本發(fā)明涉及電數(shù)字數(shù)據(jù)處理領域，具體涉及一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)。

背景技術：

1、在當前的網(wǎng)絡發(fā)展中，越來越多的人參與到網(wǎng)絡活動中，網(wǎng)絡輿論的影響力也越來越大，但由于一些因素，網(wǎng)絡中的事件往往會反轉，但在反轉前輿論對當事人的傷害卻無法逆轉，因此，需要一種系統(tǒng)對正在發(fā)生的事件的反轉可能性進行預測，基于預測結果能夠使輿論參與者控制參與程度，從而降低對當事人的輿論傷害。

2、現(xiàn)在已經(jīng)開發(fā)出了很多輿情預測系統(tǒng)，經(jīng)過大量的檢索與參考，發(fā)現(xiàn)現(xiàn)有的輿情預測系統(tǒng)有如公開號為cn117407806a所公開的系統(tǒng)，這些系統(tǒng)方法一般包括：從監(jiān)管對象庫中獲取多個網(wǎng)絡輿情事件信息；其中，網(wǎng)絡輿情事件信息包括網(wǎng)絡輿情反轉事件信息和網(wǎng)絡輿情非反轉事件信息；通過特征構建模型提取網(wǎng)絡輿情事件信息的特征，并將特征進行特征值轉換得到多個待檢測輿情事件的輿情事件數(shù)據(jù)；將待檢測輿情事件的輿情事件數(shù)據(jù)輸入到反轉預測模型中，輸出待檢測輿情事件是否會發(fā)生反轉的預測結果；將待檢測輿情事件的預測結果輸入到shap解釋模型中，輸出影響輿情反轉的主要因素；基于輿情監(jiān)管模塊和影響輿情反轉的主要因素進行輿情管控。但該系統(tǒng)中的模型并未考慮到事件的發(fā)展過程，導致預測的結果準確性有待提高。

技術實現(xiàn)思路

1、本發(fā)明的目的在于，針對所存在的不足，提出了一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)。

2、本發(fā)明采用如下技術方案：

3、一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，包括事件采集模塊、事件解析模塊、輿情訓練模塊和反轉預測模塊；

4、所述事件采集模塊用于采集網(wǎng)絡上的輿情事件，所述事件解析模塊用于將采集的輿情事件進行分類并提取出事件的特征信息，所述輿情訓練模塊用于對采集的事件進行訓練，所述反轉預測模塊用于對實時事件進行反轉預測；

5、所述事件采集模塊包括信息采集單元、事件整理單元和數(shù)據(jù)存儲單元，所述信息采集單元用于采集互聯(lián)網(wǎng)社交平臺中的輿論信息，所述事件整理單元用于將采集的輿論信息整理成多個事件信息，所述數(shù)據(jù)存儲單元用于保存整理后的事件信息；

6、所述事件解析模塊包括特征提取單元、事件分類單元和樣本存儲單元，所述特征提取單元用于提取出事件發(fā)展信息中的特征數(shù)據(jù)，所述事件分類單元基于事件評論信息將事件分為反轉事件和非反轉事件，所述樣本存儲單元將特征數(shù)據(jù)和對應的事件類型作為樣本進行存儲；

7、所述輿情訓練模塊包括樣本輸入單元、特征處理單元和對比優(yōu)化單元，所述樣本輸入單元用于從所述樣本存儲單元中獲取樣本數(shù)據(jù)，所述特征處理單元用于對樣本數(shù)據(jù)中的特征數(shù)據(jù)進行非線性變化處理并輸出判斷結果，所述對比優(yōu)化單元將樣本中的事件類型與判斷結果進行對比并根據(jù)對比結果對特征處理單元中的參數(shù)進行優(yōu)化；

8、所述反轉預測模塊包括實時數(shù)據(jù)接入單元和預測執(zhí)行單元，所述實時數(shù)據(jù)接入單元用于接收實時的事件信息并進行預處理，所述預測執(zhí)行單元用于獲取輿情訓練模塊中的參數(shù)信息并對預處理后的實時事件信息進行反轉預測；

9、進一步的，所述特征提取單元包括節(jié)點提取處理器和特征轉換處理器，所述節(jié)點提取處理器用于從事件發(fā)展信息中提取出事件節(jié)點文本，所述特征轉換處理器用于將提取出的事件節(jié)點文本轉換成特征信息；

10、所述特征轉換處理器轉換得到的特征信息的過程包括如下步驟：

11、s1、獲取節(jié)點文本中的關鍵詞，將每個關鍵詞轉換為一個空間坐標作為關鍵點；

12、s2、選擇一個關鍵詞作為事件節(jié)點的基底，該關鍵詞的對應空間坐標作為基點；

13、s3、計算出以基點為向量起點，其余關鍵點為向量終點的向量，得到關鍵向量集合；

14、s4、根據(jù)下式計算出事件節(jié)點的詳情指數(shù)dt：

15、；

16、其中，n為關鍵點的數(shù)量，n0為詳情基數(shù)，c為偏置值，ai為第i個關鍵向量；

17、s5、選擇與基點最近的兩個關鍵點，連接這兩個關鍵點和基點得到一個三角平面；

18、s6、計算出三角平面的面積s和單位法向量；

19、所述特征轉換處理器將面積s、向量、基點坐標對應的向量和詳情指數(shù)dt作為事件節(jié)點的特征信息；

20、進一步的，所述特征處理單元包括變化分析處理器和判斷輸出處理器，所述變化分析處理器用于對不同事件節(jié)點的特征數(shù)據(jù)變化進行分析，所述判斷輸出處理器用于輸出判斷結果；

