[发明专利]基于人工智能交叉验证的舆情分析方法及系统

说明书

本发明公开了基于人工智能交叉验证的舆情分析方法及系统，具体包括以下步骤：S1、历史研究；S2、交叉验证；S3、舆情监控；S4、对比分析；本发明涉及数据分析技术领域。该基于人工智能交叉验证的舆情分析方法及系统，通过对历史发生的舆情事件相关数据进行采集，并进行阶段性分类，实现对历史发生舆情事件的分段表述，配合事件序列交叉验证对预测模型进行训练，获取高精准性的阶段性演变预测模型，在感兴趣舆情相关数据的采集后，获取感兴趣舆情的阶段性演变预测，实现舆情的阶段性演变预测，达到前瞻性判断的目的，配合与感兴趣舆情贴近历史舆情事件的获取，提供参照的同时，为感兴趣舆情的发展提供有效控制手段。

技术领域

本发明涉及数据分析技术领域，具体为基于人工智能交叉验证的舆情分析方法及系统。

背景技术

舆情是舆论情况的简称，是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，作为主体的民众对作为客体的社会管理者、企业、个人及其他各类组织及其社会、道德等方面的取向产生和持有的社会态度，它是较多群众关于社会中各种现象、问题所表达的信念、态度、意见和情绪等等表现的总和。

舆情的正向引导，可以在社会上引起更好的积极效果，针对于舆情的发展，往往是通过网络数据的采集来进行判断，其中缺乏有效的舆情发展预测，不利于舆情的正向引导，如申请号为202010743881.1所述基于深度学习的网络舆情信息源影响力评估方法及系统，其通过对舆情信息源的评估，来提高舆情信息搜索的精准度，从而更好的对舆情的影响力进行判断。

基于对上述资料的检索，可以看出现有技术中通过对舆情的影响力进行判断时，是针对于已经发生的舆情事件进行判断，属于事后判断，由于缺乏舆情的发展预测，无法实现事前判断，导致舆情的发展缺乏前瞻性判断，不利于负面舆情的提前控制。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于人工智能交叉验证的舆情分析方法及系统，解决了缺乏对舆情进行前瞻性判断的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：基于人工智能交叉验证的舆情分析方法，具体包括以下步骤：

S1、历史研究：对历史发生的舆情事件进行分类，并针对舆情事件进行阶段性标记，其中阶段性包括但不限于引发期、酝酿期、发生期、发展期、高潮期、处理期、平息期和反馈期，采集舆情事件包括互联网浏览量及其增长率、引发支链数量及其增长率的相关结构化数据，按照时间顺序进行标记后，进行存储；

S2、交叉验证：对S1中存储的结构化数据进行整理，获取数据集，构建预测模型，利用时间序列交叉验证和数据集对预测模型进行训练测试，具体的，选择数据时间标记靠前的数据作为训练集，将时间标记靠后的数据作为验证集，将训练集导入到预测模型中，获取结果后，与验证集进行对比，对阶段性演变精准性进行判断，优化后得到训练后的预测模型；

S3、舆情监控：对互联网进行感兴趣舆情监控，获取带有时间标记的舆情结构化数据，导入到S2中训练后的预测模型中，输出阶段性预测结果；

S4、对比分析：根据S3的阶段性预测结果，与S1中存储的历史发生的舆情时间进行相似度对比，获取历史参照。

通过采用上述技术方案，对历史发生的舆情事件相关数据进行采集，并进行阶段性分类，实现对历史发生舆情事件的分段表述，配合事件序列交叉验证对预测模型进行训练，获取高精准性的阶段性演变预测模型，在感兴趣舆情相关数据的采集后，按照时间顺序进行整理，获取感兴趣舆情的阶段性演变预测，实现舆情的阶段性演变预测，达到前瞻性判断的目的，为舆情的控制提供有效控制时间。