【技术实现步骤摘要】
本专利技术涉及计算机，特别涉及一种基于大模型的舆情预测系统、方法、设备及存储介质。
技术介绍
1、在信息爆炸的时代，互联网成为了公众意见交流和信息传播的主要平台。社交媒体、新闻评论、博客、论坛等渠道产生了海量的用户生成内容，这些内容反映了公众的情绪、观点和关注点，形成了复杂的舆情环境。传媒行业在报道新闻、塑造公众观点和管理品牌形象时，面临着如何从这些海量数据中快速提取有价值信息的挑战。
2、传统的舆情监测方法依赖人工监控和分析，效率低下且容易遗漏重要信息。尽管有一些基于规则或简单统计的工具，但它们往往无法准确理解文本的语义，捕捉到复杂的舆论变化，特别是在处理多语言、多文化背景下的舆情时更为困难。因此如何对获取到的舆情信息进行分析是需要解决的。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于大模型的舆情预测系统、方法、设备及存储介质，能够提升舆情监测的精准度，增强传媒机构在信息时代的决策能力和竞争力。其具体方案如下：
2、第一方面，本申请公开了一种基于大模型的舆情预测系统，包括：
3、舆情监测模块，用于从预设多源数据网站抓取舆情数据进行数据预处理以得到文本数据，并将所述文本数据分别通过不同的预设实时数据通道发送至对应的预设舆情分析模型；
4、舆情分析模块，用于通过所述预设舆情分析模型从所述文本数据中提取目标分析数据，并分别对所述目标分析数据中的目标情感数据、目标主题数据和目标时间周期数据进行相应的数据分析以得到对应的数据分
5、舆情预测模块，用于对各所述数据分析结果进行整合以得到整合后舆情分析结果数据，并将所述整合后舆情分析结果数据输入至预设舆情预测模型以得到相应的舆情预测结果。
6、可选的，所述舆情监测模块，包括：
7、数据爬取单元，用于利用分布式爬虫技术从预设多源数据网站抓取舆情数据，并对所述舆情数据进行数据预处理以得到文本数据；
8、数据通道创建单元，用于利用预设消息队列技术创建预设舆情分析模型对应的数据通道以得到预设实时数据通道；
9、数据发送单元，用于将所述文本数据通过所述预设实时数据通道发送至对应的所述预设舆情分析模型。
10、可选的，所述舆情分析模块，包括：
11、情感分析单元，用于通过所述预设舆情分析模型中的情感分析模型从所述文本数据中提取目标情感数据，并对所述目标情感数据进行数据分析以得到对应的情感分类结果；所述情感分析模型是基于各舆情训练数据中的历史情感数据对卷积神经网络模型或长短时记忆网络模型进行训练得到的深度网络学习模型；
12、主题分类单元，用于通过所述预设舆情分析模型中的主题建模模型从所述文本数据中提取目标主题数据，并对所述目标主题数据进行识别和概括以得到主题定义结果；所述主题建模模型是基于各舆情训练数据中的历史主题数据对潜在狄利克雷分配算法或词频逆文档频率算法进行训练得到的聚类算法模型；
13、趋势分析单元，用于通过所述预设舆情分析模型中的趋势分析模型从所述文本数据中提取目标时间周期数据，并基于目标时间周期数据确定所述舆情数据的舆情发展趋势；所述趋势分析模型是基于各舆情训练数据中的历史舆情数据对时间序列分析模型进行训练得到的模型。
14、可选的，所述舆情预测模块，包括：
15、分析结果整合单元，用于获取所述情感分类结果、所述主题定义结果和所述舆情发展趋势进行整合以得到整合后舆情分析结果数据；
16、预测模型构建单元，用于基于所述各舆情训练数据的舆情发展结果对预设梯度提升决策树模型或随机森林模型进行训练以得到预设舆情预测模型；
17、舆情预测单元，用于将所述整合后舆情分析结果数据输入至预设舆情预测模型以得到所述情感分类结果和所述主题定义结果下所述舆情发展趋势对应的发展预测结果。
18、可选的，所述系统还包括：
19、阈值确定模块，用于基于所述情感分类结果和所述主题定义结果确定对应的舆情强度阈值；
20、舆情预警模块，用于将所述舆情强度阈值与所述发展预测结果进行比较以得到相应的比值结果，并基于所述比值结果及逆行相应的预警。
