[发明专利]基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法

说明书

本发明公开了基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法，采用XGBoost梯度提升决策树和知识图谱结合的方式，从多特征角度对舆情预警值进行分析。首先实时获取微博文本，对每个微博文本进行处理。之后通过LDA实现主题提取，XGBoost进行微博情感分析，公众人物舆情知识图谱的构建，舆情事件热度计算。最后情感预警值计算与等级划分。采用XGBoost梯度提升决策树和知识图谱结合的方法，同时设计提出话题和事件的热度值和情感预警值计算公式，从转发、评论、点赞和情感极性等多维传播特征角度对舆情预警值进行计算，并对话题和事件采用不同的等级划分机制，使得舆情分析更加准确和快速。

技术领域

本发明属于自然语言处理领域，涉及知识图谱构建和舆情预警技术，具体是一种基于公众人物舆情知识图谱和XGBoost多特征融合的情感预警方法。

背景技术

公众人物是指具有广泛的社会知名度和社会影响力的人物。互联网的开放性和即时性，让网络成为了谣言的发源地。一个负面舆论到引发危机，往往只要几分钟，对于公众人物来说，负面舆论获取的及时性相当重要，只有这样才能及时处理，遏制危机的爆发。进行舆论监测可以迅速监测到危害自己声誉的负面新闻，并及时做出应对对策，防止恶性信息的进一步扩散和传播，将负面信息第一时间扼杀在摇篮中，并能够起到及时疏导网情，塑造公信力的作用。

XGBoost的全称是eXtreme Gradient Boosting，它是经过优化的分布式梯度提升库，旨在高效、灵活且可移植。同时XGBoost是大规模并行boosting tree的工具，它是目前最快最好的开源boosting tree工具包，比常见的工具包快10倍以上。在情感分类上有较好的效果。

在大数据环境下，传统舆情分析技术的应用远远不能满足网络舆情管理的实际需要，因此必须要开拓创新，研究更为科学的知识组织技术和智能知识处理技术。知识图谱结构规范，语义丰富以及支持高效查询和复杂的知识计算的特点，能为舆情主题发现、热点跟踪、情感预警分析等提供有力支持。

发明内容

本发明采用XGBoost梯度提升决策树和知识图谱结合的方式，从多特征角度对舆情预警值进行分析。首先实时获取微博文本，对每个微博文本进行处理。之后通过LDA实现主题提取，XGBoost进行微博情感分析，公众人物舆情知识图谱的构建，舆情事件热度计算。最后情感预警值计算与等级划分。

本发明的目的可以通过以下技术方案实现：

S1基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法，该方法包括如下过程：舆情数据收集和预处理：在微博搜索框中输入指定公众人物名字，获取对应内容网页链接，通过网络爬虫技术将爬取到的数据存储到mysql数据库中，对获取到的数据进行数据清洗。

S2通过LDA模型进行话题提取：将文档集中每篇文档的主题以概率分布的形式给出；通过分析文档集，抽取出主题分布，根据主题分布进行主题聚类或文本分类；在训练时不需要手工标注的训练集，需要的仅仅是文档集以及指定主题的数量k即可。LDA的核心公式如下示为：

P(word|doc)＝P(word|topic)*P(topic|doc)

其中doc表示整篇文档内容，word表示文档中的词语，topic表示文章主题。从公式来看，通过文档doc中该词语word出现的次数除以文档中词语总数计算出来。

S3通过XGBoost进行微博情感分析：从数据库加载数据，分出变量X和标签Y；将数据集分为训练集和测试集，训练集来训练模型，测试集来测试模型准确度；直接使用XGBoost封装好的分类器和回归器，使用XGBClassifier建立模型。