21、所述變化分析處理器根據(jù)下式對相鄰事件節(jié)點中特征數(shù)據(jù)中的s、和進行處理得到變化值vg：

22、；

23、其中，s(1)為第一個特征數(shù)據(jù)的s值，s(2)為第二個特征數(shù)據(jù)的s值，為第一個特征數(shù)據(jù)的向量，為第二個特征數(shù)據(jù)的向量，為第一個特征數(shù)據(jù)的向量，為第二個特征數(shù)據(jù)的向量，dt(1)為第一個特征數(shù)據(jù)的dt值，dt(2)為第二個特征數(shù)據(jù)的dt值，、、和為模型變化參數(shù)；

24、進一步的，所述判斷輸出處理器根據(jù)下式計算出判斷值q：

25、；

26、其中，m為事件節(jié)點的數(shù)量，vgi表示第i個變化值，和為模型判斷參數(shù)；

27、當q值大于0時，判斷該事件為反轉事件，否則判斷該事件為非反轉事件；

28、進一步的，所述事件分類單元包括評論評分處理器、時序整理處理器和反轉判斷處理器，所述評論評分處理器用于對每條評論信息進行偏向評分，所述時序整理處理器基于每條評論所針對的事件節(jié)點進行分類整理得到每個事件節(jié)點的綜合評分，所述反轉判斷處理器根據(jù)事件節(jié)點綜合評分的變化將事件判斷為反轉事件或者非反轉事件，同時對反轉節(jié)點進行標記。

29、本發(fā)明所取得的有益效果是：

30、本系統(tǒng)通過對評論的分析能夠自動將采集的事件信息分為反轉事件和非反轉事件，提高了訓練前的準備效率，在對事件信息進行處理的過程中，將一個事件拆分成多個事件節(jié)點，并提取出每個事件節(jié)點的特征信息，通過模型對特征信息進行處理，能有效的體現(xiàn)出事件的發(fā)展過程對反轉可能性的影響，最終通過參數(shù)優(yōu)化來提高預測的準確性。

31、為使能更進一步了解本發(fā)明的特征及技術內(nèi)容，請參閱以下有關本發(fā)明的詳細說明與附圖，然而所提供的附圖僅用于提供參考與說明，并非用來對本發(fā)明加以限制。

技術特征：

1.一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，其特征在于，包括事件采集模塊、事件解析模塊、輿情訓練模塊和反轉預測模塊；

2.如權利要求1所述的一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，其特征在于，所述特征提取單元包括節(jié)點提取處理器和特征轉換處理器，所述節(jié)點提取處理器用于從事件發(fā)展信息中提取出事件節(jié)點文本，所述特征轉換處理器用于將提取出的事件節(jié)點文本轉換成特征信息；

3.如權利要求2所述的一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，其特征在于，所述特征處理單元包括變化分析處理器和判斷輸出處理器，所述變化分析處理器用于對不同事件節(jié)點的特征數(shù)據(jù)變化進行分析，所述判斷輸出處理器用于輸出判斷結果；

4.如權利要求3所述的一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，其特征在于，所述判斷輸出處理器根據(jù)下式計算出判斷值q：

5.如權利要求4所述的一種采用ai技術的網(wǎng)絡輿情反轉預測系統(tǒng)，其特征在于，所述事件分類單元包括評論評分處理器、時序整理處理器和反轉判斷處理器，所述評論評分處理器用于對每條評論信息進行偏向評分，所述時序整理處理器基于每條評論所針對的事件節(jié)點進行分類整理得到每個事件節(jié)點的綜合評分，所述反轉判斷處理器根據(jù)事件節(jié)點綜合評分的變化將事件判斷為反轉事件或者非反轉事件，同時對反轉節(jié)點進行標記。

技術總結
本發(fā)明提供了一種采用AI技術的網(wǎng)絡輿情反轉預測系統(tǒng)，涉及電數(shù)字數(shù)據(jù)處理領域，包括事件采集模塊、事件解析模塊、輿情訓練模塊和反轉預測模塊，所述事件采集模塊用于采集網(wǎng)絡上的輿情事件，所述事件解析模塊用于將采集的輿情事件進行分類并提取出事件的特征信息，所述輿情訓練模塊用于對采集的事件進行訓練，所述反轉預測模塊用于對實時事件進行反轉預測；本系統(tǒng)通過對已有事件的反轉情況進行訓練學習，能夠準確地對當前事件的反轉可能性進行預測判斷，降低輿論對當事人的傷害程度。

技術研發(fā)人員：張衛(wèi)平,陳靜婷,趙莉莉,楊平
受保護的技術使用者：環(huán)球數(shù)科股份有限公司
技術研發(fā)日：
技術公布日：2025/1/6