[发明专利]一种基于多种自然语言处理技术的无人驾驶新闻分析方法

权利要求书

1.一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于，包括以下步骤：

S1：采集与无人驾驶相关的新闻文档数据；

S2：对所述新闻文档数据进行预处理，得到处理后新闻文档数据；

S3：构建主题提取模型，通过所述主题提取模型对所述处理后新闻文档数据进行主题提取和困惑度值计算，得到多个新闻主题数据和困惑度值，基于所述困惑度值大小选择出最优的若干个新闻主题数据；

S4：构建情绪值计算模型，将所述新闻文档数据输入所述情绪值计算模型中进行训练，得到训练后情绪值计算模型；

S5：将所述处理后新闻文档数据输入所述训练后情绪值计算模型，得到每条所述处理后新闻文档数据的情绪值；

S6：基于最优的若干个新闻主题数据和每条所述处理后新闻文档数据的情绪值制作出每个不同的所述新闻主题数据下情绪值的视觉图表，实现了新闻分析的目的。

2.根据权利要求1所述的一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于：所述步骤S1中采集与无人驾驶相关的新闻文档数据的具体内容如下：通过网络爬虫技术，从互联网中爬取含有与无人驾驶相关的关键词的新闻文档数据，所述关键词包括无人驾驶、自动驾驶和智能驾驶。

3.根据权利要求1所述的一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于：所述步骤S2中对所述新闻文档数据进行预处理，得到处理后新闻文档数据，具体内容如下：对所述新闻文档数据进行数据清洗，包括去除重复、无关的新闻文档数据并对其中进行停用词去除和分词处理。

4.根据权利要求1所述的一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于：所述步骤S3中构建主题提取模型，通过所述主题提取模型对所述处理后新闻文档数据进行主题提取和困惑度值计算，得到多个新闻主题数据和困惑度值，基于所述困惑度值选择出最优的若干个新闻主题数据，具体内容如下：

所述主题提取模型采用LDA模型，采用LDA模型对所述处理后新闻文档数据进行主题提取和困惑度值计算，得到多个新闻主题数据和困惑度值，通过调整所述新闻主题数据的数目、alpha值和beta值，得到新闻主题数据和困惑度值的对应关系，选择出当困惑度最低时的最优的若干个新闻主题数据。

5.根据权利要求1所述的一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于：所述步骤S4中构建情绪值计算模型，将所述新闻文档数据输入所述情绪值计算模型中进行训练，得到训练后情绪值计算模型，具体包括以下步骤：

S401：使用中文分词工具jieba将所述新闻文档数据中的句子切分为术语；

S402：采用Word2Vec模型提取所述术语的特征向量；

S403：将所述特征向量按照9:1的比例随机划分训练集、测试集，对所述训练集进行手工标注为预先标注的数据集，所述预先标注的数据集分为消极态度数据集和积极态度数据集；

S404：将所述训练集输入LSTM模型进行训练，再将所述测试集输入LSTM模型进行测试，直至所述LSTM模型的准确率达到预设值，得到训练后情绪值计算模型。

6.根据权利要求1所述的一种基于多种自然语言处理技术的无人驾驶新闻分析方法，其特征在于：所述步骤S5中将所述处理后新闻文档数据输入所述训练后情绪值计算模型，得到每条所述处理后新闻文档数据的情绪值，具体内容如下：使用所述训练后情绪值计算模型对所述处理后新闻文档数据进行检索，获得每条所述处理后新闻文档数据对应的情绪值，公式如下：

其中，Senti_t表示t天的情绪值。