一种舆情情感态势预测方法、系统、终端及存储介质技术方案

本发明专利技术涉及一种舆情情感态势预测方法、系统、终端及存储介质，其方法包括获取舆情数据；基于分组规则，根据所述评论时间对每一次历史舆情事件的评论内容分组；基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值；获取预设的时间节点；根据舆情事件样本中每个历史舆情事件处于时间节点外的情感态势分值训练，并得到预测模型；根据所述预测模型和舆情事件集合中每个历史舆情事件处于时间节点内的情感态势分值确定情感态势预测值。本申请具有准确预测舆情情感态势的特点。情情感态势的特点。情情感态势的特点。

【技术实现步骤摘要】
一种舆情情感态势预测方法、系统、终端及存储介质


[0001]本申请涉及舆情分析技术的领域，尤其是涉及一种舆情情感态势预测方法、系统、终端及存储介质。

技术介绍

[0002]目前，互联网舆情发展趋势预测的目的是运用信息技术等手段，根据信息发展的历史数据和当前的数据，预测互联网上的话题在未来一段时间内发展的趋势，如信息数量、传播范围、传播时间等。
[0003]在舆情向消极方向发展时，公安等相关部门往往需要介入处理，以避免态势进一步扩大，从而造成重大影响。现有技术中，相关部门的工作人员通常根据自身经验和舆情热度做主观判断，难以进行准确预测。

