[发明专利]一种基于主题挖掘和情感分析的微博舆情可视分析方法

权利要求书

1.一种基于主题挖掘和情感分析的微博舆情可视分析方法，其特征在于：该方法包括以下步骤：

S1：研究数据的获取以及处理，具体分为确定需要爬取的微博账号，获取所研究微博账号在舆情期间的微博数据，提取所需研究字段，对获取的研究语料进行预处理；

S2：采用贝叶斯模型对微博数据进行主题分类，接着使用TF-IDF特征提取和LDA主题模型对分类好的语料进行文本主题挖掘；

S3：提取各时间段热点话题的微博评论，然后使用基于扩展词典的方法进行初步情感分类；接着使用FastText分类器进行二次情感分类，得到最终的分类结果；

S4：对前面得到的微博热点话题和情感趋势采用对比可视化的方法，从时间、空间、热度和用户属性多个层面上对两次舆情期间微博舆情进行可视分析。

2.根据权利要求1所述的一种基于主题挖掘和情感分析的微博舆情可视分析方法，其特征在于：所述S1中，确定需要爬取的微博账号是根据微博媒体的发文情况，选择包括人民网和人民日报有权威的账号。

3.根据权利要求1所述的一种基于主题挖掘和情感分析的微博舆情可视分析方法，其特征在于：所述S1中，对爬取的微博原始数据进行预处理，包括：去除停用词，去除标点，去除副词；

使用正则匹配，保留的数据包括微博的内容、作者、时间、点赞数、转发数、话题词和评论；

语料库包括话题词、内容、评论；之后将数据保存到新的CSV文件中。

4.根据权利要求1所述的一种基于主题挖掘和情感分析的微博舆情可视分析方法，其特征在于：所述S2中，使用贝叶斯模型对预处理后的数据进行主题分类，主题类别根据舆情期间的微博分类决定；

朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立；具体操作为：

设每个数据样本用一个n维特征向量来描述n个属性的值，即：X＝{x1，x2，…，xn}，假定有m个类，分别用C1,C2,…，Cm表示；给定一个未知的数据样本X，即没有类标号，若朴素贝叶斯分类法将未知的样本X分配给类Ci，则为：

P(Ci|X)P(Cj|X)1≤j≤m，j≠i

根据贝叶斯定理：

由于P(X)对于所有类为常数，最大化后验概率P(Ci|X)转化为最大化先验概率P(X|Ci)P(Ci)；如果训练数据集有许多属性和元组，设各属性的取值互相独立，从训练数据集求得先验概率P(x1|Ci)，P(x2|Ci)，…，P(xn|Ci)；

对一个未知类别的样本X，先分别计算出X属于每一个类别Ci的概率P(X|Ci)P(Ci)，然后选择其中概率最大的类别作为其类别。

5.根据权利要求1所述的一种基于主题挖掘和情感分析的微博舆情可视分析方法，其特征在于：所述S2中，对主题分类后的数据，使用TF-IDF特征提取和生成，建立整个语料库的特征向量空间模型；

TF代表这一个词在一篇文档中出现的次数，IDF代表这一个词在文档集中的多少篇文档中出现，由TF和IDF相乘，得到一个具体的词对于一篇文档的重要程度；对每一篇文档的所有维度进行该文档的重要程度计算，生成每一篇文档的TF-IDF特征向量。