[发明专利]一种微博舆情风险研判的方法

权利要求书

1.一种微博舆情风险研判的方法，其特征在于，所述方法先通过爬虫采集大量微博数据，再先后通过敏感话题的识别、情感模型、影响力模型、传播模型的分析，根据这几个模型的输出情况，决定是否预警或者是进入下一个模型进行分析；包括如下步骤：

S1：提取源信息话题关键字，若涉及敏感话题则发出预警，若不涉及敏感话题，则进入情感模型进行分析；

S2：通过情感模型对信息进行情感分析，若为非负面情绪，则结束流程；若负面程度高则发出预警；若负面程度不高，则进入影响力模型进行分析；

S3：影响力模型首先会判断该信息的作者是否在维护的名单中，如果在则立即预警，否则将会进行影响力分析；进入影响力分析后，如果输出的影响力值大于或等于预先设定的阈值，则立即预警，否则将会进入传播模型进行分析；

S4：传播模型首先会判断该信息已有的转发参与者中是否有大V用户，如果有则立即预警，否则会进行传播加权分析；进行传播加权分析后得到传播风险值，如果输出的传播风险值大于预先设定的阈值，则立即预警，否则将会把信息输入到动态监控池中，动态监控池会对信息进行时效判断，把当前时间与信息爬取入库的时间差作为条件进行判断，在短周期内，将该信息重新输入到传播模型进行分析；在一定时间的短周期内，评论加上转发的和的绝对增量超过一定数量则预警；如果超过一定时间没有触发预警，则停止对其监控，结束流程。

2.根据权利要求1所述的一种微博舆情风险研判的方法，其特征在于，S1中，对于敏感话题的判断是将源信息的话题关键字与提前建立且人工维护的一套词库进行判断。

3.根据权利要求1所述的一种微博舆情风险研判的方法，其特征在于，所述情感模型为基于循环神经网络的情感模型，具体包括：训练数据的准备、语言模型的构造和情感的识别。

4.根据权利要求3所述的一种微博舆情风险研判的方法，其特征在于，所述训练数据的准备的具体过程为：从互联网应用爬取各类用户的评价数据，并把训练数据分为两类，负面情感数据和非负面情感数据。

5.根据权利要求3所述的一种微博舆情风险研判的方法，其特征在于，语言模型的构造以大量文本作为语料，采用无监督方式训练基于循环神经网络的语言模型。

6.根据权利要求3所述的一种微博舆情风险研判的方法，其特征在于，所述情感的识别的具体方法为：将输入文本以字或词的形式表示，经过训练好的模型预测，最后得到识别为负面情感和非负面情感的概率，再选择概率值大的作为最终情感的输出，其中，负面情绪和非负面情绪的概率加起来为1，负面程度高是指其概率超过0.8以上。

7.根据权利要求1所述的一种微博舆情风险研判的方法，其特征在于，S3中，影响力分析采用组合量化的方法来量化得出影响力值，影响力＝认证占比*权重*+关注占比*权重+粉丝占比*权重+近一周微博发布数量占比*权限+近一周每条微博平均评论数占比*权重+近一周每条微博平均转发数*权重。

8.根据权利要求1所述的一种微博舆情风险研判的方法，其特征在于，S4中，传播风险＝转发量占比*权重*+点赞数占比*权重+评论数占比*权重。

9.根据权利要求1所述的一种微博舆情风险研判的方法，其特征在于，S4中，动态监控池中的具体判断过程为：如果超过24小时没有触发预警，则停止对其监控；在4小时内，每5分钟作为周期，将该信息重新输入到传播模型进行分析；在24小时内，每5分钟时间内，评论+转发的绝对增量超过30则预警。