[发明专利]基于循环神经网络算法的舆情预警方法、装置、终端及介质

权利要求书

1.一种基于循环神经网络算法的舆情预警方法，其特征在于，包括如下步骤：

获取预设时间内舆情新闻，并确定所述舆情新闻中关键词的倾向度；

根据所述关键词的倾向度，确定所述关键词对应的特征向量；

根据所述关键词对应的特征向量，确定所述舆情新闻的特征序列；

将所述舆情新闻的特征序列输入已训练的循环神经网络模型，确定舆情预警指标；

根据所述舆情预警指标，发出舆情预警。

2.如权利要求1所述的基于循环神经网络算法的舆情预警方法，其特征在于，所述获取预设时间内舆情新闻，并确定所述舆情新闻中关键词的倾向度的步骤，包括：

获取预设时间内舆情新闻以及预先建立的关键词库，并确定所述舆情新闻中关键词的倾向度。

3.如权利要求2所述的基于循环神经网络算法的舆情预警方法，其特征在于，所述关键词的倾向度包括正面倾向度、负面倾向度以及中立倾向度，所述正面倾向度、负面倾向度以及中立倾向度为所述关键词分别出现在正面新闻、负面新闻、中立新闻中概率；

相应地，所述获取预设时间内舆情新闻以及预先建立的关键词库，并确定所述舆情新闻中关键词的倾向度的步骤之前，所述基于循环神经网络算法的舆情预警方法还包括如下步骤：

建立关键词库，所述关键词库包括正面关键词集、负面关键词集以及中立关键词集；

计算每个关键词与各关键词集中的其余关键词的相关性；

根据每个关键词与各关键词集中的其余关键词的相关性，计算该关键词的正面倾向度、负面倾向度以及中立倾向度。

4.如权利要求3所述的基于循环神经网络算法的舆情预警方法，其特征在于，所述根据每个关键词与各关键词集中的其余关键词的相关性，计算该关键词的正面倾向度、负面倾向度以及中立倾向度的步骤，包括：

将关键词与正面关键词集中的其余关键词的相关性、与负面关键词集中的其余关键词的相关性、与中立关键词集中的其余关键词的相关性的差值作为正面倾向度；

将关键词与负面关键词集中的其余关键词的相关性、与正面关键词集中的其余关键词的相关性、与中立关键词集中的其余关键词的相关性的差值作为负面倾向度；

将关键词与中立关键词集中的其余关键词的相关性、与正面关键词集中的其余关键词的相关性、与负面关键词集中的其余关键词的相关性的差值作为中立倾向度。

5.如权利要求3所述的基于循环神经网络算法的舆情预警方法，其特征在于，所述计算每个关键词与各关键词集中的其余关键词的相关性的步骤，包括：

根据公式计算所述关键词与正面关键词集中的其余关键词的相关性；

其中，n为正面关键词集中关键词的个数；

rec(w，v)为w，v两个关键词的相关性；

P为正面关键词集；

p(w)为w关键词在文档中出现的概率，

p(v)为v关键词在文档中出现的概率；

p(w，v)为w和v共同在文档中出现的概率。

6.如权利要求3所述的基于循环神经网络算法的舆情预警方法，其特征在于，所述计算每个关键词与各关键词集中的其余关键词的相关性的步骤，包括：

根据公式计算所述关键词与负面关键词集中的其余关键词的相关性；

其中，m为负面关键词集中关键词的个数；

rec(w，v)为w，v两个关键词的相关性；

Q为正面关键词集；

p(w)为w关键词在文档中出现的概率，

p(v)为v关键词在文档中出现的概率；

p(w，v)为w和v共同在文档中出现的概率。