[发明专利]一种基于Word2Vec的企业舆情数据分析方法

说明书

本发明公开了一种基于Word2Vec的企业舆情数据分析方法，包括如下步骤：收集整理步骤、确定情感词典步骤和得出结论步骤，本发明方法通过Word2Vec扩充情感词典，并结合词频、文本长度和阅读量有效的分析文本情绪倾向，避免了未考虑文本长度和文本阅读量对分析情感倾向的影响。此外，本发明创造性地提出了一种基于Word2Vec的企业舆情数据分析方法，用于分析企业的舆论的情绪倾向，从而帮助企业或管理人员有效的分析舆情，进而避免品牌和客户信任危机。

技术领域

本发明涉及自然语言处理的技术领域，具体是一种基于Word2Vec的企业舆情数据分析方法。

背景技术

随着互联网应用的普及与发展，以及微博等新兴媒体的崛起，舆情的呈现多渠道、传播快和范围广等特点，为企业管理带来了新的挑战。负面舆情不仅会使得企业品牌受损和客户信任下降，更会给企业带来经济损失。因此，如何在海量的信息中分析企业舆情，及时扭转舆论风向，就变得尤为重要。

目前，随着人工智能的兴起和微博等平台的数据积累，催生出使自然语言模型进行舆论情感预测，从而检测企业互联网舆情。因此如何有效的将企业的新闻和评论文本进行分析，从中分析舆论情感值，是十分具有实际意义。

发明内容

本发明的目的在于提供一种基于Word2Vec的企业舆情数据分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于Word2Vec的企业舆情数据分析方法，包括如下步骤：收集整理步骤、确定情感词典步骤和得出结论步骤。

步骤1，收集整理步骤：定义文本训练集合停用词，并对文本数据集中每个中文文本分词和过滤停用词进行预处理，得到预处理后的文本训练集；

其中，步骤1.1：定义文本数据Txt＝{txt₁,txt₂,……,txt_num}，其中，num为文本总数；

步骤1.2：定义文本停用词集S＝{st₁,st₂,……,st_sn}，其中,sn为停用词数量；

步骤1.3：对Txt中文本分词并过滤停用词S，文本预处理后得ft＝{ft₁,ft₂,……,ft_num}，其中ft_p＝{fw₁,fw₂,……,fw_m}为第p篇文本分词后的集合，p∈[1,num]。

步骤2，确定情感词典步骤：定义情感词典，并通过Word2Vec对预处理的文本集训练，结合余弦相似度算法对情感词典未收录的词补充，得到扩充情感词典；

其中，步骤2.1：定义初始情感词典，包含情感词集ew＝{ew₁,ew₂,……,ew_s}和

步骤2.2：将文本集ft中每个文本去除重复词，得到词集t＝{t₁,t₂,……,t_b}；

步骤2.3：通过Word2Vec训练文本集ft得到t中各词的词向量，并以余弦相似度计算两两词之间的相似度，从而得到任意词相似度大于β的相似集和其对应的相似度其中β默认为0.7；

步骤2.4：设c为循环变量，用于遍历词集t，并赋值为1；

步骤2.5：当循环变量c＝b时，则执行步骤2.6，否则执行步骤2.10；

步骤2.6：当且时，则执行步骤2.7，否则执行步骤2.9；