[发明专利]一种网络文本舆情分类的方法及系统

权利要求书

1.一种网络文本舆情分类的方法，其特征在于，包括以下步骤：

构建敏感词词表；

对所述网络文本进行分词和去停用词处理，获得第一网络文本；根据所述敏感词词表获得所述第一网络文本中的敏感词；根据词权重计算算法确定所述敏感词中的热度敏感词；对所述热度敏感词和所述第一网络文本进行第二相似度算法计算，并根据计算结果对所述第一网络文本进行舆情分类；

将所述敏感词词表分类成至少一个敏感类别，每个敏感类别包含至少一个关键词；

将所述至少一个关键词与网络文本进行匹配，获得匹配结果，根据第一相似度算法及匹配结果对所述网络文本进行舆情分类；其中，

所述第一相似度算法的公式如下所示：

Sim[D_i，C_j]＝(0.7*n+0.3*m)/|C_j|

其中，D_i表示第一网络文本，C_j表示敏感类别，n表示D_i和C_j匹配出的词频总数，m表示D_i和C_j匹配出的敏感词次数，|C_j|表示C_j类词的个数。

2.根据权利要求1所述的方法，其特征在于，所述词权重计算算法包括以下步骤：

对所述敏感词词表中的词汇所在的文本进行去分词和去停用词处理，将所述文本进行文本向量化处理获得待计算权重的词汇；

设置Temp表，通过权重计算公式获得多个所述待计算权重的词汇的权重值，将所述待计算权重的词汇的权重值所对应的敏感词储存于所述Temp表中，所述敏感词词表与网络文本进行匹配，匹配出的词存储所述Temp表中。

3.根据权利要求2所述的方法，其特征在于，所述权重计算公式如下所示：

weight(t_i)＝Title_(t_i)*(1+a)+Content_tf(t_i)

其中，t_i表示Temp表中的每个词，weight(t_i)表示Temp表中的每个词的权重，Title_(t_i)表示Temp表中的每个词在文本标题中出现的次数，Content_tf(t_i)表示Temp表中的每个词在文本正文中出现的次数，a为预设值，a为正整数。

4.一种网络文本舆情分类的系统，其特征在于，包括：

处理模块，用于构建敏感词词表；对所述网络文本进行分词和去停用词处理，获得第一网络文本；根据所述敏感词词表获得所述第一网络文本中的敏感词；根据词权重计算算法确定所述敏感词中的热度敏感词；对所述热度敏感词和所述第一网络文本进行第二相似度算法计算，并根据计算结果对所述第一网络文本进行舆情分类；将所述敏感词词表分类成至少一个敏感类别，每个敏感类别包含至少一个关键词；

匹配模块，将所述至少一个关键词与网络文本进行匹配，获得匹配结果，根据第一相似度算法及匹配结果对所述网络文本进行舆情分类；其中，所述匹配模块具体用于，所述第一相似度算法的公式如下所示：

Sim[D_i，C_j]＝(0.7*n+0.3*m)/|C_j|

其中，D_i表示第一网络文本，C_j表示敏感类别，n表示词频总数，m表示匹配词数。

5.根据权利要求4所述的系统，其特征在于，所述词权重计算算法包括以下步骤：

对所述敏感词词表中的词汇所在的文本进行去分词和去停用词处理，将所述文本进行文本向量化处理获得待计算权重的词汇；

设置Temp表，通过权重计算公式获得多个所述待计算权重的词汇的权重值，将所述待计算权重的词汇的权重值所对应的敏感词储存于所述Temp表中，所述敏感词词表与网络文本进行匹配，匹配出的词存储所述Temp表中。

6.根据权利要求5所述的系统，其特征在于，所述权重计算公式如下所示：

weight(t_i)＝Title_(t_i)*(1+a)+Content_tf(t_i)

其中，t_i表示Temp表中的每个词，weight(t_i)表示Temp表中的每个词的权重，Title_(t_i)表示Temp表中的每个词在文本标题中出现的次数，Content_tf(t_i)表示Temp表中的每个词在文本正文中出现的次数，a为预设值，a为正整数。