申请/专利权人：大连交通大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807185A

主分类号：G06F16/33

分类号：G06F16/33;G06F16/951;G06F16/332;G06F40/284;G06F18/213;G06F18/21;G06F18/214;G06F18/2415

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：一种基于深度学习的认知域大数据舆情预警系统，通过对大规模的在线公共数据进行实时监测和分析，提供精准、及时的舆情预警服务，基于深度学习算法，并结合实时数据采集、数据过滤、情感分析和舆情预警等模块，实现对舆情风险的评估和预警。传统的舆情分析系统通常只能提供当前舆情的分析和预测，而无法预测舆情的演化趋势。本发明的创新点在于基于深度学习模型，通过分析大数据中的历史舆情数据，系统能够预测舆情的演化趋势，系统能够识别和学习舆情事件的重要特征和发展规律，从而进行准确的演化趋势预测，为决策者提供更好的参考和分析依据。

主权项：1.一种基于深度学习的认知域大数据舆情预警系统，包括数据采集模块1、数据过滤模块2、情感分析模块3和舆情预警模块4，其特征在于所述的数据采集模块1通过网络爬虫技术，实时采集与认知域相关的多媒体数据和文本数据，以满足后续分析的需求；数据过滤模块2由数据清洗模块201和数据预处理模块202组成，对采集到的大量数据进行筛选和过滤，以便选择性地提取与特定主题、关键词或感兴趣的领域相关的信息，数据清洗模块201对采集到的信息进行数据清洗和去重，去除重复数据、垃圾数据和无效数据，以保证后续分析的准确性，数据预处理模块202对数据进行分词处理与过滤、基于TF-IDF的文本特征提取和向量空间模型表示，以便后续步骤的分析；情感分析模块3由关键信息提取模块301和舆情情感分类模块302组成，对筛选出的舆情数据进行情感倾向分析，以了解公众对特定话题、事件或实体的情感态度和情感倾向，关键信息提取模块301通过自然语言处理技术，从数据中提取关键信息，对文本进行分词和去停用词，以帮助进一步分析和理解舆情事件，舆情情感分类模块302对舆情文本进行情感倾向分类，帮助了解文本的情感色彩，包括正面和负面；舆情预警模块4由预警指标评估模块401和舆情趋势预测模块402组成，根据舆情事件的关键特征，结合历史数据和领域知识，使用预设的评估指标对舆情风险进行评估和预警，预警指标评估模块401提出负向情感占比和舆情发酵速度两个预警指标，负向情感占比与风险呈正相关，舆情发酵速度与风险呈正相关，舆情趋势预测模块402根据历史舆情数据，利用深度学习模型进行预测，提供对未来舆情趋势的预测和评估。

全文数据：

权利要求：

百度查询： 大连交通大学 一种基于深度学习的认知域大数据舆情预警系统

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