[发明专利]网络舆情分析方法、装置、系统、设备及可读存储介质

说明书

本申请公开了一种网络舆情分析方法、装置、系统、设备及可读存储介质。本申请公开的方法包括：实时获取不同传播渠道公布的网络信息；提取所述网络信息中的热点信息；利用贝叶斯算法分析所述热点信息的正负向趋势；将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。本申请可以及时预测网络信息所带来的舆情风险，因此可以提前预估风险，实现提前预警。

技术领域

本申请涉及计算机技术领域，特别涉及一种网络舆情分析方法、装置、系统、设备及可读存储介质。

背景技术

目前，大量网络媒体活跃在互联网中，各个网络媒体的传播渠道能够使网络信息快速裂变，造成舆情压力，这些舆情压力可能会引起较大规模的群体性事件。例如：金融、证券类的不利信息大规模传播，极容易引起民众恐慌，从而给社会安定带来不利影响。

因此，如何及时预测网络信息所带来的舆情风险，是本领域技术人员需要解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种网络舆情分析方法、装置、系统、设备及可读存储介质，以及时预测网络信息所带来的舆情风险。其具体方案如下：

第一方面，本申请提供了一种网络舆情分析方法，包括：

实时获取不同传播渠道公布的网络信息；

提取所述网络信息中的热点信息；

利用贝叶斯算法分析所述热点信息的正负向趋势；

将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。

优选地，所述提取所述网络信息中的热点信息，包括：

去除所述网络信息的网页标签，获得文本信息；

对所述文本信息进行分词，获得词汇信息；

利用热点词汇模型去除所述词汇信息中的非热点词汇，以保留所述热点信息。

优选地，所述利用热点词汇模型去除所述词汇信息中的无关词汇，以保留所述热点信息，包括：

利用所述热点词汇模型去除所述词汇信息中的非热点词汇，获得热点词汇；

按照所述热点词汇的出现频率从所述热点词汇中选择所述热点信息。

优选地，所述利用贝叶斯算法分析所述热点信息的正负向趋势，包括：

确定与所述热点信息关联的目标文本；

利用所述贝叶斯算法分析所述目标文本，获得所述正负向趋势。

优选地，所述根据所述预测参数预测所述热点信息的舆情风险，包括：

利用线性回归算法分析所述预测参数，获得所述舆情风险；所述预测参数包括：所述正负向趋势，所述热点信息，与所述热点信息关联的目标文本，所述目标文本的创建时间、所属的传播渠道和浏览量。

优选地，所述根据所述预测参数预测所述热点信息的舆情风险之后，还包括：

将所述热点信息、所述正负向趋势和所述舆情风险存储至KV数据库。

第二方面，本申请提供了一种网络舆情分析装置，包括：

获取模块，用于实时获取不同传播渠道公布的网络信息；

提取模块，用于提取所述网络信息中的热点信息；

分析模块，用于利用贝叶斯算法分析所述热点信息的正负向趋势；

预测模块，用于将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。