[发明专利]一种基于大数据的舆情聆听系统

权利要求书

1.一种基于大数据的舆情聆听系统，其特征在于，包括：

信息采集单元(1)：在大数据的基础上，采用技术手段进行舆情信息的采集，将预设的主题词，从网络平台上筛选出包含主题词的网络页面文本数据；

信息爬取单元(2)：连接信息采集单元(1)，对包含主题词的网络页面文本数据进行分析，使用已有的网络爬虫技术，通过分词技术对网络页面文本数据进行分词处理，获得多个词组；并根据多个网络页面中出现的该词组的频率，将出现频率高的词组确定为与主题词相关联的关键词；

噪声过滤单元(3)：连接信息采集单元(1)并接收从信息采集单元(1)传输过来的关键词的集合信息和主题词的词频，并对关键词进行去噪；

权重分配单元(4)，连接噪声过滤单元(3)并接收从噪声过滤单元(3)传输过来的关键词的集合信息和主题词的词频；根据主题词出现的频率，确定舆情的级别，筛选出成长期的舆情和成熟期的舆情，作为后续监控和分析的“凸显舆情”；同时，根据关键词出现的频率，确定“凸显舆情”的性质；

舆情分析单元(5)，连接权重分配单元(4)，实时接收权重分配单元(4)发送过来的舆情值、关键词的集合信息和主题词的词频；针对成长期和成熟期的舆情的现状进行风险评估，分析主题词和关键词随时间变化的热度，确定舆情的发展脉络，还原事态的发展，并对未来发展态势进行趋势预测，及时发出舆情风险评估；

报警与应对单元(6)，连接舆情分析单元(5)和信息采集单元(1)，针对“凸显舆情”，通过消息推送，将舆情分析内容反馈给客户，还原事态的发展，展现对于该事件的舆情的最主要的关切点，建议采用的应对措施；

其中，所述权重分配单元(4)中，舆情的级别，分为：

1.孵化期：舆情的热度较低，尚未形成规模化的讨论，影响范围仅局限在小范围内，但是有转换为热点舆情的可能；

设定阈值N；阈值N为经验常数；当舆情的主题词出现的频率接近于N时，表示该舆情时间为热点舆情；

孵化期的主题词出现的频率＜N/5；

2.成长期：舆情的热度中等，但是成长速度和传播速度较高，影响到的范围越来越广；N/5≤成长期的主题词出现的频率＜4N/5；

3.成熟期：舆情的关注度炙热，影响范围非常广，基本上各个平台都有讨论；成熟期的主题词出现的频率≥4N/5；

4.衰退期：舆情的热度逐步衰减；孵化期、成长期和成熟期都有可能直接进入衰退期。

2.如权利要求1所述的一种基于大数据的舆情聆听系统，其特征在于，所述信息采集单元(1)中的大数据涵盖了传统媒体、微博、微信、各类媒体分发平台、网络讨论区论坛。

3.如权利要求1所述的一种基于大数据的舆情聆听系统，其特征在于，对针对“凸显舆情”进行研判，是指针对“凸显舆情”中不同的关键词，给予不同的权重：

S1，权重分配单元(4)内设语义分析模块，比对“凸显舆情”关键词，确定关键词类型；关键词类型包括：

1).是事实陈述的关键词；事实陈述的关键词，隶属于以下领域：舆情来源、采集时间、涉及类别、事件名称、事发地点、涉及单位、伤亡人数、发生时间、基本情况、报告人、报告时间；事实陈述的关键词，仅作为还原事件经过的关键词；

2).语气倾向的关键词，可分为褒义词、中性词和贬义词；语气倾向的关键词，作为舆情事件的定性内容；

S2，根据关键词的类型、出现热度、倾向，赋予该关键词舆情值；舆情本身是一种矢量，其基本指标包括热度、倾向；

重点分析语气倾向的关键词；已知该类关键词T的词频Tf，表示其热度；关键词T的词性Tx，表示倾向；正面的积极的关键词T词性Tx为大于1的正数，负面的关键词T性Tx为小于-1的负数，中性的关键词T性Tx为0；词性Tx由系统预设，人为可调整其具体的数值；Tx的绝对值位于[1，3]；

其中，A为舆情值，Tif表示第i个关键词的词频，Tix表示第i个关键词的词性，N表示包含主题词的网络页面总数量；

当舆情值A小于报警阈值-B，则表示该舆情事件为负面事件，需要紧急处理；其中，B为大于0的经验常数；

当舆情值A大于报警阈值B，则表示该舆情事件为正面事件；其中，B为大于0的经验常数。