[发明专利]基于word2vec的舆情倾向性分析方法

摘要

本发明提供一种基于word2vec的舆情倾向性分析方法，包括向量训练阶段、关键句提取阶段和倾向性判别阶段，通过提取新闻关键句缩小判别的特征空间，保留与原文主题相关性较大的内容，剔除无用信息，提高舆情倾向性分析的准确率；将深度学习模型word2vec引入舆情倾向性分析，用于比较词与词之间的语义相似度，并通过词向量来比较语义相似度，能较好识别出具有相同情感倾向但不在情感词典中的词语，即使情感词典不够完备也能获得一个较好的分析效果，同时，融合语法规则对关键句的情感倾向性进行加权计算，结合上下文信息，弥补单纯使用词义相似度的局限性，从句子整体分析倾向性，实现了对篇章级的新闻文本的情感倾向性以及情感强度的准确判别。

主权项

一种基于word2vec的舆情倾向性分析方法，其特征在于，包括：词向量训练阶段：采集新闻数据，通过word2vec深度学习模型对所述新闻数据进行训练，获取词向量训练结果，所述词向量训练结果包括每个词语对应的向量表示；关键句提取阶段：对所述待分析新闻数据进行预处理，所述预处理至少包括对待分析的整篇新闻数据进行断句和关键字提取，根据词向量训练结果计算待分析新闻数据中分句和关键词的匹配程度，获取与关键字匹配度最高的分句和该篇新闻数据的标题，并将其作为新闻关键句群；倾向性判别阶段：比较预处理处理后的新闻关键句群中的词语和情感词的相似度，获取待分析新闻数据的情感评分，通过所述情感评分对新闻数据进行倾向性判别。