：

根据待分析文本及所述相关新闻的关键词-权重列表，确定所有相关新闻与所述待分析文本的关联度；

根据所述关联度进行聚类，将所述相关新闻划分为多个聚类主题。

5.根据权利要求1所述的舆情监测方法，其特征在于，所述基于预先训练好的情感分析模型对所述评论进行情感分析，得到所述待分析文本的舆情监测结果，包括：

基于预先训练好的情感分析模型得到所述评论的情感倾向；

计算所有评论中关键词的权重，根据所述权重确定高频词；

统计所有评论的情感倾向及高频词，通过可视化技术展示给用户。

6.根据权利要求1所述的舆情监测方法，其特征在于，所述基于深度学习的情感分析模型通过以下步骤获得：

获取标注好的评论训练数据；

使用预先生成的词向量模型，将所述评论训练数据转化为训练数据词向量；

通过序贯模型构建神经网络，所述神经网络模型为LSTM模型；

在所述神经网络中添加Dense全连接层；

通过所述训练数据词向量训练神经网络模型，直至迭代完成。

7.根据权利要求1所述的舆情监测方法，其特征在于，所述基于情感词典的情感分析模型通过以下步骤获得：

获取标注好的评论训练集；

构建语言情感词典，利用汉语翻译及反义词规则拓展所述情感词典；

通过所述情感词典构建情感倾向判断规则；

根据所述情感倾向判断规则，将所述评论训练集转化为多维特征向量；

通过多维特征向量训练有监督分类模型。