本發(fā)明涉及網(wǎng)絡(luò)信息處理技術(shù)領(lǐng)域，特別涉及一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)及方法。

背景技術(shù)：

互聯(lián)網(wǎng)已成為人們獲取和交流信息的最重要的平臺(tái)之一，互聯(lián)網(wǎng)與傳統(tǒng)媒體相比，最大的特點(diǎn)之一是自由、開放、及時(shí)，任何人都可以通過(guò)博客、論壇、微博、空間等在互聯(lián)網(wǎng)上發(fā)布觀點(diǎn)和評(píng)論?；诨ヂ?lián)網(wǎng)的網(wǎng)絡(luò)社交媒體，極大地方便了人們?cè)诨ヂ?lián)網(wǎng)上對(duì)自己感興趣的政策、新聞、社會(huì)事件、熱點(diǎn)人物以及電商產(chǎn)品等發(fā)表觀點(diǎn)和看法。網(wǎng)絡(luò)社交媒體正在成為人類社會(huì)關(guān)系維系和信息傳播的重要載體和渠道，對(duì)國(guó)家安全和社會(huì)發(fā)展產(chǎn)生了深遠(yuǎn)的影響。

目前，網(wǎng)絡(luò)社交媒體中存在并持續(xù)產(chǎn)生著海量的觀點(diǎn)評(píng)論信息，它們具有重要的應(yīng)用價(jià)值，已受到了社會(huì)各方的特別關(guān)注。例如，政府能夠通過(guò)公眾評(píng)論信息，了解人們對(duì)各項(xiàng)政策措施和突發(fā)事件的情緒及態(tài)度，掌控輿情，從而及時(shí)地做出正確的決策，還可對(duì)特定的高壓力人群做情感分析，從而給他們提供有針對(duì)性的心理疏導(dǎo)；企業(yè)可以通過(guò)對(duì)產(chǎn)品評(píng)論信息，掌握產(chǎn)品的市場(chǎng)反響，從而及時(shí)完善產(chǎn)品的性能或改變銷售策略，提升其社會(huì)競(jìng)爭(zhēng)力；大眾能夠通過(guò)商品的評(píng)價(jià)信息，了解產(chǎn)品各個(gè)方面的性能，參考其他消費(fèi)者的使用體驗(yàn)，從而幫助自己做出購(gòu)買決定。但是，網(wǎng)絡(luò)社交媒體中的包含各種觀點(diǎn)的信息正以指數(shù)級(jí)別的速度增長(zhǎng)，具有信息量大、分散性強(qiáng)、隨意性強(qiáng)、語(yǔ)句結(jié)構(gòu)不完整等特點(diǎn)，使得大量有價(jià)值的觀點(diǎn)信息被淹沒(méi)。目前，雖然信息檢索技術(shù)的發(fā)展在一定程度上緩解了這種信息過(guò)載帶來(lái)的壓力，但搜索引擎大多釆用關(guān)鍵字匹配，沒(méi)有將觀點(diǎn)和情感分析考慮進(jìn)去。因此，對(duì)于一個(gè)簡(jiǎn)單的搜索，就可能返回大量包含重復(fù)和不相關(guān)內(nèi)容的網(wǎng)頁(yè)，用戶需要耗費(fèi)大量的時(shí)間和精力才能找到針對(duì)某事、某人、某物等的觀點(diǎn)和情感傾向性信息，這與人們的實(shí)際需求還相距甚遠(yuǎn)，此外，每個(gè)人通常只能監(jiān)控某幾個(gè)互聯(lián)網(wǎng)站點(diǎn)的文本信息，信息匯總困難，容易忽略某些熱點(diǎn)信息。

