[发明专利]一种自适应的网络舆情识别方法

摘要

本发明公开了一种网络舆情识别方法，首先通过爬虫工具从互联网中采集网页文档并对其预处理，得到的信息文档进行文档向量化处理，然后基于信息类别库对信息文档向量流进行分类，从内容方面识别已知舆情，接下来对分类识别失败的信息文档按事件聚类，判断聚类结果所属类别并写入各个信息类别库，最后定期地对候选舆情信息库的信息文档进行行为识别，识别出新的未知舆情写入舆情信息类别库以完善舆情分类模型。本发明通过内容识别和行为识别相结合的方式不但可以有效地发现网络中的已知舆情信息，还可以在未知舆情事件萌发阶段就对其进行有效的识别，弥补了以往舆情识别方法采用热点话题发现技术进行识别网络舆情所带来的时间滞后的不足。

主权项

一种网络舆情识别方法，包括以下步骤：(1)、从互联网中采集网页文档并对其预处理，得到的信息文档存放到网页数据库；(2)、导出网页数据库中的信息文档进行文档向量化，对所有的信息文档进行分类，结果分别写入舆情信息类别库、非舆情信息类别库和候选舆情信息类别库，该步骤从内容方面识别已知舆情信息类别的信息文档；(3)、分类失败的信息文档聚类，判断聚类结果所属类别，将其写入相应的信息类别库；(4)、对候选舆情信息类别库的信息文档进行行为识别，基于同一类别相关文档之间的关系建立社会网络并对其进行社会网络分析，关系行为符合舆情行为特征的识别为舆情，把新的舆情类别信息写入舆情信息类别库。