[发明专利]一种基于用户产生内容的观点转变指标计算方法

权利要求书

1.一种基于用户产生内容的观点转变指标计算方法，其特征在于，包括以下步骤：

步骤1、爬取一段时间内某热门贴子下评论数据，进行预处理后存入数据库；

步骤2、利用深度学习模型对存入的评论数据进行分析，确定用户观点倾向；

步骤3、选取部分评论数据进行数据标注；

步骤4、对标注的评论数据进行数据扩充，构建训练集，并采用训练集进行模型训练；

步骤5、通过训练后的模型对未进行数据标注的评论数据进行预测，并对预测结果进行判断，若准确率大于85％，则进入步骤6，否则进入步骤4；

步骤6、利用模型预测的所有数据计算所有用户最大可能转变观点次数的平均值、所有用户的转变观点次数与所有用户可能转变观点总数的比值；

步骤7、计算用户观点转变指数，并根据观点转变指数判断用户观点坚定程度，观点转变指数越高表示该用户的坚定程度越低；

所述步骤6中，所有用户最大可能转变观点次数的平均值计算方法为：

其中，m为用户数量，n_k表示第k个用户发表观点的总条数；

所述步骤6中，所有用户的转变观点次数与所有用户可能转变观点总数的比值计算方法为：

其中，λ表示所有用户的转变观点次数与所有用户可能转变观点总数的比值；y_ki表示第k个用户的第i条评论的观点，n_k表示第k个用户发表观点的总条数，m为用户数量；

所述步骤7中，观点转变指数计算方法为：

所述步骤7中，对仅考虑积极和消极的评论计算观点转变指数QT1，同时计算加入中性评论后的观点转变指数QT2，对观点转变指数QT1、QT2进行整合，得到用户的综合观点转变指数QTP，该指数越高表示用户对某一观点的坚定程度越低，其中，α为修正系数指数。

2.根据权利要求1所述的基于用户产生内容的观点转变指标计算方法，其特征在于，所述步骤1中，评论数据包括评论内容、评论用户；预处理具体为：将评论内容中特殊字符和表情替换为文字表述，同时对同一用户发表的相同评论进行去重。

3.根据权利要求2所述的基于用户产生内容的观点转变指标计算方法，其特征在于，所述步骤3具体为：根据用户观点倾向，对评论数据进行标注，将消极、中性、积极三种倾向分别标注为-1，0，1。

4.根据权利要求3所述的基于用户产生内容的观点转变指标计算方法，其特征在于，所述步骤4中，采用聚类算法或其他无监督算法进行数据扩充。