21、可选的，还包括：
22、策略集成模块，用于利用规则引擎分析方法对所述发展预测结果进行分析以得到分析结果，并基于所述分析结果从预设公关策略模板中确定目标策略模板；
23、公关文章生成模块，用于基于自然语言处理技术和自然语言生成技术对所述目标策略模板进行文字填充以得到目标公关文案。
24、可选的，所述系统还包括：
25、可视化展示模块，用于将所述文本数据、所述舆情预测结果和所述目标公关文案整理成对应的舆情处理展示信息，并将所述舆情处理展示信息通过预设可视化界面进行展示。
26、第二方面，本申请公开了一种基于大模型的舆情预测方法，包括：
27、从预设多源数据网站抓取舆情数据进行数据预处理以得到文本数据，并将所述文本数据通过预设实时数据通道发送至对应的预设舆情分析模型；
28、通过所述预设舆情分析模型从所述文本数据中提取目标分析数据，并分别对所述目标分析数据中的目标情感数据、目标主题数据和目标时间周期数据进行相应的数据分析以得到对应的数据分析结果；
29、对各所述数据分析结果进行整合以得到整合后舆情分析结果数据，并将所述整合后舆情分析结果数据输入至预设舆情预测模型以得到相应的舆情预测结果。
30、第三方面，本申请公开了一种电子设备，包括：
31、存储器，用于保存计算机程序；
32、处理器，用于执行所述计算机程序以实现前述的基于大模型的舆情预测方法。
33、第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的基于大模型的舆情预测方法。
34、可见，本申请中，舆情监测模块，用于从预设多源数据网站抓取舆情数据进行数据预处理以得到文本数据，并将所述文本数据分别通过不同的预设实时数据通道发送至对应的预设舆情分析模型；舆情分析模块，用于通过所述预设舆情分析模型从所述文本数据中提取目标分析数据，并分别对所述目标分析数据中的目标情感数据、目标主题数据和目标时间周期数据进行相应的数据分析以得到对应的数据分析结果；舆情预测模块，用于对各所述数据分析结果进行整合以得到整合后舆情分析结果数据，并将所述整合后舆情分析结果数据输入至预设舆情预测模型以得到相应的舆情预测结果。即，通过利用大模型进行舆情数据的收集和分析生成相应的舆情分析结果，可以省去人工监控和分析所花费的时间，提高舆情分析的效率，以便及时根据分析结果做出相应的公关策略。
本文档来自技高网...【技术保护点】
1.一种基于大模型的舆情预测系统，其特征在于，包括：
2.根据权利要求1所述的基于大模型的舆情预测系统，其特征在于，所述舆情监测模块，包括：
3.根据权利要求1所述的基于大模型的舆情预测系统，其特征在于，所述舆情分析模块，包括：
4.根据权利要求3所述的基于大模型的舆情预测系统，其特征在于，所述舆情预测模块，包括：
5.根据权利要求4所述的基于大模型的舆情预测系统，其特征在于，还包括：
6.根据权利要求5所述的基于大模型的舆情预测系统，其特征在于，还包括：
7.根据权利要求6所述的基于大模型的舆情预测系统，其特征在于，还包括：
8.一种基于大模型的舆情预测方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求8所述的基于大模型的舆情预测方法。
【技术特征摘要】
1.一种基于大模型的舆情预测系统，其特征在于，包括：
2.根据权利要求1所述的基于大模型的舆情预测系统，其特征在于，所述舆情监测模块，包括：
3.根据权利要求1所述的基于大模型的舆情预测系统，其特征在于，所述舆情分析模块，包括：
4.根据权利要求3所述的基于大模型的舆情预测系统，其特征在于，所述舆情预测模块，包括：
5.根据权利要求4所述的基于大模型的舆情预测系统，其特征在于，还包括：...
【专利技术属性】
技术研发人员：胡雨晴，韩同，李廷，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。