[发明专利]一种网络舆情自动预警的方法

说明书

本发明属于计算机网络预警技术领域，具体涉及一种网络舆情自动预警的方法，包括：S1，应用网络爬虫获取事件的相关网页文本信息；S2，对所述文本信息进行情感分析，并得到情感分析结果，所述情感分析结果包括负面情感；S3，对所述负面情感的事件重点跟踪，建立ARIMA模型对事件的网络舆情进行不断预测，获取动态阈值；S4，对超过所述动态阈值的网络舆情进行预警。根据ARIMA模型对网络舆情进行不断预测，获取动态阈值，根据动态阈值进行预警，相对于固定设置阈值的模型预测，本发明能更准确的反应舆情情况，并能进行自动预警。

技术领域

本发明属于计算机网络预警技术领域，具体涉及一种网络舆情自动预警的方法。

背景技术

随着互联网的发展，互联网络作为社会舆论的工具，具有反映和引导社会舆论的功能。因此一个良好的预警方法是必要的。在舆情危机预警方面，现有的做法是通过对某个突发事件相关主题在不同时间段的访问量、评论量等关注度进行跟踪，之后以舆情分析报告等方式提交给舆情工作者，然后由人工来作预警判断。如：基于Web挖掘的突发事件网络舆情预警研究(现代情报，2014年第2期)，基于AHP-模糊综合分析的移动社交网络舆情预警模型研究(现代情报，2017年第1期)等。

现有的网络预警方法仍需要人工干预，无法实现自动化预警，且现有的网络预警应用的模型采用固定阈值，其预警的准确度还有待提高。

发明内容

针对以上问题的不足，本发明提供了一种网络舆情自动预警的方法，根据ARIMA模型对网络舆情进行不断预测，获取动态阈值，根据动态阈值进行预警，相对于固定设置阈值的模型预测，本发明能更准确的反应舆情情况，并能进行自动预警。

为实现上述目的，本发明提供的一种网络舆情自动预警的方法，包括：

S1，应用网络爬虫获取事件的相关网页文本信息；

S2，对所述文本信息进行情感分析，并得到情感分析结果，所述情感分析结果包括负面情感；

S3，对所述负面情感的事件重点跟踪，建立ARIMA模型对事件的网络舆情进行不断预测，获取动态阈值；

S4，对超过所述动态阈值的网络舆情进行预警。

优选地，所述S3中建立ARIMA模型对事件的网络舆情进行不断的预测的具体方法为：

S31，获取事件的数据，根据所述数据建立ARIMA模型；

S32，所述ARIMA模型开始预测，并计算动态置信区间；

S32，将所述动态置信区间设置为动态阈值，返回步骤S31。

优选地，所述S31中建立ARIMA模型的具体方法为：

对数据进行预处理，得到平稳非白噪声序列；

根据所述平稳非白噪声序列，计算自相关系数和偏相关系数，并初步得到多个初模型；

根据BIC准则来检验每个所述初模型，从多个所述初模型中选出最优模型，此最优模型即为ARIMA模型。

优选地，所述对数据进行预处理的具体方法为：

对所述数据进行序列图检验和单位根检验，得到非平稳序列；

对所述非平稳序列进行差分处理，得到平稳序列；

对所述平稳序列进行白噪声检验，得到平稳非白噪声序列。

6、优选地，所述BIC准则的计算公式为：BIC＝kln(n)-2ln(L)，其中k为模型参数个数，n为样本数量，L为似然函数。

优选地，所述S32中计算置信区间的具体方法为：