[发明专利]一种多维度舆情危机预测方法、终端设备及存储介质

权利要求书

1.一种多维度舆情危机预测方法，其特征在于：包括以下步骤：

S1：采集一定时间内的舆情文本数据，并根据每个文本数据在不同维度的属性计算其负面情感热度总指数；每个文本数据的负面情感热度总指数的计算过程包括以下步骤：

S11：设定文本数据的多个情感属性、每个情感属性对应的情感系数、多个热度属性和每个热度属性对应的热度系数；

S12：根据下式计算该文本数据的负面情感值和热度值；

A_i＝f(s_i,r_i)

B_j＝h(1-e_j,q_j)

其中，A_i表示第i个热度属性的热度值，f表示热度值计算函数，s_i表示第i个热度属性，r_i表示第i个热度属性对应的热度系数，B_j表示第j个情感属性的负面情感值，h表示负面情感值计算函数，e_j表示第j个情感属性，q_j表示第j个情感属性对应的情感系数；

S13：根据下式计算该文本数据的负面情感热度指数W：

W＝A+B

其中，n表示热度属性的总数，i表示热度属性的序号，m表示情感属性的总数，j表示情感属性的序号；

S14：根据该文本数据命中的情感属性和热度属性，计算该文本数据的属性权重P：

其中，p和k分别表示命中的情感属性和热度属性的序号，N和M分别表示命中的情感属性和热度属性的总数；

S15：将该文本数据的负面情感热度指数W与属性权重P相加得到该文本数据的负面情感热度总指数WP；

S2：根据舆情危机知识库中存储的各类型舆情危机事件，通过聚类算法对文本数据进行分类，并计算每个文本数据与其聚类中心的相关度；

S3：根据每个文本数据与其聚类中心的相关度和该文本数据的负面情感热度总指数计算每个文本数据的危机程度。

2.根据权利要求1所述的多维度舆情危机预测方法，其特征在于：情感属性包括：极性情感属性；主题情感属性；意见持有人情感属性；观点情感属性；类型情感属性；级别情感属性；细粒度情感属性；样本机器学习匹配结果情感属性；情感词典匹配结果情感属性；情感知识图谱匹配结果情感属性。

3.根据权利要求1所述的多维度舆情危机预测方法，其特征在于：热度属性包括：所在网站热度属性；内容分类热度属性；内容涉事地热度属性；跟帖、转发和点赞数量热度属性；单个关键词热度属性；关键词组合热度属性。

4.根据权利要求1所述的多维度舆情危机预测方法，其特征在于：步骤S1还包括：针对每个文本数据进行情感值计算，并通过统计学方法判定该文本数据是否符合要求，如果不符合，则剔除该文本数据。

5.根据权利要求4所述的多维度舆情危机预测方法，其特征在于：所述统计学方法为将文本数据分为多个子文本，计算每个子文本的情感值，并计算所有子文本的情感值的平均数和中位数，判断平均数和中位数的差值是否大于差值阈值，如果大于，则判定不符合要求。

6.一种多维度舆情危机预测终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～5中任一所述方法的步骤。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～5中任一所述方法的步骤。