技术实现思路

[0004]本申请目的一是提供一种舆情情感态势预测方法，具有准确预测舆情情感态势的特点。
[0005]本申请的上述申请目的一是通过以下技术方案得以实现的：一种舆情情感态势预测方法，包括：获取舆情数据，所述舆情数据包括历史舆情事件，每一次历史舆情事件都包括评论数据，所述评论数据包括评论内容、评论时间和评论标识，一条评论内容对应一个评论时间和一个评论标识；基于分组规则，根据所述评论时间对每一次历史舆情事件的评论内容分组；基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值；获取预设的时间节点；根据舆情事件样本中每个历史舆情事件处于时间节点外的情感态势分值训练，并得到预测模型，所述舆情事件样本为具有处于时间节点外的情感态势分值的历史舆情事件的集合；根据所述预测模型和舆情事件集合中每个历史舆情事件处于时间节点内的情感态势分值确定情感态势预测值，所述舆情事件集合为只具有处于时间节点内的情感态势分值的历史舆情事件的集合。
[0006]通过采用上述技术方案，能够对所有历史舆情事件的所有评论内容按照评论时间进行分组，然后通过评分模型得到每一组的情感态势分值。情感态势分值能够反映每一组评论内容的感情色彩，即积极或消极。当确定所有历史舆情事件每一组的情感态势分值后，能够根据舆情事件样本中所有历史舆情事件的情感态势分值训练预测模型，预测模型能够预测舆情事件集合中所有历史舆情事件不同时间的情感态势分值，本方法能够准确预测舆情情感态势。
[0007]可选的，所述评分模型包括第一评分模型和第二评分模型，所述基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值包括：基于所述第一评分模型，依次确定每个分组中每个评论内容的情感得分，所述情感得分反映积极情感或消极情感；基于所述第二评分模型，根据反映积极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的积极情感态势分值，根据反映消极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的消极情感态势分值，根据同组的积极情感态势分值和消极情感态势分值依次确定每一次历史舆情事件的每个分组的情感态势分值。
[0008]可选的，所述基于所述第二评分模型，根据反映积极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的积极情感态势分值包括：根据反映积极情感的情感得分和对应评论内容的数量确定积极情感平均值；根据所述积极情感平均值、对应评论内容的数量和对应评论内容的评论标识数量确定积极情感态势分值。
[0009]可选的，所述积极情感态势分值为积极情感平均值、对应评论内容的数量和对应评论内容的评论标识数量之积。
[0010]可选的，基于所述第二评分模型，根据反映消极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的消极情感态势分值包括：根据反映消极情感的情感得分和对应评论内容的数量确定消极情感平均值；根据所述消极情感平均值、对应评论内容的数量和对应评论内容的评论标识数量确定消极情感态势分值。
[0011]可选的，所述消极情感态势分值为消极情感平均值、对应评论的内容数量和对应评论内容的评论标识数量之积。
[0012]可选的，所述情感态势分值为积极情感态势分值与消极情感态势分值的绝对值之差。
[0013]本申请目的二是提供一种舆情情感态势预测系统，具有准确预测舆情情感态势的特点。
[0014]本申请的上述申请目的二是通过以下技术方案得以实现的：一种舆情情感态势预测系统，包括，数据获取模块，用于获取舆情数据，所述舆情数据包括历史舆情事件，每一次历史舆情事件都包括评论数据，所述评论数据包括评论内容、评论时间和评论标识，一条评论内容对应一个评论时间和一个评论标识；分组模块，用于基于分组规则，根据所述评论时间对每一次历史舆情事件的评论内容分组；确定模块，用于基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值；节点获取模块，用于获取预设的时间节点；训练模块，用于根据舆情事件样本中每个历史舆情事件处于时间节点外的情感态势分值训练，并得到预测模型，所述舆情事件样本为具有处于时间节点外的情感态势分值
的历史舆情事件的集合；以及，预测模块，用于根据所述预测模型和舆情事件集合中每个历史舆情事件处于时间节点内的情感态势分值确定情感态势预测值，所述舆情事件集合为只具有处于时间节点内的情感态势分值的历史舆情事件的集合。
[0015]本申请目的三是提供一种智能终端，具有准确预测舆情情感态势的特点。
[0016]本申请的上述申请目的三是通过以下技术方案得以实现的：一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述舆情情感态势预测方法的计算机程序。
[0017]本申请目的四是提供一种计算机存储介质，能够存储相应的程序，具有便于实现准确预测舆情情感态势的特点。
[0018]本申请的上述申请目的四是通过以下技术方案得以实现的：一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种舆情情感态势预测方法的计算机程序。
[0019]综上所述，本申请包括以下至少一种有益技术效果：本申请能够对所有历史舆情事件的所有评论内容按照评论时间进行分组，然后通过评分模型得到每一组的情感态势分值。情感态势分值能够反映每一组评论内容的感情色彩，即积极或消极。当确定所有历史舆情事件每一组的情感态势分值后，能够根据舆情事件样本中所有历史舆情事件的情感态势分值训练预测模型，预测模型能够预测舆情事件集合中所有历史舆情事件不同时间的情感态势分值。本申请能够准确预测舆情情感态势。
附图说明
[0020]图1是本申请其中一实施例的舆情情感态势预测方法的流程示意图。
[0021]图2是本申请其中一实施例的舆情情感态势预测系统的系统示意图。
[0022]图3是本申请其中一实施例的智能终端的结构示意图。
[0023]图中，21、数据获取模块；22、分组模块；23、确定模块；24、节点获取模块；25、训练模块；26、预测模块；301、CPU；302、ROM；303、RAM；304、总线；305、I/O接口；306、输入部分；307、输出部分；308、存储部分；3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种舆情情感态势预测方法，其特征在于，所述方法包括：获取舆情数据，所述舆情数据包括历史舆情事件，每一次历史舆情事件都包括评论数据，所述评论数据包括评论内容、评论时间和评论标识，一条评论内容对应一个评论时间和一个评论标识；基于分组规则，根据所述评论时间对每一次历史舆情事件的评论内容分组；基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值；获取预设的时间节点；根据舆情事件样本中每个历史舆情事件处于时间节点外的情感态势分值训练，并得到预测模型，所述舆情事件样本为具有处于时间节点外的情感态势分值的历史舆情事件的集合；根据所述预测模型和舆情事件集合中每个历史舆情事件处于时间节点内的情感态势分值确定情感态势预测值，所述舆情事件集合为只具有处于时间节点内的情感态势分值的历史舆情事件的集合。2.根据权利要求1所述的方法，其特征在于，所述评分模型包括第一评分模型和第二评分模型，所述基于评分模型，根据评论内容和评论标识依次确定每一次历史舆情事件的每个分组的情感态势分值包括：基于所述第一评分模型，依次确定每个分组中每个评论内容的情感得分，所述情感得分反映积极情感或消极情感；基于所述第二评分模型，根据反映积极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的积极情感态势分值，根据反映消极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的消极情感态势分值，根据同组的积极情感态势分值和消极情感态势分值依次确定每一次历史舆情事件的每个分组的情感态势分值。3.根据权利要求2所述的方法，其特征在于，所述基于所述第二评分模型，根据反映积极情感的情感得分和对应评论内容的评论标识依次确定每一次历史舆情事件的每个分组中的积极情感态势分值包括：根据反映积极情感的情感得分和对应评论内容的数量确定积极情感平均值；根据所述积极情感平均值、对应评论内容的数量和对应评论内容的评论标识数量确定积极情感态势分值。4.根据权利要求3所述的方法，其特征在于，所述积极情感态势分值为积极情感平均值、...

【专利技术属性】
技术研发人员：徐涛，吴楠，蒋修强，胡大明，卢小军，王金涛，王方舟，
申请(专利权)人：北京码牛科技股份有限公司，
类型：发明
国别省市：