為了能夠?qū)崿F(xiàn)對(duì)互聯(lián)網(wǎng)輿情信息的快速分析和統(tǒng)計(jì)，現(xiàn)有專利公開號(hào)為cn104142913a公開了詞語(yǔ)極性的判別方法和判別系統(tǒng)，該專利能夠?qū)崿F(xiàn)詞語(yǔ)的情感傾向，但是分析過(guò)程較為復(fù)雜，情感傾向性分析準(zhǔn)確度不高；同時(shí)，現(xiàn)有專利公開號(hào)為cn101408883a公開了一種網(wǎng)絡(luò)輿情觀點(diǎn)收集方法，其實(shí)現(xiàn)了觀點(diǎn)收集，觀點(diǎn)情感性判斷很難適應(yīng)網(wǎng)絡(luò)社交媒體的多樣性，不能滿足用戶對(duì)互聯(lián)網(wǎng)輿情信息的情感傾向性分析，為此，急需開發(fā)一種能夠快速統(tǒng)計(jì)互聯(lián)網(wǎng)輿情信息，并能夠判斷出信息中觀點(diǎn)的傾向性的網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有媒體觀點(diǎn)分析和收集技術(shù)存在的分析過(guò)程較為復(fù)雜，情感傾向性分析準(zhǔn)確度不高，觀點(diǎn)情感性判斷很難適應(yīng)網(wǎng)絡(luò)社交媒體的多樣性，不能滿足用戶對(duì)互聯(lián)網(wǎng)輿情信息的情感傾向性分析等問(wèn)題，本發(fā)明提供了一種觀點(diǎn)提取準(zhǔn)確，而且能夠快速分析觀點(diǎn)的傾向性的網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法及系統(tǒng)。

本發(fā)明具體技術(shù)方案如下：

本發(fā)明提供了一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)，包括數(shù)據(jù)庫(kù)及與所述數(shù)據(jù)庫(kù)相通訊的網(wǎng)頁(yè)抓取模塊、觀點(diǎn)采集模塊、數(shù)據(jù)過(guò)濾模塊、極性分析模塊；所述數(shù)據(jù)庫(kù)用于存儲(chǔ)正向情感集群和負(fù)向情感集群，所述正向情感集群和所述負(fù)向情感集群內(nèi)均存儲(chǔ)有若干情感性字或詞語(yǔ)，情感性字或詞語(yǔ)包括形容詞、動(dòng)詞、名詞、副詞；

所述網(wǎng)頁(yè)抓取模塊用于通過(guò)網(wǎng)頁(yè)爬蟲對(duì)網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)進(jìn)行抓取，所述網(wǎng)絡(luò)社交媒體包括微博、微信、博客、論壇、播客、交易平臺(tái)；

所述觀點(diǎn)采集模塊用于讀取所述評(píng)論交互網(wǎng)頁(yè)中用戶評(píng)論的若干觀點(diǎn)信息；

所述數(shù)據(jù)過(guò)濾模塊用于對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除；

所述極性分析模塊用于提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子，所述情感傾向性因子為情感性字或詞語(yǔ)，并將所述情感傾向性因子與所述正向情感集群和所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干所述情感傾向性因子分別屬于所述正向情感集群和所述負(fù)向情感集群的數(shù)量，通過(guò)數(shù)量對(duì)比分析出所述觀點(diǎn)信息的情感傾向性，同時(shí)對(duì)所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息和負(fù)向情感信息。

進(jìn)一步的，所述數(shù)據(jù)過(guò)濾模塊包括相通訊的主題因子提取單元、相關(guān)模型建設(shè)單元、關(guān)鍵字提取單元、相關(guān)度判斷單元、過(guò)濾審核單元，

所述主題因子提取單元用于提取所述評(píng)論交互網(wǎng)頁(yè)中與所述評(píng)論主題相關(guān)的若干關(guān)鍵因子，所述關(guān)鍵因子包括所述評(píng)論主題中的關(guān)鍵字、用于評(píng)論所述評(píng)論主題的形容詞；

所述相關(guān)模型建設(shè)單元用于將若干所述關(guān)鍵因子作為為訓(xùn)練樣本對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，建立相關(guān)度模型；

所述關(guān)鍵字提取單元用于提取所述觀點(diǎn)信息內(nèi)的關(guān)鍵字；

所述相關(guān)度判斷單元用于將所述關(guān)鍵字輸入至所述相關(guān)度模型中進(jìn)行訓(xùn)練，并得出所述觀點(diǎn)信息與所述評(píng)論主題的相似度輸出值；

所述過(guò)濾審核單元用于將所述相似度輸出值低于預(yù)設(shè)的相似度閥值的所述觀點(diǎn)信息刪除，并將所述相似度輸出值大于或等于所述相似度閥值的所述觀點(diǎn)信息發(fā)送至所述極性分析模塊。

進(jìn)一步的，所述分析系統(tǒng)還包括與所述數(shù)據(jù)過(guò)濾模塊和所述極性分析模塊均相通訊的觀點(diǎn)信息篩選模塊，所述觀點(diǎn)信息篩選模塊包括相通訊的篩選條件預(yù)設(shè)單元、篩選單元、排序單元，所述篩選條件預(yù)設(shè)單元用于預(yù)設(shè)篩選因子，所述篩選因子包括時(shí)間段、跟帖數(shù)、點(diǎn)贊數(shù)中的至少一種，所述篩選單元用于根據(jù)所述篩選因子對(duì)所述評(píng)論交互網(wǎng)頁(yè)中的若干所述觀點(diǎn)信息進(jìn)行篩選，并將篩選出的所述觀點(diǎn)信息發(fā)送至所述排序單元，所述排序單元用于將篩選出的所述觀點(diǎn)信息按照所述篩選因子由高到底的順序進(jìn)行排序并發(fā)送至所述極性分析模塊。

進(jìn)一步的，所述極性分析模塊包括相通訊的閾值預(yù)設(shè)單元、詞語(yǔ)提取單元、匹配度判斷單元、情感傾向性處理單元、情感傾向性分析單元、標(biāo)簽標(biāo)注單元；

所述閾值預(yù)設(shè)單元用于對(duì)所述正向情感集群內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值+f，同時(shí)用于對(duì)所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值-f，其中，f為整數(shù)；

所述詞語(yǔ)提取單元用于提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子；

所述匹配度判斷單元包括判斷子單元、檢索子單元、另存子單元，所述判斷子單元用于將提取的情感傾向性因子與所述正向情感集群和所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，當(dāng)情感傾向性因子屬于所述正向情感集群時(shí)即屬于正向情感字或詞語(yǔ)，當(dāng)情感傾向性因子屬于所述負(fù)向情感集群時(shí)即屬于負(fù)向情感字或詞語(yǔ)，當(dāng)情感傾向性因子既不屬于所述正向情感集群也不屬于所述負(fù)向情感集群時(shí)，則將所述情感傾向性因子發(fā)送至所述檢索子單元，所述檢索子單元通過(guò)檢索所述情感傾向性因子在所述網(wǎng)絡(luò)社交媒體的歷史事件中的情感傾向信息，并發(fā)送至所述另存子單元，所述另存子單元用于將所述情感傾向性因子根據(jù)其情感傾向信息對(duì)應(yīng)保存至所述正向情感集群或所述負(fù)向情感集群中；

所述情感傾向性處理單元用于統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群和所述負(fù)向情感集群的數(shù)量，并通過(guò)以下公式計(jì)算所述觀點(diǎn)信息的情感傾向性值w：

w＝n×(+f)+m×(-f)；

其中，w為所述觀點(diǎn)信息的情感傾向性值w；n為所述情感傾向性因子屬于所述正向情感集群的數(shù)量；m為所述情感傾向性因子屬于所述負(fù)向情感集群的數(shù)量，f為傾向閾值；

所述情感傾向性分析單元用于根據(jù)所述情感傾向性值w分析出所述觀點(diǎn)信息的情感傾向性，當(dāng)所述情感傾向性值w大于等于傾向閾值+f時(shí)，即為正向情感；當(dāng)所述情感傾向性值w小于等于傾向閾值-f時(shí)，即為負(fù)向情感；當(dāng)所述情感傾向性值w等于0時(shí)，即為中性情感；

所述標(biāo)簽標(biāo)注單元用于對(duì)所述情感傾向性分析單元分析出的所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息、負(fù)向情感信息和中性情感信息，并發(fā)送至所述觀點(diǎn)極性統(tǒng)計(jì)模塊。

優(yōu)選的，所述分析系統(tǒng)還包括與所述極性分析模塊相通訊的觀點(diǎn)極性統(tǒng)計(jì)模塊和結(jié)果顯示模塊，所述觀點(diǎn)極性統(tǒng)計(jì)模塊用于根據(jù)所述評(píng)論交互網(wǎng)頁(yè)中若干所述觀點(diǎn)信息的極性標(biāo)簽分別統(tǒng)計(jì)出所述正向情感信息、所述負(fù)向情感信息及所述中性情感信息的數(shù)量，并發(fā)送至所述結(jié)果顯示模塊；所述結(jié)果顯示模塊用于將所述正向情感信息、所述負(fù)向情感信息及所述中性情感信息的數(shù)量繪制觀點(diǎn)分析柱狀圖并發(fā)送至所述數(shù)據(jù)庫(kù)保存。

優(yōu)選的，所述網(wǎng)頁(yè)抓取模塊包括相通訊的網(wǎng)址獲取單元、網(wǎng)頁(yè)抓取單元，所述網(wǎng)址獲取單元用于獲取所述網(wǎng)絡(luò)社交媒體的url網(wǎng)址，所述網(wǎng)頁(yè)抓取單元用于利用網(wǎng)頁(yè)爬蟲抓取器抓取所述網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)。

本發(fā)明還提供了一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法，所述分析方法包括以下步驟：

s1、通過(guò)網(wǎng)頁(yè)爬蟲對(duì)網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)進(jìn)行抓取，所述網(wǎng)絡(luò)社交媒體包括微博、微信、博客、論壇、播客、交易平臺(tái)；

s2、讀取所述評(píng)論交互網(wǎng)頁(yè)中用戶評(píng)論的若干觀點(diǎn)信息；

s3、對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除；

s4、提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子，所述情感傾向性因子包括情感傾向性字或情感傾向性詞，并將所述情感傾向性因子與所述正向情感集群和所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，同時(shí)統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群和所述負(fù)向情感集群的數(shù)量，通過(guò)數(shù)量對(duì)比分析出所述觀點(diǎn)信息的情感傾向性，同時(shí)對(duì)所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息和負(fù)向情感信息。

進(jìn)一步的，步驟s3中，對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除，具體方法為：

s3-1、提取所述評(píng)論交互網(wǎng)頁(yè)中與所述評(píng)論主題相關(guān)的若干關(guān)鍵因子；

s3-2、將若干所述關(guān)鍵因子作為為訓(xùn)練樣本對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，建立相關(guān)度模型；

s3-3、提取所述觀點(diǎn)信息內(nèi)的關(guān)鍵字；

s3-4、將所述關(guān)鍵字輸入至所述相關(guān)度模型中進(jìn)行訓(xùn)練，并得出所述觀點(diǎn)信息與所述評(píng)論主題的相似度輸出值；

s3-5、將所述相似度輸出值低于預(yù)設(shè)的相似度閥值的所述觀點(diǎn)信息刪除。

進(jìn)一步的，所述步驟s4具體包括以下方法：

s4-1、對(duì)所述正向情感集群內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值+f，同時(shí)用于對(duì)所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值-f，其中，f為整數(shù)；

s4-2、提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子；；

s4-3、將提取的情感傾向性因子與所述正向情感集群和所述負(fù)向情感集群內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，當(dāng)情感傾向性因子屬于所述正向情感集群時(shí)即屬于正向情感字或詞語(yǔ)，當(dāng)情感傾向性因子屬于所述負(fù)向情感集群時(shí)即屬于負(fù)向情感字或詞語(yǔ)；

s4-4、統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群和所述負(fù)向情感集群的數(shù)量，并通過(guò)以下公式計(jì)算所述觀點(diǎn)信息的情感傾向性值w：

w＝n×(+f)+m×(-f)；

其中，w為所述觀點(diǎn)信息的情感傾向性值w；n為所述情感傾向性因子屬于所述正向情感集群的數(shù)量；m為所述情感傾向性因子屬于所述負(fù)向情感集群的數(shù)量，f為傾向閾值；

s4-5、根據(jù)所述情感傾向性值w分析出所述觀點(diǎn)信息的情感傾向性，當(dāng)所述情感傾向性值w大于等于傾向閾值+f時(shí)，即為正向情感；當(dāng)所述情感傾向性值w小于等于傾向閾值-f時(shí)，即為負(fù)向情感；當(dāng)所述情感傾向性值w等于0時(shí)，即為中性情感；

s4-6、對(duì)分析出的所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息、負(fù)向情感信息和中性情感信息。

優(yōu)選的，步驟s3還包括對(duì)所述觀點(diǎn)信息進(jìn)行篩選，篩選方法為：

①預(yù)設(shè)篩選因子，所述篩選因子包括時(shí)間段、跟帖數(shù)、點(diǎn)贊數(shù)中的至少一種；

②根據(jù)所述篩選因子對(duì)所述評(píng)論交互網(wǎng)頁(yè)中的若干所述觀點(diǎn)信息進(jìn)行篩選；

③將篩選出的所述觀點(diǎn)信息按照所述篩選因子由高到底的順序進(jìn)行排序。

本發(fā)明的有益效果如下：本發(fā)明提供的系統(tǒng)和方法能夠針對(duì)網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)中的海量原始數(shù)據(jù)中識(shí)別并提取主觀信息，并由此判斷評(píng)論者的評(píng)論觀點(diǎn)對(duì)某事物或某事件所持態(tài)度，有效防止大量的有價(jià)值的觀點(diǎn)信息被淹沒(méi)，緩解了觀點(diǎn)信息過(guò)載帶來(lái)的壓力，能夠快速分析觀點(diǎn)信息的情感傾向性，有效便于網(wǎng)絡(luò)社交媒體對(duì)觀點(diǎn)信息的管理和分類，分析準(zhǔn)確度高，情感性分析速度較快，實(shí)用性強(qiáng)。

附圖說(shuō)明

圖1為實(shí)施例1所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)的結(jié)構(gòu)框圖；

圖2為實(shí)施例2所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)中數(shù)據(jù)過(guò)濾模塊的結(jié)構(gòu)框圖；

圖3為實(shí)施例2所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)中觀點(diǎn)信息篩選模塊的結(jié)構(gòu)框圖；

圖4為實(shí)施例3所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)中極性分析模塊的結(jié)構(gòu)框圖；

圖5為實(shí)施例3所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)的結(jié)構(gòu)框圖；

圖6為實(shí)施例3所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)中網(wǎng)頁(yè)抓取模塊的結(jié)構(gòu)框圖；

圖7為實(shí)施例4所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法的流程圖；

圖8為實(shí)施例5所述的一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法中步驟3的操作流程圖。

其中：1、數(shù)據(jù)庫(kù)；101、正向情感集群；102、負(fù)向情感集群；2、網(wǎng)頁(yè)抓取模塊；3、觀點(diǎn)采集模塊；4、數(shù)據(jù)過(guò)濾模塊；401、主題因子提取單元；402、相關(guān)模型建設(shè)單元；403、關(guān)鍵字提取單元；404、相關(guān)度判斷單元；405、過(guò)濾審核單元；5、極性分析模塊；501、閾值預(yù)設(shè)單元；502、詞語(yǔ)提取單元；503、匹配度判斷單元；504、情感傾向性處理單元；505、情感傾向性分析單元；506、標(biāo)簽標(biāo)注單元；6、觀點(diǎn)信息篩選模塊；601、篩選條件預(yù)設(shè)單元；602、篩選單元；603、排序單元；7、觀點(diǎn)極性統(tǒng)計(jì)模塊；8、結(jié)果顯示模塊。

具體實(shí)施方式

下面結(jié)合附圖和以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。

實(shí)施例1

如圖1所示，本發(fā)明實(shí)施例1提供了一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析系統(tǒng)，該系統(tǒng)對(duì)觀點(diǎn)挖掘與情感傾向性分析是多個(gè)學(xué)科融合的產(chǎn)物，其涉及人工智能、語(yǔ)言學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、信息檢索等多個(gè)領(lǐng)域，主要從海量原始數(shù)據(jù)中識(shí)別并提取主觀信息，并由此判斷評(píng)論者對(duì)某事物或某事件所持態(tài)度。該系統(tǒng)包括數(shù)據(jù)庫(kù)1及與所述數(shù)據(jù)庫(kù)1相通訊的網(wǎng)頁(yè)抓取模塊2、觀點(diǎn)采集模塊3、數(shù)據(jù)過(guò)濾模塊4、極性分析模塊5，數(shù)據(jù)庫(kù)1可以為語(yǔ)料庫(kù)，所述數(shù)據(jù)庫(kù)1用于存儲(chǔ)正向情感集群101和負(fù)向情感集群102，所述正向情感集群101和所述負(fù)向情感集群102內(nèi)均存儲(chǔ)有若干情感性字或詞語(yǔ)，情感性字或詞語(yǔ)包括形容詞、動(dòng)詞、名詞、副詞或轉(zhuǎn)義詞語(yǔ)，數(shù)據(jù)庫(kù)1內(nèi)的字或詞語(yǔ)會(huì)不斷的更新，正向情感集群101內(nèi)的情感性字或詞語(yǔ)例如好、優(yōu)秀、支持、贊、喜歡、棒、美麗等，負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)例如討厭、反感、不、否、痛苦、差、丑陋等，褒義形容詞可以為好、美麗、漂亮等；貶義形容詞可以為差、丑陋、難看、丑等；副詞可以為極好的，極大的，挺多的；褒義動(dòng)詞可以為推動(dòng)、促進(jìn)、點(diǎn)贊等等；貶義動(dòng)詞可以為破壞、沒(méi)勁、差勁等；褒義名詞可以為快樂(lè)、優(yōu)點(diǎn)、喜歡、討厭等等；貶義名詞可以為人渣、缺點(diǎn)等；轉(zhuǎn)義詞語(yǔ)可以為沒(méi)有、否、不等等。語(yǔ)料庫(kù)用于提供標(biāo)準(zhǔn)的詞庫(kù)，通過(guò)該語(yǔ)料庫(kù)能夠判斷觀點(diǎn)信息的情感性。

本發(fā)明通過(guò)系統(tǒng)快速分析評(píng)論者的觀點(diǎn)信息，解決了人工需要耗費(fèi)大量的時(shí)間和精力判斷信息情感傾向性的問(wèn)題，有效通過(guò)系統(tǒng)自動(dòng)分析、歸納和推理，實(shí)現(xiàn)了快速對(duì)觀點(diǎn)信息的情感傾向性的分析和歸類，提高了分析和歸納效率，實(shí)用性強(qiáng)。

所述網(wǎng)頁(yè)抓取模塊2用于通過(guò)網(wǎng)頁(yè)爬蟲對(duì)網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)進(jìn)行抓取，所述網(wǎng)絡(luò)社交媒體包括微博、微信、博客、論壇、播客、交易平臺(tái)；網(wǎng)絡(luò)爬蟲(又被稱為網(wǎng)頁(yè)蜘蛛，網(wǎng)絡(luò)機(jī)器人，在foaf社區(qū)中間，更經(jīng)常的稱為網(wǎng)頁(yè)追逐者)，是一種按照一定的規(guī)則，自動(dòng)的抓取萬(wàn)維網(wǎng)信息的程序或者腳本，另外一些不常使用的名字還有螞蟻，自動(dòng)索引，模擬程序或者蠕蟲。

所述觀點(diǎn)采集模塊3用于讀取所述評(píng)論交互網(wǎng)頁(yè)中用戶評(píng)論的若干觀點(diǎn)信息；觀點(diǎn)信息采集采用roadrunner算法對(duì)抓取的用戶評(píng)論信息網(wǎng)頁(yè)進(jìn)行提取。

為了節(jié)省系統(tǒng)對(duì)評(píng)論信息的分析時(shí)間，所述數(shù)據(jù)過(guò)濾模塊4用于對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除；將無(wú)關(guān)于評(píng)論主題的觀點(diǎn)首先刪除，有效減輕系統(tǒng)壓力。

對(duì)篩選后的觀點(diǎn)信息進(jìn)行極性分析，所述極性分析模塊5用于提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子，所述情感傾向性因子為情感性字或詞語(yǔ)，并將所述情感傾向性因子與所述正向情感集群101和所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干所述情感傾向性因子分別屬于所述正向情感集群101和所述負(fù)向情感集群102的數(shù)量，通過(guò)數(shù)量對(duì)比分析出所述觀點(diǎn)信息的情感傾向性，同時(shí)對(duì)所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息和負(fù)向情感信息。

具體分析方法為，首先對(duì)一個(gè)觀點(diǎn)信息內(nèi)的情感傾向性因子逐個(gè)判斷情感傾向性，然后根據(jù)觀點(diǎn)信息內(nèi)不同情感傾向性因子的數(shù)量，來(lái)判斷哪種情感傾向性詞較多，從而確定該觀點(diǎn)信息的情感傾向性，例如該觀點(diǎn)信息中屬于正向情感集群101的情感傾向性因子比屬于負(fù)向情感集群102的情感傾向性因子多，則該觀點(diǎn)信息屬于正向情感信息，為此，賦予正向情感信息的標(biāo)簽，便于觀察和后期統(tǒng)計(jì)。

實(shí)施例2

本發(fā)明實(shí)施例2在實(shí)施例1的基礎(chǔ)上進(jìn)一步限定了分析系統(tǒng)的結(jié)構(gòu)，有效提高了系統(tǒng)對(duì)觀點(diǎn)信息的分析效率。

