[发明专利]一种基于深度学习面向公检法领域的舆情等级预测方法

权利要求书

1.一种基于深度学习面向公检法领域的舆情等级预测方法，其特征在于，所述预测方法包括以下步骤：

步骤1：从网络上爬取公检法领域相关的舆情信息，提取其中的文本信息存储至数据库中；

步骤2：对采集到文本信息利用深度学习模型进行预测，得到舆情等级预测结果；

步骤3：将步骤2的舆情等级预测结果存储至系统数据库；

步骤4：在数据库中对舆情等级做出相应标识；

步骤5：对标识后的数据库中舆情等级提供可访问舆情信息的数据接口；

步骤6：通过数据接口在系统中显示舆情等级预测结果；

所述步骤2中采集文本信息后关键词抽取的算法是TextRank的改进算法，边权值计算如下：

其中w_ij表示节点i和节点j之间边的权重即共现频率和词向量相似度之和；c_ij表示节点i和节点j代表的词对的共现次数；vec(V_i)表示节点i对应的词的向量表示，vec(V_j)表示节点j对应的词向量；节点初始权值计算如下：

其中，n表示句子中的单词数，vec(V_i)、vec(V_j)含义同前文，α表示偏置系数，取值在[0,1]之间，表示句子长度和语义相关性哪个对节点初值的影响更多；

算法迭代公式如下：

其中Rank(V_i)表示节点i的关键词得分；w_ij表示节点i和节点j之间边的权重；In(V_i)表示指向节点V_i的节点集合；Out(V_j)表示节点V_j指向的节点集合；Score(V_j)表示节点权值，β表示调和系数，取值在[0,1]之间；经过迭代，当上述Rank(V_i)收敛时，算法结束；

所述步骤2中的深度学习模型将新闻标题通过分词转化为向量的表示形式，用Word2vec模型进行预处理获得词向量；通过改进的TextRank算法对新闻文本进行关键词抽取，同样表示成词向量；之后使用深度神经网络模型对文本特征进行提取，即获取其进一步语义表示；在该语义表示之后拼接数据信息，完成分类；

搭建好模型之后，使用构建好的数据集进行训练；使用该模型对数据库中其他的舆情记录进行等级预测，将预测结果作为舆情记录的一个字段存储下来。

2.根据权利要求1所述一种基于深度学习面向公检法领域的舆情等级预测方法，其特征在于，所述步骤1具体包括以下步骤：

步骤J1.1：爬取得到原始的JSON文件，判断其是否为UTF-8编码，若是则无需转换，若不是则将其编码格式转为UTF-8编码；

步骤J1.2：在UTF-8编码格式的JSON文件中检索，提取出转发量、评论量、评论文本及正文的信息；

步骤J1.3：使用正则表达式对提取出的文本进行清洗，保留中文、英文和数字字符，去除其中的网页链接、标签、表情符号，过滤掉非中文字符；

步骤J1.4：将提取出的文本在数据库中建立该舆情相关的记录，将清洗过的舆情文本存储在单独的数据库当中，并和数据库中对应的舆情记录建立联系。

3.根据权利要求1所述一种基于深度学习面向公检法领域的舆情等级预测方法，其特征在于，所述步骤1具体包括以下步骤：

步骤H1.1：爬取得到原始的HTML文件，判断其是否为UTF-8编码，若是则无需转换，若不是则将其编码格式转为UTF-8编码；

步骤H1.2：在HTML文本中检索body标签，使用正则表达式提取出其中的正文文本；

步骤H1.3：对步骤H1.2的正文文本再次使用正则表达式进行清洗，保留中文、英文和数字字符，去除其中无用信息，过滤掉非中文字符；

步骤H1.4：将清洗过的舆情文本存储在单独的数据库当中，并和数据库中对应的舆情记录建立联系。