[发明专利]一种网络舆情分析方法

摘要

本发明公开了一种网络舆情分析方法，具体通过使用AC自动机和正则表达式匹配出正文中的关键词和关键句式，并根据匹配的结果将文章表示为若干主题，通过为每种主题设定权值并计算页面的权值和，从而快速、准确的分析并判断页面是否属于舆情。本发明的方法以主题匹配代替简单舆情分析中的词语匹配，同时免去了聚类、分类等复杂步骤，能够在保证一定准确度的情况下能综合各种指标，对各种页面进行高速舆情分析，达到最快的分析速度。

主权项

一种网络舆情分析方法，具体包括如下步骤：S1：参数初始化：待匹配的关键词表，包含若干个用于描述舆情信息的关键词，以及该关键词对应的主题编号；待匹配的关键句式表，包含若干个描述舆情信息的句式的正则表达式，以及该关键句式的所述主题编号；主题编号到主题性质与主题权值的映射表；S2：从待匹配的关键词表中读入每个要匹配的关键词，并将每个词语加入到AC自动机的词语树前缀中，完成词语树构建；S3：从待匹配的关键句式表中读入每种句式对应的正则表达式；S4：读入待分析页面，提取待分析页面的正文部分；S5：遍历正文，匹配正文中出现的关键词并计算出每一个关键词出现的次数，同时根据待匹配的关键词表查询出每个关键词对应的主题编号；S6：将正文部分中的内容根据标点或者空格划分为若干句，删去其中字数小于θs的句子，对于剩余的句子，进行关键句式匹配，其中，θs为预先设置的最小句子长度阈值；S7：根据步骤S5和S6匹配结果，确定正文部分的主题组合；S8：根据映射表，以及步骤S7得到的正文部分的主题组合，按如下公式计算正文的舆情指数：R=A1SS+A2SN‑A3SP‑A4SI‑A5SF；其中，SS为文章中出现的敏感类问题的权值和，SN为负面情感主题的权值和，SP为正面情感主题的权值和，SI为非舆情类主题的权值和，SF为描述国外情形主题的权值和，A1、A2、A3、A4、A5为预先设置的经验参数；S9：根据步骤S7和S8结果，若R≥Tr且文章中不包含用户设定的过滤关键字，同时文章描述内容涉及地区与用户设定的关注地区一致，则认定该正文为用户关心的舆情信息，其中，Tr为预先设置的认定一篇文章为舆情的最小门限值。