[发明专利]基于SOAR模型的网络舆情预测方法

摘要

本发明公开一种基于SOAR模型的网络舆情预测方法，首先获取典型舆情突发事件的微博数据，然后对数据进行清洗和加工，构建长期记忆规则库，接着获取网民群体工作记忆，将工作记忆与长期记忆规则进行匹配、决策得到每个网民的群体行为，最后统计所有网民的群体行为预测网民的总体情感倾向。本发明将政府应急管理宏观理论与微观网民行为研究相结合，能够根据不同网络舆情阶段、不同政府应急响应措施预测网民总体情感倾向。

主权项

基于SOAR模型的网络舆情预测方法，其特征在于，包括以下步骤：步骤1、采集多个典型网络舆情突发事件的微博数据，存储到数据库中；步骤2、对数据进行清洗和整理，剔除媒体、官微发布的微博数据，得到普通网民发布的微博数据；步骤3、对普通网民发布的微博数据进行加工，包括：对网民进行分类；对网民群体行为进行情感标注，得到微博数据的非负面情感或负面情感；按日统计微博数量，划分网络舆情演变阶段；归纳不同阶段政府采取的应急管理措施；统计政府采取措施前后不同类别网民的总体情感倾向，以及对应的偏好值；步骤4、根据加工数据构建长期记忆规则库：用网络舆情演变阶段、在该阶段政府采取的应急响应措施、网民总体情感倾向表示条件，用网民群体行为表示动作，用条件和动作之间的关联表示规则，用偏好值表示对规则的偏好，用规则和其相应的偏好分别构建不同类型网民的长期记忆规则库；步骤5、获取网民群体的工作记忆：采集待预测的网络舆情突发事件的微博数据，采用步骤2和步骤3方法进行加工，得到网民种类、对应的网络舆情演变阶段、在该阶段政府采取的应急响应措施、网络舆情演变阶段开始时的网民总体情感倾向构建初始工作记忆；步骤6、根据获取的工作记忆元素与长期记忆规则进行匹配：选择任一网民，其工作记忆元素为当前状态下网民群体工作记忆，每一条规则的条件用来和工作记忆元素匹配，如果匹配成功，则将匹配成功的规则条件加入候选集，否则，采用降低匹配精度的方法生成新规则加入长期记忆规则库再次进行匹配；步骤7、使用偏好知识对候选集的元素进行评估：若候选集元素唯一，则根据长期记忆规则输出对应的行为，否则，根据偏好值对候选元素进行排序，选择偏好值最大的候选元素，根据长期记忆规则输出对应的行为；步骤8、更新网民群体工作记忆：统计当前状态下网民群体负面情感比例，得出新的网民总体情感倾向，以当前状态的网络舆情演变阶段，在该阶段政府采取的应急响应措施和网民总体情感倾向更新网民群体工作记忆；步骤9、预测对应网络舆情演变阶段的网民总体情感倾向：重复步骤6、步骤7和步骤8，计算对应网络舆情演变阶段中每个网民的情感倾向，实时统计对应网络舆情演变阶段的负面情感比例，预测最终的网民总体情感倾向。