[发明专利]产品舆情发现方法、装置、计算机设备和存储介质

权利要求书

1.一种产品舆情发现方法，所述方法包括：

提取游戏产品对应预设信息源的各条信息记录的文本数据；

将所述文本数据的语义词转化为数据向量；所述数据向量的语义与相应文本数据的语义相同；

基于神经网络分类模型，根据所述数据向量对所述信息记录进行分类，得到所述信息记录所属的舆情类别；所述舆情类别包括登录舆情、充值舆情、卡顿舆情与系统故障舆情；

当预设时间段内所述舆情类别中的所述信息记录的新增数量，大于或等于预设阈值时，确定所述舆情类别对应的产品舆情发现结果；

所述预设阈值的确定过程包括：

对于第一历史时间段内的每个时间点，确定每个所述时间点的第二历史时间段内所述舆情类别的所述信息记录的数量，得到第一历史舆情数量；

将每个所述时间点的第三历史时间段内所述第一历史舆情数量的最大值，作为所述时间点的第二历史舆情数量；所述第三历史时间段的时间长度大于所述第二历史时间段的时间长度；

根据预设缩放比例、预设固定缩放值，以及所述第一历史时间段内、每个所述时间点的第二历史舆情数量的平均值及标准差，确定所述预设阈值。

2.根据权利要求1所述的方法，其特征在于，所述将所述文本数据的语义词转化为数据向量，包括：

对所述文本数据进行预处理，得到待分词文本；

对所述待分词文本进行分词处理，得到所述文本数据的语义词；

将各所述语义词转换成词向量，得到所述文本数据的数据向量。

3.根据权利要求2所述的方法，其特征在于，所述将各所述语义词转换成词向量，得到所述文本数据的数据向量，包括：

基于词嵌入模型，将各所述语义词转换成词向量，得到所述文本数据的数据向量。

4.根据权利要求2所述的方法，其特征在于，预处理包括删除标点符号、删除网址及删除数字中的至少一项。

5.根据权利要求1所述的方法，其特征在于，所述基于神经网络分类模型，根据所述数据向量对所述信息记录进行分类，得到所述信息记录所属的舆情类别，包括：

通过所述神经网络分类模型的输入层，将所述数据向量输入所述神经网络分类模型；

通过所述神经网络分类模型的隐藏层对所述数据向量进行加权，得到分类结果；

通过所述神经网络分类模型的输出层，输出所述分类结果，所述分类结果与舆情类别对应。

6.根据权利要求1所述的方法，其特征在于，所述神经网络分类模型中隐藏层的权重，通过目标分类结果与对训练样本进行训练得到的训练分类结果确定；所述训练样本包括所述目标分类结果及训练数据向量，所述训练数据向量与所述数据向量的数据结构相同，所述训练数据向量与所述目标分类结果对应。

7.根据权利要求6所述的方法，其特征在于，通过目标分类结果与对训练样本进行训练得到的训练分类结果，确定所述神经网络分类模型中隐藏层的权重的步骤，包括：

当根据目标分类结果与训练分类结果得到的损失函数值达到预设优化条件时，确定所述神经网络分类模型中隐藏层的权重；所述训练分类结果是对训练样本进行训练得到的。

8.根据权利要求1所述的方法，其特征在于，所述神经网络分类模型为多层神经网络分类模型。

9.根据权利要求1所述的方法，其特征在于，所述登录舆情是指关于账号登录的信息记录；所述充值舆情是指关于账号充值的信息记录；所述卡顿舆情是指在产品使用过程中关于系统流畅性的信息记录；所述系统故障舆情是指在产品使用过程中关于系统故障的信息记录。

10.根据权利要求1所述的方法，其特征在于，所述当预设时间段内所述舆情类别中的所述信息记录的新增数量，大于或等于预设阈值时，确定所述舆情类别对应的产品舆情发现结果，之后还包括：

根据所述产品舆情发现结果，发出告警通知。