网络爱国舆情事件跟踪、预测和疏导方法技术

一种网络爱国舆情事件跟踪、预测和疏导方法，首先使用网络爬虫系统爬取全网热门新闻网站和社交媒体，并通过BERT模型判断话题是否与爱国主义相关，并计算此话题在全网的流行度。系统通过LOF算法来识别突发热点事件，并对事件持续跟踪。使用结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的深度学习方法，将静态属性和动态属性结合使用深度神经网络预测舆情的流行度趋势。根据使用相似历史事件数据训练的神经网络，系统会给出使用者用以疏导舆情的参考应对方案，并预测使用方案后的舆情流行度变化趋势。本发明专利技术可以有效跟踪和预测网络上有关爱国主义的舆情。

Tracking, forecasting and dredging methods of online patriotic public opinion events

【技术实现步骤摘要】
网络爱国舆情事件跟踪、预测和疏导方法
本专利技术属于计算机技术和舆情监测领域，涉及一种基于集成方法的舆情事件跟踪、预测和疏导系统，尤其是爱国舆情事件跟踪和疏导的方法。
技术介绍
随着互联网和智能终端设备的发展，“两微一端”被广泛使用，自媒体的时代到来了，每个个体都可以成为报道着和传话人，信息的数量以前所未有的速度膨胀着，因此舆情的发展会在很短的时间内爆发和消失，因此十分必要设计一种系统可以跟踪相应的舆情事件并预测其流行趋势，并可以在合适的时间提出疏导的指导建议。
技术实现思路
为了可以有效跟踪和预测网络上有关爱国主义的舆情，并给出相应疏导方案，本专利技术提供一种络爱国舆情事件跟踪、预测和疏导方法。为了解决上述技术问题，本专利技术提出如下的技术方案：一种网络爱国舆情事件跟踪、预测和疏导方法，所述方法包括以下步骤：步骤1，建立全网数据采集系统，使用网络爬虫获取热门新闻网站和社交媒体内容，过程如下：1.1使用基于Hadoop的分布式网络爬虫系统，分布于不同服务器上的分系统分别爬取不同的网站，最后将数本文档来自技高网...

【技术保护点】
1.一种网络爱国舆情事件跟踪、预测和疏导方法，其特征在于，所述方法包括以下步骤：/n步骤1，建立全网数据采集系统，使用网络爬虫获取热门新闻网站和社交媒体内容，过程如下：/n1.1使用基于Hadoop的分布式网络爬虫系统，分布于不同服务器上的分系统分别爬取不同的网站，最后将数据聚合在一起；/n1.2爬取过程中，将目标网站分为两大类：新闻网站和社交网络，对新闻媒体爬取的内容有：发文时间、标题、发文内容、浏览量、评论数和评论内容；对社交网络爬取内容有：发布时间、发布内容、点赞数、评论数、评论内容、用户信息、用户之间的社交关系网络；/n1.3建立基于Hadoop和MySQL关系数据库，将以上数据结构化...

【技术特征摘要】
1.一种网络爱国舆情事件跟踪、预测和疏导方法，其特征在于，所述方法包括以下步骤：
步骤1，建立全网数据采集系统，使用网络爬虫获取热门新闻网站和社交媒体内容，过程如下：
1.1使用基于Hadoop的分布式网络爬虫系统，分布于不同服务器上的分系统分别爬取不同的网站，最后将数据聚合在一起；
1.2爬取过程中，将目标网站分为两大类：新闻网站和社交网络，对新闻媒体爬取的内容有：发文时间、标题、发文内容、浏览量、评论数和评论内容；对社交网络爬取内容有：发布时间、发布内容、点赞数、评论数、评论内容、用户信息、用户之间的社交关系网络；
1.3建立基于Hadoop和MySQL关系数据库，将以上数据结构化并存入数据库；
步骤2，针对在步骤1中获取的文本内容，使用预先训练的基BERT模型，将文本进行分类并判断是否和爱国主义相关，计算特定爱国主义事件相关话题的流行度；
步骤3，识别突发热点事件，使用基于局部离群因子的异常检测算法LOF方法来检测相关微博数在时间序列上的突然增长，并向用户发出通知，此外，本系统将通过比较一个地区与其相邻地区的话题流行度区别来识别突发热点事件的起源及影响范围；
步骤4，网络爱国舆情事件跟踪，当检测到与爱国主义相关的突发热点事件，系统会一直持续收集网络上的各种网络行为，跟踪并记录从话题的爆发然后达到顶峰最后衰退的整个过程，统计过程中的各种数据，包括参与互动的用户数量，用户的年龄段、用户的地域分布、用户对国家的支持度；
步骤5，网络爱国舆情事件流行度的预测，使用的是结合长短期记忆网络LSTM和卷积神经网络CNN的深度学习方法，过程如下：
5.1可以影响舆情事件流行度发展的属性被分为两类，一种是和时间相关的动态属性，使用对时间敏感的长短期记...

【专利技术属性】
技术研发人员：蓝汉林，陈中天，陈汉聪，王文欢，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33