一种景区舆情预警方法及装置制造方法及图纸

本发明专利技术公开了一种景区舆情预警方法及装置，该方法包括获取景区评论数据；对景区评论数据进行分词处理后，确定出景区评论数据的词向量，根据景区评论数据的词向量和舆情分析模型，确定出景区评论数据的情感分类，舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的，根据景区评论数据的情感分类以及景区评论数据进行景区舆情预警。通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。

【技术实现步骤摘要】
一种景区舆情预警方法及装置
本专利技术实施例涉及舆情分析
，尤其涉及一种景区舆情预警方法及装置。
技术介绍
近年来，随着人们生活水平的不断提高，国内旅游热不断高涨，特别是每逢节假日，各大景区人满为患，于是各种旅游负面舆情频频爆出，引发一场场旅游舆情危机。旅游业因其行业性质一直以来都是网络舆论关注的焦点之一，由于涉及人员面大、人员数量多且过分集中，因此一旦发生负面突发事件就极易引发大面积快速传播发酵，形成网络舆情热点，甚至成为引人注目的公共事件，而旅游部门稍不注意也极易被推到舆情风口浪尖。因此，拥有一套行之有效的舆情监测方案，以帮助旅游部门快速准确监测网上各类旅游负面舆情，全面了解社会公众关注的旅游相关问题，从而及时采取准确的应对措施，以预防、减少和消除突发旅游舆情造成的负面影响成为旅游部门一项重要工作之一。目前进行舆情信息分析的方案主要是依赖于自然语言处理，在自然语言处理中，通常用到的方法是递归神经网络或循环神经网络，即RNN(RecurrentNeuralNetwork，循环神经网络)，它的作用是将矩阵形式的输入编码为较低维度的一维向量，保留大多数有用信息；而语言总是由相邻的字构成词，相邻的词构成短语，相邻的短语构成句子等等，因此，需要有效地把邻近位置的信息进行有效的整合，或者叫重构；理论上，RNN能达到上述要求。但是在实践中，当相关信息和当前预测位置之间的间隔不断增大时，RNN就会丧失学习远距离信息的能力。这样就会造成舆情信息分析不准确。
技术实现思路
本专利技术实施例提供一种景区舆情预警方法及装置，用以提高舆情信息分析的准确性。本专利技术实施例提供的一种景区舆情预警方法，包括：获取景区评论数据；对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。上述技术方案中，通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。可选的，所述对标记了情感类型的景点历史评论数据训练学习确定所述舆情分析模型，包括：获取标记了情感类型的景点历史评论数据；对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；根据所述景点历史评论数据的词向量、LSTM(Long-ShortTermMemory，长短期记忆人工神经网络)和CNN(ConvolutionalNeuralNetworks，卷积神经网络)进行训练学习，确定出所述舆情分析模型。可选的，所述根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型，包括：将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。可选的，所述根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警，包括：在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。相应的，本专利技术实施例还提高了一种景区舆情预警装置，包括：获取单元，用于获取景区评论数据；处理单元，用于对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。可选的，所述处理单元具体用于：获取标记了情感类型的景点历史评论数据；对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型。可选的，所述处理单元具体用于：将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。可选的，所述处理单元具体用于：在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。相应的，本专利技术实施例还提供了一种计算设备，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述景区舆情预警方法。相应的，本专利技术实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述景区舆情预警方法。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种系统架构的示意图；图2为本专利技术实施例提供的一种景区舆情预警方法的流程示意图；图3为本专利技术实施例提供的一种舆情分析模型的结构示意图；图4为本专利技术实施例提供的一种景区舆情预警装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。图1示例性的示出了本专利技术实施例所适用的一种系统架构，该系统架构可以为服务器100，包括处理器110、通信接口120和存储器130。其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器本文档来自技高网...

【技术保护点】
1.一种景区舆情预警方法，其特征在于，包括：/n获取景区评论数据；/n对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；/n根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；/n根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。/n

【技术特征摘要】
1.一种景区舆情预警方法，其特征在于，包括：
获取景区评论数据；
对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；
根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；
根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。


2.如权利要求1所述的方法，其特征在于，所述对标记了情感类型的景点历史评论数据训练学习确定所述舆情分析模型，包括：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、长短期记忆人工神经网络LSTM和卷积神经网络CNN进行训练学习，确定出所述舆情分析模型。


3.如权利要求2所述的方法，其特征在于，所述根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型，包括：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。


4.如权利要求1至3任一项所述的方法，其特征在于，所述根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警，包括：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。


5.一种景区舆情预警装置，其特征在于，包括：
获取单元，用于获取景区评论数据；

【专利技术属性】
技术研发人员：闾凡兵，傅鸿，
申请(专利权)人：贵阳海信网络科技有限公司，
类型：发明
国别省市：贵州;52