申请/专利权人：国家计算机网络与信息安全管理中心

申请日：2021-04-01

公开（公告）日：2024-03-22

公开（公告）号：CN113220964B

主分类号：G06F16/951

分类号：G06F16/951;G06F16/9032;G06F16/955;G06F40/242;G06F40/284;G06N3/045;G06N3/0464;G06N3/09;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明属于网络信息以及自然语言处理技术领域，特别涉及一种基于网信领域短文本的观点挖掘方法。本方法包括网信领域相关的数据获取与预处理模块、基于短文本的特征提取模块、短文本属性推断模块、观点挖掘结果输出模块。本发明方法提出了基于网信领域的短文本获取与数据清洗模型，建立了面向社交网络短文本的文本特征提取模型，设计了基于网信领域的社交网络短文本的属性推断模型，综合考虑了文本关键词抽取和摘要生成，提出对应的观点挖掘输出模型，最终基于实际采集的网络安全法相关短文本数据实现输出及可视化的展示。本发明极大地减少了人工收集、分析与网信领域相关的短文本的时间成本，能够有效的为网信领域相关专业人士提供观点挖掘结果。

主权项：1.一种基于网信领域短文本的观点挖掘方法，其特征在于，包括如下步骤：1利用基于支持用户自定义的API网络爬虫，根据用户需求对网信领域短文本进行爬取，得到文本数据，对文本数据进行后续数据清洗；2利用由谷歌公开发布的中文预训练BERT模型，对步骤1清洗后的文本进行嵌入编码，得到文本特征矩阵；3利用多层神经网络搭建的文本属性推断网络，将步骤2的文本特征矩阵输入到文本属性推断网络中，得到网信领域短文本的文本属性，文本属性包括文本的情感极性及文本内容类别；4利用文本统计及自然语言处理的方法，根据步骤3的文本属性，对网信领域短文本进行群体识别、词云图生成与摘要生成；所述的步骤4包含以下步骤：4.1对原始文本数据进行属性推断；4.2构建群体识别知识库，利用原始数据的用户名、用户个人简介和粉丝数，并识别用户的群体类别；4.3根据用户的群体类别，分别对各类群体用户发表的短文本进行整理，生成词云图；4.4根据不同的文本内容类别，按照极性分别为每类文本进行摘要生成；所述的步骤4绘制摘要生成步骤如下：4.11使用“。”、“？”和“！”作为切分句子的标点符号，对将文本段落切分为句子；4.12选用词频-逆向文件频率，对切分后的句子序列进行嵌入表示，每个句子对应一个词频-逆向文件频率向量vi；4.13计算步骤4.12的句子权重，即关键词信息量、句子位置和句子相似度信息量，句子的关键词信息量为句子向量vi的模，即|vi|；句子位置即为句子在原段落中是第几句；句子相似度信息量为，句子向量与其他句子向量的距离均值，即将三个权重指数按照一定的系数相加，对所有句子按照权重值进行降序排序，抽取句子权重最高的句子作为摘要。

全文数据：

权利要求：

百度查询： 国家计算机网络与信息安全管理中心 一种基于网信领域短文本的观点挖掘方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD