【技術實現步驟摘要】
本專利技術涉及ai智能系統的，具體涉及一種輿情事件自動解讀及報告生成的方法、系統和設備。
技術介紹
1、在現有的輿情報告生成技術中，智能報告生成系統逐漸應用于輿情分析，但仍存在顯著不足。當前的技術主要依賴靜態模板和人工干預，無法實時適應動態變化的輿情環境。
2、其中，現有技術通常依賴于預設的報告模板，通過將數據分析結果填充到模板中生成輿情報告。這種方法包括數據收集、分析和報告生成幾個階段。系統通過爬蟲技術和api接口收集來自社交媒體、新聞網站等的數據，然后進行主題識別和趨勢分析，最終生成固定格式的報告。雖然這種方式保證了報告的結構性，但在靈活性和個性化方面存在顯著不足。而且，現有技術在數據處理上主要依賴傳統的自然語言處理(nlp)方法，包括分詞、主題抽取和趨勢識別等。這些方法在處理相對簡單的輿情時有效，但面對復雜的數據時，往往無法捕捉到更深層次的趨勢變化。另外，當前的報告生成系統缺乏自動化智能調整能力。當輿情快速變化時，現有技術無法根據新的數據自動調整報告內容，仍需人工干預進行修改和更新，導致報告生成滯后。
3、因此，盡管現有技術在輿情報告生成方面取得了一定進展，但在靈活性、實時性和智能化水平上仍存在明顯不足，主要體現在以下幾個方面：
4、1、靈活性不足，現有報告生成系統依賴固定的模板，缺乏個性化定制能力。這使得生成的報告難以滿足不同用戶的具體需求，用戶無法靈活選擇所需的分析內容和呈現方式，影響了報告的實用性。
5、2、實時性差，現有技術通常在收集和分析完數據后再生成報告，導致生成
6、3、自動化調整能力缺乏，當前系統無法根據實時數據動態調整報告內容和結構，依賴于人工修改和更新，導致分析結果滯后。系統缺乏自動化反饋機制，無法迅速適應輿情的變化。
技術實現思路
1、為了解決上述現有技術存在的問題，本專利技術目的之一在于提供一種輿情事件自動解讀及報告生成的方法，該方法定義了一系列智能分析組件，以便靈活應對輿情變化，并建立了動態反饋機制，以增強系統的自適應能力。本專利技術目的之二在于提供一種輿情事件自動解讀及報告生成的系統，該系統通過全面的啟用邏輯，根據關鍵指標動態選擇相應組件，確保報告生成能夠全面覆蓋輿情的各個方面，并能夠根據實時輿情變化，自動調整各組件的啟用閾值，從而提升對突發事件的響應能力。本專利技術目的之三在于提供一種輿情事件自動解讀及報告生成的設備，使該系統能通過智能組件與動態反饋機制的結合，顯著提升輿情分析的靈活性和實時性。
2、本專利技術所述的一種輿情事件自動解讀及報告生成的方法，所述方法應用于人工智能系統，所述方法包括：
3、數據采集：實時采集新聞網站、社交媒體和特定行業的數據；
4、數據預處理：統一將不同格式的數據轉換為標準格式，去除無效、重復和噪聲數據，提取圖像中的文本數據；
5、數據儲存：加載預訓練模型，將文本數據轉換為高維語義向量并儲存；
6、關鍵指標定義，包括輿情熱度指標、情感指標、輿情參與度指標、賬號傳播指標和熱門詞指標；
7、組件定義，包括與各個關鍵指標一一對應的輿情概述組件、話題情感分析組件、渠道分析組件、傳播賬號分析組件和詞云分析組件，還包括總體趨勢分析組件和輿情建議與風險評估組件；
8、組件啟用邏輯：為除了所述情感指標外的其他各個關鍵指標設定初始的閾值，當對應的關鍵指標經過計算后超過該閾值時，啟用對應的組件，而當輿情概述組件被啟用時，啟用話題情感分析組件、總體趨勢分析組件和輿情建議與風險評估組件；
9、組件分析：當組件被啟用后，調用相應的分析算法，對所需數據進行深入分析；
10、報告生成：整合所有啟用組件的分析結果，生成輿情報告；
11、動態調整：實時監測輿情變化，采用動態閾值調整算法，根據歷史數據和當前輿情趨勢，自動更新各個關鍵指標的閾值。
12、在其中一個實施例中，所述輿情熱度指標包括：h＝h1+h2+h3+h4，其中，h為總聲量，h1為評論次數，h2為轉發次數，h3為點贊次數，h4為其他互動次數，h敏為敏感信息聲量，i為敏感事件的討論次數；
13、當總聲量h大于或等于總聲量閾值t1時，啟用輿情概述組件并計算敏感信息聲量h敏，當敏感信息聲量h敏大于敏感信息聲量閾值t2時，分析事件或輿情中的敏感內容。
14、在其中一個實施例中，所述情感指標包括：e＝(e正-e負)÷e總，e1＝(e正÷e總)×100％，e2＝(e負÷e總)×100％，其中，e為情感得分，e正為正面文章數量，e負為負面文章數量，e總為總分析文章數量，e1為正面輿情比例，e2為負面輿情比例；
15、當輿情概述組件被啟用時，啟用話題情感分析組件并計算情感得分e，當e＞0時，計算正面輿情比例e1并啟用正面情感分析；當e＜0時，計算負面輿情比例e2并啟用負面情感分析。
16、在其中一個實施例中，所述輿情參與度指標包括：p＝p1+p2+p3，其中，p為用戶參與度，p1為參與評論的用戶數量，p2為轉發的用戶數量，p3為點贊的用戶數量；
17、當用戶參與度p大于或等于輿情參與度閾值t3時，啟用渠道分析組件，分析參與媒體的數量和熱點話題的數量。
18、在其中一個實施例中，所述賬號傳播指標包括傳播賬號數量；
19、當傳播賬號數量大于或等于傳播賬號數量閾值t4時，啟用傳播賬號分析組件，按照各傳播賬號的聲量值排序，并分別為各傳播賬號賦值，以分析不同傳播渠道對輿情的貢獻。
20、在其中一個實施例中，所述熱門詞指標包括：f1,2,3……＝(n1,2,3……÷n總)×100％，其中，f1,2,3……分別為各熱門詞頻率，n1,2,3……分別為各熱門詞出現次數，n總為總詞數；
21、當其中一個熱門詞頻率大于或等于關鍵詞出現頻率閾值t5時，啟用詞云分析組件，生成熱門詞的可視化詞云，以展示高頻詞。
22、在其中一個實施例中，所述動態閾值調整算法具體為：t′＝t+λ×(y÷y均-1)，其中，t′為調整后的閾值，t為當前閾值，λ為調整系數，y為對應的當前輿情數據的關鍵指標值，y均為對應的關鍵指標值的歷史數據的平均值。
23、本專利技術的一種輿情事件自動解讀及報告生成的系統，包括：
24、采集模塊，用于定時獲取新聞網站、社交媒體和特定行業的相關數據；
25、預處理模塊，與所述采集模塊相連接，用于將所述采集模塊獲取的數據進行ocr識別、格式轉換和無效數據清洗，以形成統一格式的有效的文本數據；
26、儲存模塊，與所述預處理模塊相連接，用于將經過所述預處理模塊處理的所述文本數據轉換為高維語義向量并儲存；
27、指標、組件和算法定義模塊，用于定義多個關鍵指標、對應的多個組件、對應的多個初始本文檔來自技高網...
【技術保護點】
1.一種輿情事件自動解讀及報告生成的方法，其特征在于，所述方法應用于人工智能系統，所述方法包括：
2.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述輿情熱度指標包括：H＝H1+H2+H3+H4，其中，H為總聲量，H1為評論次數，H2為轉發次數，H3為點贊次數，H4為其他互動次數，H敏為敏感信息聲量，i為敏感事件的討論次數；
3.根據權利要求2所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述情感指標包括：E＝(E正-E負)÷E總，E1＝(E正÷E總)×100％，E2＝(E負÷E總)×100％，其中，E為情感得分，E正為正面文章數量，E負為負面文章數量，E總為總分析文章數量，E1為正面輿情比例，E2為負面輿情比例；
4.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述輿情參與度指標包括：P＝P1+P2+P3，其中，P為用戶參與度，P1為參與評論的用戶數量，P2為轉發的用戶數量，P3為點贊的用戶數量；
5.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述賬
6.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述熱門詞指標包括：F1,2,3……＝(N1,2,3……÷N總)×100％，其中，F1,2,3……分別為各熱門詞頻率，N1,2,3……分別為各熱門詞出現次數，N總為總詞數；
7.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述動態閾值調整算法具體為：T′＝T+λ×(Y÷Y均-1)，其中，T′為調整后的閾值，T為當前閾值，λ為調整系數，Y為對應的當前輿情數據的關鍵指標值，Y均為對應的關鍵指標值的歷史數據的平均值。
8.一種輿情事件自動解讀及報告生成的系統，其特征在于，包括：
9.一種輿情事件自動解讀及報告生成的設備，其特征在于，包括存儲器和處理器，所述存儲器和所述處理器之間互相通信連接，所述存儲器中存儲有如權利要求8所述一種輿情事件自動解讀及報告生成的系統，所述處理器通過執行所述系統的指令，從而執行如權利要求1-7任意一項所述一種輿情事件自動解讀及報告生成的方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有如權利要求8所述一種輿情事件自動解讀及報告生成的系統，所述系統適于執行如權利要求1-7任意一項所述一種輿情事件自動解讀及報告生成的方法。
...【技術特征摘要】
1.一種輿情事件自動解讀及報告生成的方法，其特征在于，所述方法應用于人工智能系統，所述方法包括：
2.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述輿情熱度指標包括：h＝h1+h2+h3+h4，其中，h為總聲量，h1為評論次數，h2為轉發次數，h3為點贊次數，h4為其他互動次數，h敏為敏感信息聲量，i為敏感事件的討論次數；
3.根據權利要求2所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述情感指標包括：e＝(e正-e負)÷e總，e1＝(e正÷e總)×100％，e2＝(e負÷e總)×100％，其中，e為情感得分，e正為正面文章數量，e負為負面文章數量，e總為總分析文章數量，e1為正面輿情比例，e2為負面輿情比例；
4.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述輿情參與度指標包括：p＝p1+p2+p3，其中，p為用戶參與度，p1為參與評論的用戶數量，p2為轉發的用戶數量，p3為點贊的用戶數量；
5.根據權利要求1所述一種輿情事件自動解讀及報告生成的方法，其特征在于，所述賬號傳播指標包括傳播賬號數量；
6.根據權利要求1所述一種輿情事件自動解讀及...
【專利技術屬性】
技術研發人員：陳學言，田平，王波，李剛，
申請(專利權)人：廣東數源智匯科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。