【技术实现步骤摘要】
本专利技术涉及舆情监测，更具体的说是涉及一种烟草舆情监测方法。
技术介绍
1、在烟草行业，舆情监测尤为重要，因为烟草相关舆情不仅涉及消费者的健康认知和社会舆论，还与国家政策、行业监管和市场竞争密切相关。
2、随着人工智能技术的迅猛发展，特别是大规模预训练模型(如gpt、bert等)的兴起，舆情分析技术进入了新的发展阶段,
3、但传统的大模型主要依赖于关键词匹配和简单的机器学习算法，对于复杂语境的理解能力有限。例如，在处理包含讽刺、隐喻或上下文相关的情感表达时，这些模型容易产生误判，无法准确捕捉公众的真实态度。这导致了舆情分析结果可能与实际情况存在偏差，影响决策的有效性。
4、而且一些恶意行为往往具有高度隐蔽性，通常通过模仿真实用户的活动模式来伪装自己，包括但不限于发布频率、内容风格、互动行为等，使得传统基于规则或简单机器学习模型的检测手段难以识别其异常特征。特别是当恶意用户能够动态调整策略以适应检测机制的变化时，这种伪装变得更加难以察觉。
5、此外，现有的舆情处置策略往往依赖于个人经验和直...
【技术保护点】
1.一种烟草舆情监测方法，其特征在于，
2.根据权利要求1所述的烟草舆情监测方法，其特征在于，利用提示学习器根据用户任务提示文本生成任务提示嵌入向量，并将所述任务提示嵌入向量分别添加至不同任务的编码序列中。
3.根据权利要求1所述的烟草舆情监测方法，其特征在于，构建外部知识库，通过舆情监测数据中关键词获取外部知识库中相关内容，利用提示学习器根据所述相关内容生成知识嵌入向量，并将所述知识嵌入向量分别添加至情感分析编码序列、主体分类编码序列和决策处置编码序列中。
4.根据权利要求3所述的烟草舆情监测方法，其特征在于，所述外部知识库为基于...
【技术特征摘要】
1.一种烟草舆情监测方法，其特征在于，
2.根据权利要求1所述的烟草舆情监测方法，其特征在于，利用提示学习器根据用户任务提示文本生成任务提示嵌入向量，并将所述任务提示嵌入向量分别添加至不同任务的编码序列中。
3.根据权利要求1所述的烟草舆情监测方法，其特征在于，构建外部知识库，通过舆情监测数据中关键词获取外部知识库中相关内容，利用提示学习器根据所述相关内容生成知识嵌入向量，并将所述知识嵌入向量分别添加至情感分析编码序列、主体分类编码序列和决策处置编码序列中。
4.根据权利要求3所述的烟草舆情监测方法，其特征在于，所述外部知识库为基于烟草相关资料构建的知识图谱，并采用elasticsearch根据舆情监测数据关键词进行全文搜索引擎，以及利用jaccard系数衡量输入关键词与检索所得相关内容之间的相似度。
5.根据权利要求2或3所述的烟草舆情监测方法，其特征在于，情感分析编码序列、...
【专利技术属性】
技术研发人员：林庆发，滕少华，郑泽锋，何翊卿，李鑫，叶杞豪，贺健斌，李钊，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。