企业舆情分析方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能，提供一种企业舆情分析方法、装置、设备及存储介质。该方法根据企业话题的话题采集来源及话题信息识别出话题热度，根据评论采集来源及评论信息识别出评论热度，并对企业话题及话题评论进行排序，生成话题评论列表，基于文本分类模型对企业话题进行划分，得到话题指标，对话题评论进行情感预测，得到负向情感分数并生成指标分值，提取负向词汇构建负向词云图，提高舆情结果的准确性。此外，本发明专利技术还涉及区块链技术，所述舆情结果可存储于区块链中。存储于区块链中。存储于区块链中。

【技术实现步骤摘要】
企业舆情分析方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种企业舆情分析方法、装置、设备及存储介质。

技术介绍

[0002]随着社会网络高速发展，网上舆情传播发酵速度非常快，为了维护企业的社会形象，企业需要时刻关注相关的舆情信息。在传统的舆情监控方案中，通常需要借助专家的经验分析判断出舆情发酵的严重性，由于没有一个量化的标准，导致无法准确的分析出企业的舆情结果。

技术实现思路

[0003]鉴于以上内容，有必要提供一种企业舆情分析方法、装置、设备及存储介质，能够解决无法准确的分析出企业的舆情结果的技术问题。
[0004]一方面，本专利技术提出一种企业舆情分析方法，所述企业舆情分析方法包括：
[0005]采集待监测企业的企业话题及所述企业话题的话题评论；
[0006]根据所述企业话题的话题采集来源及所述企业话题的话题信息识别出所述企业话题的话题热度，并根据所述话题评论的评论采集来源及所述话题评论的评论信息识别出所述话题评论的评论热度；
[0007]根据所述话题热度及所述评论热度对所述企业话题及所述话题评论进行排序，生成话题评论列表；
[0008]基于预先训练完成的文本分类模型对所述企业话题进行划分，得到所述企业话题所在的话题指标；
[0009]对所述话题评论进行情感预测，得到负向情感分数；
[0010]基于所述话题指标中企业话题的话题评论所对应的评论热度及所述负向情感分数生成所述待监测企业在多个所述话题指标上的指标分值；
[0011]根据所述评论热度及所述负向情感分数从所述话题评论中提取负向词汇构建负向词云图；
[0012]将所述话题评论列表、所述指标分值及所述负向词云图确定为所述待监测企业的舆情结果。
[0013]根据本专利技术优选实施例，所述话题信息包括所述企业话题的转发数量、点赞数量、阅读数量及所述话题评论的评论数量，所述根据所述企业话题的话题采集来源及所述企业话题的话题信息识别出所述企业话题的话题热度包括：
[0014]获取所述话题采集来源的来源权值，并获取所述话题信息在所述话题采集来源上的信息权值；
[0015]基于所述来源权值及所述信息权值对所述转发数量、所述点赞数量、所述阅读数量及所述评论数量进行加权和运算，得到所述话题热度，所述话题热度的计算公式为：hot
＝k
×
(x1y1+x2y2+x3y3+x4y4)，y1>y4>y2>y3，其中，hot表示所述话题热度，k表示所述来源权值，x1表示所述转发数量，y1表示与所述转发数量所对应的第一信息权值，x2表示所述点赞数量，y2表示与所述点赞数量所对应的第二信息权值，x3表示所述阅读数量，y3表示与所述阅读数量所对应的第三信息权值，x4表示所述评论数量，y4表示与所述评论数量所对应的第四信息权值。
[0016]根据本专利技术优选实施例，所述根据所述话题热度及所述评论热度对所述企业话题及所述话题评论进行排序，生成话题评论列表包括：
[0017]基于所述话题热度从所述企业话题中选取热门话题；
[0018]依照所述话题热度对所述热门话题进行排序，得到第一列表；
[0019]基于所述评论热度从所述话题评论中选取与所述热门话题对应的热门评论；
[0020]基于所述评论热度对所述热门评论进行排序，得到第二列表；
[0021]根据所述第二列表及所述第一列表构建所述话题评论列表。
[0022]根据本专利技术优选实施例，所述文本分类模型包括关键词提取网络、编码网络、卷积网络及映射网络，所述基于预先训练完成的文本分类模型对所述企业话题进行划分，得到所述企业话题所在的话题指标包括：
[0023]基于所述关键词提取网络从所述企业话题中提取话题关键词；
[0024]基于所述编码网络对所述话题关键词进行编码处理，得到话题编码向量；
[0025]基于所述卷积网络对所述话题编码向量进行卷积处理，得到特征向量；
[0026]基于所述映射网络对所述特征向量进行映射处理，得到概率向量；
[0027]根据所述概率向量中取值最大的元素所在的维度识别出所述话题指标。
[0028]根据本专利技术优选实施例，所述多个话题指标包括多个第一类型指标及第二类型指标，所述指标分值包括第一分值及第二分值，所述基于所述话题指标中企业话题的话题评论所对应的评论热度及所述负向情感分数生成所述待监测企业在多个所述话题指标上的指标分值包括：
[0029]根据所述评论热度及所述负向情感分数计算所述待监测企业在每个第一类型指标上的第一分值，所述第一分值的计算公式为：score
j
＝max(m,n
‑
∑
i∈{第j个第一类型指标的话题评论}
hot
i
×
sc
i
)，n>m，其中，score
j
