买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种基于舆情事理图谱的情感倾向识别与预测方法，首先运用基于深度学习模型的事件提取技术和关系检测模型；其次借助Neo4j和Gephi图数据库，实现抽象层和实例层事理图谱的可视化；通过事理图谱深化对网络舆情演化机制的理解，揭示网络舆情事件的内在逻辑和演化规律；通过TextCNN模型和Graph2Seq‑Attentions深度学习框架的融合，构建网络热点事件传导图谱，关联公众情感倾向演化；本发明还利用决策树揭示了影响情感倾向的关键事件序列，为转变舆情情感提供可行策略；多智能体强化学习的舆情演化路径优化算法模拟多元主体在复杂环境中的行为和互动，将被动的舆情监控转变为主动的认知干预方案。

主权项：1.一种基于舆情事理图谱的情感倾向识别与预测方法，其特征在于，包括如下步骤：步骤1：数据采集与预处理；步骤1-1：使用网络爬虫从媒体平台采集特定热搜话题的新闻报道、文本数据及公众评论；步骤1-2：对步骤1-1采集的数据执行初步清洗，并利用正则表达式完成句子的分割；步骤2：事件提取与关系检测；步骤2-1：基于ACE-2005事件抽取框架，构建适用于舆情数据的论元类型和关系类型，进行文本中事件触发词及其论元、关系的标注；步骤2-2：从标注的数据中抽取“事件-论元”三元组和“事件-关系”三元组，为训练模型提供所需语料；步骤2-3：使用HMM、CRF、Bi-LSTM和Bi-LSTM+CRF集成模型进行事件抽取；步骤2-4：使用CNN和Bi-LSTM模型对事件间关系进行提取；步骤2-5：对提取出的事件和关系进行分类和强度评估，捕捉事件间的相互作用；步骤3：图谱构建；步骤3-1：对“事件-论元”三元组和“事件-关系”三元组进行整合，生成舆情事件摘要集合；摘要包括主谓宾、主谓、动宾结构，以触发词为中心，通过论元辐射构建起事件框架；步骤3-2：将数据导入Neo4j图数据库，通过节点间关系连接完成实例层事理图谱可视化；步骤3-3：使用Doc2Vec算法和K-means++聚类算法对事件摘要集合进行聚类处理；步骤3-4：聚类结果通过t-SNE降维进行可视化；步骤4：个体情感倾向识别；步骤4-1：从“A地疫情”和“B地疫情”两个特定主题的评论数据中各抽取样本进行积极、消极和中性的三分类情感标注；步骤4-2：使用EDA技术对训练集数据进行增强；步骤4-3：实验得出优化后的模型权重；步骤4-4：使用最优权重配比的TextCNN模型完成剩余评论的个体情感倾向识别；步骤5：情感分布预测；步骤5-1：选择有向带权图结构的图嵌入算法Node2Vec和Word2Vec；步骤5-2：使用Graph2Seq-Attention模型框架，通过循环神经网络处理可变长的输入输出序列，适用于预测舆情事件情感分布；步骤5-3：通过实验确定舆情事件链条的最优长度和情感分布预测的最优长度；步骤5-4：分析不同图嵌入算法、注意力机制:和教师强制机制特征在情感分布预测中的性能；步骤5-5：使用最优参数结构的Graph2Seq-Attention模型进行舆情事件情感分布预测；步骤6：舆情情感转化路径发现；步骤6-1：利用决策树分别识别出导致积极、消极情感倾向的关键事件序列规则；步骤6-2：从数据集中筛选出符合决策树规则的消极情感路径，对筛选出的关键事件序列进行调整，将其中的消极情绪触发因素替换为通过决策树发现的能够引导积极情感的事件序列元素；步骤6-3：将调整后的新事件序列输入到Graph2Seq-Attention模型中，重新进行情感倾向预测；步骤6-4：将转变前后的事件序列及情感倾向进行对比，识别实现舆情导向积极转化的关方案。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于舆情事理图谱的情感倾向识别与预测方法