(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210710638.9 (22)申请日 2022.06.22 (71)申请人 上海人工智能创新中心 地址 200232 上海市徐汇区云锦路701号 37、 38层 申请人 上海申康医院发展中心 (72)发明人 王延峰　王兴鹏　张文宏　徐捷　 石虎伟　张昊澄　 (74)专利代理 机构 上海智晟知识产权代理事务 所(特殊普通 合伙) 31313 专利代理师 张瑞莹　李镝的 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/335(2019.01) G06F 16/35(2019.01)G06F 16/951(2019.01) G06F 16/215(2019.01) G06F 40/205(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于大数据的舆情监控与分析系统及 方法 (57)摘要 本发明提供一种基于大数据的舆情监控与 分析方法， 首先根据待监控主题， 确定检索词， 然 后获取舆情数据并存储， 其中， 舆情数据包括舆 情新闻及其评论， 接下来基于舆情数据， 提取舆 情热词， 并对舆情数据进行情感分类及量化分 析， 最后根据舆情热词及量化分析结果形成分析 报告。 权利要求书2页 说明书7页 附图1页 CN 115098773 A 2022.09.23 CN 115098773 A 1.一种基于大 数据的舆情监控与分析 方法， 其特 征在于， 包括： 根据待监控主题， 确定检索词； 根据所述检索词， 获取舆情数据， 其中所述舆情数据包括舆情新闻及其评论； 基于所述舆情数据， 提取舆情热词； 对所述舆情数据进行情感分类， 并进行量 化分析； 以及 根据所述舆情热词及量 化分析结果形成分析报告。 2.如权利要求1所述的方法， 其特 征在于， 所述检索词的确定包括： 根据待监控主题， 确定基础检索词； 以及 基于词向量技术， 进行语义相似度分析， 以获取与所述基础检索词的词向量相似的新 词， 并将所述 新词作为迭代检索词。 3.如权利要求2所述的方法， 其特 征在于， 所述词向量 根据如下步骤训练得到： 将获取的部分或全部 舆情数据作为无监 督训练语料； 对所述无监 督训练语料进行清洗， 包括： 分词、 去除符号及停用词； 以及 使用词向量模型对清洗后的语料进行训练， 得到词向量。 4.如权利要求1所述的方法， 其特 征在于， 所述舆情数据通过爬虫技 术获取。 5.如权利要求4所述的方法， 其特征在于， 通过爬虫技术获取舆情数据包括每间隔指定 时长， 执行一次以下动作： 在指定网站的热搜榜中检索包 含所述检索词的话题； 以及 选取所述话题下热度最高的舆情新闻， 并获取其对应的评论。 6.如权利要求1所述的方法， 其特 征在于， 所述舆情热词的提取包括： 对所述舆情新闻的标题进行分词； 对符合预定词性的关键词进行词频统计， 并按照词频从高到低进行排序； 以及 确定排序前N位的关键词的搜索指数， 删除搜索指数低于预设值的关键词， 将剩下的关 键词作为舆情热词。 7.如权利要求1所述的方法， 其特征在于， 对所述舆情数据进行情感分类包括： 根据情 感模型确定所述舆情数据的情感分数， 进 而确定情感分类。 8.如权利要求7 所述的方法， 其特 征在于， 所述情感模型根据如下步骤训练得到： 对训练数据集进行清洗及 分词， 其中所述训练数据集包括互联网上公开的已标注情感 的评论， 以及根据检索词获取的舆情数据； 基于互联网上公开的评论数据集， 采用无监督的词向量模型训练得到词向量， 作为第 一特征； 从互联网获取情感词表， 并根据所述情感词表， 对训练数据集中的每段文字的情感词 进行编码， 得到第二特 征， 其中， 所述情感词表包括积极、 消极两个词表； 以及 融合所述第一特 征及第二特 征， 通过深度学习技 术得到情感模型。 9.如权利要求8所述的方法， 其特征在于， 对训练数据集进行清洗及分词时， 保留表情 词、 带有明确情感的新词汇以及问号、 感叹号。 10.如权利要求8所述的方法， 其特 征在于， 所述深度学习技 术包括： 使用Bi‑LSTM对融合后第一特 征及第二特 征进行特征提取； 以及 用线性层输出 得到情感分数， 其中， 所述情感分数 取值为0到1之间， 包 含1和0：权　利　要　求　书 1/2 页 2 CN 115098773 A 2若某段文字的情感分数 大于0.6， 则所述文字的情感分类判定为积极； 若某段文字的情感分数小于 0.4， 则所述文字的情感分类判定为消极； 若某段文字的情感分数介于 0.4到0.6之间， 则所述文字的情感分类判定为中性。 11.如权利要求8所述的方法， 其特 征在于， 所述情感模型的训练还 包括： 训练多个情感模型， 并将训练得到最优结果的模型作为 最终的情感模型。 12.如权利要求1所述的方法， 其特 征在于， 所述分析报告包括： 舆情热词及其对应的不同情感分类的舆情新闻和/或评论的数量和/或比例； 报告概论， 包括所述舆情数据中， 消极评论 量排名前L位的舆情新闻的标题； 以及 详细新闻列表， 包括所述舆情数据中所有评论 量不为0的舆情新闻及其情感分类。 13.如权利要求1所述的方法， 其特 征在于， 还 包括： 将所述舆情热词及量 化分析结果以可视化的方式展示出来。 14.一种基于大数据的舆情监控与分析系统， 其特征在于， 其被配置为执行如权利要求 1至13任一所述的方法， 所述系统包括： 数据抓取模块， 其被 配置为根据检索词获取舆情数据； 数据存储模块， 其被 配置为存 储舆情数据、 舆情热词以及量 化分析结果； 以及 数据处理模块， 其被配置为执行以下动作： 基于所述舆情数据提取舆情热词、 对所述舆 情数据进行情感分类及量 化分析、 以及形成分析报告。权　利　要　求　书 2/2 页 3 CN 115098773 A 3