表示所述第j个第一类型指标的第一分值，hot
i
表示所述第j个第一类型指标中第i个话题评论的评论热度，sc
i
表示所述第j个第一类型指标中第i个话题评论的负向情感分数；
[0030]根据多个所述第一分值计算所述待监测企业在所述多个第一类型指标上的总分值；
[0031]根据所述总分值识别所述待监测企业在预设企业库中的企业排名作为所述第二分值。
[0032]根据本专利技术优选实施例，所述对所述话题评论进行情感预测，得到负向情感分数包括：
[0033]基于预设情感词典对所述话题评论进行编码处理，得到情感编码向量；
[0034]基于预先训练完成的二分类模型对所述情感编码向量进行处理，得到输出概率；
[0035]将所述输出概率在负向维度上所对应的概率值确定为所述负向情感分数。
[0036]根据本专利技术优选实施例，所述根据所述评论热度及所述负向情感分数从所述话题
评论中提取负向词汇构建负向词云图包括：
[0037]根据所述评论热度及所述负向情感分数从所述话题评论中选取出目标评论；
[0038]从所述目标评论中筛选出与所述预设情感词典中匹配成功的词汇作为所述负向词汇；
[0039]根据所述负向词汇所在的目标评论的评论热度及负向情感分数生成所述负向词汇的词汇标签；
[0040]合并所述词汇标签，得到所述负向词云图。
[0041]另一方面，本专利技术还提出一种企业舆情分析装置，所述企业舆情分析装置包括：
[0042]采集单元，用于采集待监测企业的企业话题及所述企业话题的话题评论；
[0043]识别单元，用于根据所述企业话题的话题采集来源及所述企业话题的话题信息识别出所述企业话题的话题热度，并根据所述话题评论的评论采集来源及所述话题评论的评论信息识别出所述话题评论的评论热度；
[0044]生成单元，用于根据所述话题热度及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业舆情分析方法，其特征在于，所述企业舆情分析方法包括：采集待监测企业的企业话题及所述企业话题的话题评论；根据所述企业话题的话题采集来源及所述企业话题的话题信息识别出所述企业话题的话题热度，并根据所述话题评论的评论采集来源及所述话题评论的评论信息识别出所述话题评论的评论热度；根据所述话题热度及所述评论热度对所述企业话题及所述话题评论进行排序，生成话题评论列表；基于预先训练完成的文本分类模型对所述企业话题进行划分，得到所述企业话题所在的话题指标；对所述话题评论进行情感预测，得到负向情感分数；基于所述话题指标中企业话题的话题评论所对应的评论热度及所述负向情感分数生成所述待监测企业在多个所述话题指标上的指标分值；根据所述评论热度及所述负向情感分数从所述话题评论中提取负向词汇构建负向词云图；将所述话题评论列表、所述指标分值及所述负向词云图确定为所述待监测企业的舆情结果。2.如权利要求1所述的企业舆情分析方法，其特征在于，所述话题信息包括所述企业话题的转发数量、点赞数量、阅读数量及所述话题评论的评论数量，所述根据所述企业话题的话题采集来源及所述企业话题的话题信息识别出所述企业话题的话题热度包括：获取所述话题采集来源的来源权值，并获取所述话题信息在所述话题采集来源上的信息权值；基于所述来源权值及所述信息权值对所述转发数量、所述点赞数量、所述阅读数量及所述评论数量进行加权和运算，得到所述话题热度，所述话题热度的计算公式为：hot＝k
×
(x1y1+x2y2+x3y3+x4y4)，y1＞y4＞y2＞y3，其中，hot表示所述话题热度，k表示所述来源权值，x1表示所述转发数量，y1表示与所述转发数量所对应的第一信息权值，x2表示所述点赞数量，y2表示与所述点赞数量所对应的第二信息权值，x3表示所述阅读数量，y3表示与所述阅读数量所对应的第三信息权值，x4表示所述评论数量，y4表示与所述评论数量所对应的第四信息权值。3.如权利要求1所述的企业舆情分析方法，其特征在于，所述根据所述话题热度及所述评论热度对所述企业话题及所述话题评论进行排序，生成话题评论列表包括：基于所述话题热度从所述企业话题中选取热门话题；依照所述话题热度对所述热门话题进行排序，得到第一列表；基于所述评论热度从所述话题评论中选取与所述热门话题对应的热门评论；基于所述评论热度对所述热门评论进行排序，得到第二列表；根据所述第二列表及所述第一列表构建所述话题评论列表。4.如权利要求1所述的企业舆情分析方法，其特征在于，所述文本分类模型包括关键词提取网络、编码网络、卷积网络及映射网络，所述基于预先训练完成的文本分类模型对所述企业话题进行划分，得到所述企业话题所在的话题指标包括：基于所述关键词提取网络从所述企业话题中提取话题关键词；
基于所述编码网络对所述话题关键词进行编码处理，得到话题编码向量；基于所述卷积网络对所述话题编码向量进行卷积处理，得到特征向量；基于所述映射网络对所述特征向量进行映射处理，得到概率向量；根据所述概率向量中取值最大的元素所在的维度识别出所述话题指标。5.如权利要求1所述的企业舆情分析方法，其特征在于，所述多个话题指标包括多个第一类型指标及第二类型指标，所述指标分值包括第一分值及第二分值，所述基于所述话题指标中企业话题的话题评论所对应的评论热度及所述负向情感分数...

【专利技术属性】
技术研发人员：张燕红，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：