[发明专利]面向事故报道的舆情演化自动预测分析方法及系统

权利要求书

1.面向事故报道的舆情演化自动预测分析方法，其特征是，包括：

获取事故新闻报道的文本信息；

对所述事故新闻报道的文本信息进行预处理，得到每篇事故报道的情感分析值、每篇事故报道的要素和若干个事故集合；每个事故集合，均包括：关于同一件事故的按照时间顺序排列的若干篇不同报道；

针对每一个事故集合中的每一篇报道，均提取事故报道三元组；每个事故报道三元组，均包括当前事故报道的事故名称、要素和情感分析值；将事故报道三元组转换成对应的特征表示；通过特征表示，获得事故集合的三元组集合，对三元组集合进行预测，得到对应的舆情演化分析结果。

2.如权利要求1所述的面向事故报道的舆情演化自动预测分析方法，其特征是，对所述事故新闻报道的文本信息进行预处理，得到每篇事故报道的情感分析值；具体包括：

基于每篇事故报道的所有评论集合、所有评论的数量、每一条评论的情感倾向分值，确定每篇事故报道的情感分析值。

3.如权利要求1所述的面向事故报道的舆情演化自动预测分析方法，其特征是，所述若干个事故集合，获取过程包括：

根据要素相关度匹配方式，得到事故匹配识别结果；

对于每一篇事故报道R的要素K_R，如果存在一篇报道R’，报道R’的时间要素与报道R的时间要素相同，且报道R’的地点要素与报道R的地点要素相同，则认为这两篇事故报道为同一个事故；

采用同样的方式，对多篇事故报道的分析判断后，得到同一个事故的事故集合；进而得到若干个事故集合。

4.如权利要求1所述的面向事故报道的舆情演化自动预测分析方法，其特征是，所述将事故报道三元组转换成对应的特征表示；具体包括：

基于事故报道三元组，得到对应的词向量序列；基于词向量序列，得到词向量矩阵；

基于词向量矩阵，通过卷积操作，得到特征映射；对所述特征映射，进行最大池化操作，得到事故报道的三元组特征表示。

5.如权利要求4所述的面向事故报道的舆情演化自动预测分析方法，其特征是，所述基于事故报道三元组，得到对应的词向量序列，采用训练后的语言模型来实现；

所述基于词向量矩阵，通过卷积操作，得到特征映射；对所述特征映射，进行最大池化操作，得到事故报道的三元组特征表示，采用训练后的卷积神经网络来实现；

所述通过特征表示，获得事故集合的三元组集合，对三元组集合进行预测，得到对应的舆情演化分析结果，通过训练后的LSTM模型来实现。

6.如权利要求5所述的面向事故报道的舆情演化自动预测分析方法，其特征是，训练后的语言模型、训练后的卷积神经网络和训练后的LSTM模型不是单独训练得到的，而是组成一个整体，对这个整体训练后得到的；

依次连接的输入层、语言模型、卷积神经网络和LSTM模型，共同组成了事故舆情演化预测模型。

7.如权利要求6所述的面向事故报道的舆情演化自动预测分析方法，其特征是，事故舆情演化预测模型，训练过程包括：

构建训练集；所述训练集包括：已知事故舆情演化结果时间序列的事故集合；

将训练集输入到事故舆情演化预测模型中，对事故舆情演化预测模型进行训练，当损失函数停止降低时，停止训练，得到训练后的事故舆情演化预测模型；也就是得到了训练后的语言模型、训练后的卷积神经网络和训练后的LSTM模型。