CN119476268A 舆情分析方法、系统、设备及存储介质 （山东浪潮智慧文旅产业发展有限公司）

司模型、双向长短时记忆网络模型和卷积神经模2提取目标文件夹中的用户评价数据的词语序列，将所述词语序列输入预训练语言模计算词向量集合中的词向量之间的相似度，将相似度根据主题模型中每个主题的词汇分布，对主题进行命名和解释，并通过计算每条用户评价数据与每个主题的相似度，为每个用户评价数双向长短时记忆网络模型，所述双向长短时记忆网络模型采用双卷积神经模型，所述卷积神经模型对所述输出特征进行局部特用激活函数对关键词汇进行非线性化处理，并使用softmax分类器对非线性化处理后的关3基于情感倾向所属的数据组与舆情主题的对应关系，建立舆情主主题分析模块，用于利用预训练语言模型及主题模型分析数据分组模块，用于将预处理后的用户评价数据按所属的舆情主情感分析模块，用于利用情感分析模型分别识别多个所述数数据爬取单元，用于利用爬虫技术从多个平台爬取目标对象的取的用户评价数据保存至预先为相应平台构建分词处理单元，用于利用分词工具和自定义词典对清洗后处理器，用于执行所述舆情分析程序时实现如权利要求1_6任一项所述舆情分析方法存储有舆情分析程序，所述舆情分析程序被处理器执行时实现如权利要求1_6任一项所述4语序列。5利用情感分析模型对所有数据组进行情感分析，基于情感分析结果统计情感倾6情分析程序被处理器执行时实现如第一方面提供的舆合BERT和LDA模型，系统更准确地从大量文本数据中提取主题，识别出游客关注的热点问7[0036]S4.利用情感分析模型分别识8语序列：选择合适的分词工具（如jieba、NLTK等对清洗后的用户评价数据进行分词处提取目标文件夹中的用户评价数据的词语序列：9本进行建模转换成词向量w=fw,w2…wa}，利用相似度提取文本特征，在过滤掉意思相近的文本后整合输入到LDA模型中计算主题词和描述[0087]主题解释与分布分析：根据LDA模型学习到的主题分布，可以解释每个主题的含这样可以方便后续对同一主题的用户评价数据进行集中在上下文的理解中存在局限，因此系统在满意度情感分析模块选用了BERT模型来进行向量化预处理。BERT结构包括输入层、编码层和输出层，BERT输入层在文本输入会采用词向量层向量化预处理，首先在文本起始位置和结束位置添加“[CLS]”和“[SEP]”进行标记，Segmentembedding会生成文本全局语义变量以及Positionembedding进行位置编码向量藏层和16个注意力机制，再加以配合Masked语言模型任务以及上下文预测任务进行模型微[0114]（2）双向长短时记忆网络模型（BidirecBi_LSTM将预训练语言模型输出的词向量矩阵作为输入，通过其内部结构捕捉文[0123]最后，使用softmax分类器对非线性化处理后的关键词汇进行情感极性分类。softmax分类器能够将特征映射到情感极性的概率分布上，从而实现对文本情感倾向的判理解了文本的上下文关系。[0132]激活函数tanh：在全连接层中，通常会使用激活函数来增加模型的非线性能模块。所述舆情分析系统中的各个程序段的计算机程序可以存储于计算机设备的存储器语序列。利用情感分析模型对所有数据组进行情感分析，基于情感分析结果统计情感倾[0149]图5为本申请实施例提供的舆情分析方法可以应用于设备。本领域技术人员可以型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM电[0152]处理器510为存储设备的控制中心，利用各种接口和线路连接整个电子设备的各器内的数据，以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路颗相同功能或不同功能的封装IC而组成。举例来说，处理器510可以仅包括中央处理器[0153]通信单元530，用于建立通信信道，从而使所述存储设备可以与其它设备进行通序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、[0155]本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在行本发明各个实施例所述方法的全部或部分步骤。