如圖2所示，為了減少系統(tǒng)的工作量，需要對(duì)采集的觀點(diǎn)信息進(jìn)行過(guò)濾，以防無(wú)關(guān)評(píng)論主題的觀點(diǎn)信息再次進(jìn)行情感傾向性分析，為此進(jìn)一步需要說(shuō)明的是，所述數(shù)據(jù)過(guò)濾模塊4包括相通訊的主題因子提取單元401、相關(guān)模型建設(shè)單元402、關(guān)鍵字提取單元403、相關(guān)度判斷單元404、過(guò)濾審核單元405。

所述主題因子提取單元401用于提取所述評(píng)論交互網(wǎng)頁(yè)中與所述評(píng)論主題相關(guān)的若干關(guān)鍵因子，所述關(guān)鍵因子包括所述評(píng)論主題中的關(guān)鍵字、用于評(píng)論所述評(píng)論主題的形容詞；在提取評(píng)論主題中的關(guān)鍵因子時(shí)，提取能夠具有代表性的且能夠準(zhǔn)確描述評(píng)論主題的觀點(diǎn)的信息，若出現(xiàn)與評(píng)論主題無(wú)關(guān)的信息，則直接刪除。

所述相關(guān)模型建設(shè)單元402用于將若干所述關(guān)鍵因子作為為訓(xùn)練樣本對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，建立相關(guān)度模型；所述關(guān)鍵字提取單元403用于提取所述觀點(diǎn)信息內(nèi)的關(guān)鍵字；所述相關(guān)度判斷單元404用于將所述關(guān)鍵字輸入至所述相關(guān)度模型中進(jìn)行訓(xùn)練，并得出所述觀點(diǎn)信息與所述評(píng)論主題的相似度輸出值；所述過(guò)濾審核單元405用于將所述相似度輸出值低于預(yù)設(shè)的相似度閥值的所述觀點(diǎn)信息刪除，并將所述相似度輸出值大于或等于所述相似度閥值的所述觀點(diǎn)信息發(fā)送至所述極性分析模塊5。通過(guò)相關(guān)度模型能夠快速分析觀點(diǎn)信息是否與評(píng)論主題相關(guān)，若相關(guān)則保留，若不相關(guān)則直接刪除，提高了系統(tǒng)對(duì)有效觀點(diǎn)信息的分析效率，實(shí)用性強(qiáng)。

如圖3所示，為了能夠?qū)狳c(diǎn)度較高的觀點(diǎn)信息或更具有代表性的觀點(diǎn)信息進(jìn)行分析，本技術(shù)方案中進(jìn)一步的限定了，所述分析系統(tǒng)還包括與所述數(shù)據(jù)過(guò)濾模塊4和所述極性分析模塊5均相通訊的觀點(diǎn)信息篩選模塊6，所述觀點(diǎn)信息篩選模塊6包括相通訊的篩選條件預(yù)設(shè)單元601、篩選單元602、排序單元603，所述篩選條件預(yù)設(shè)單元601用于預(yù)設(shè)篩選因子，所述篩選因子包括時(shí)間段、跟帖數(shù)、點(diǎn)贊數(shù)中的至少一種，所述篩選單元602用于根據(jù)所述篩選因子對(duì)所述評(píng)論交互網(wǎng)頁(yè)中的若干所述觀點(diǎn)信息進(jìn)行篩選，并將篩選出的所述觀點(diǎn)信息發(fā)送至所述排序單元603，所述排序單元603用于將篩選出的所述觀點(diǎn)信息按照所述篩選因子由高到底的順序進(jìn)行排序并發(fā)送至所述極性分析模塊5。

通過(guò)時(shí)間段的設(shè)定能夠選擇某個(gè)時(shí)間段的觀點(diǎn)信息，可以將該時(shí)間段以外的觀點(diǎn)信息剔除，同時(shí)根據(jù)跟帖數(shù)或點(diǎn)贊數(shù)的篩選，可以挑選出熱度較高的觀點(diǎn)信息，對(duì)該類信息的分析更具有情感傾向性分析的代表性，實(shí)用性強(qiáng)，有效縮短了系統(tǒng)分析的時(shí)間，能夠通過(guò)該系統(tǒng)快速了解評(píng)論者的傾向性。

實(shí)施例3

本發(fā)明實(shí)施例3在實(shí)施例1的基礎(chǔ)上進(jìn)一步限定了系統(tǒng)如何進(jìn)行極性分析，提高了觀點(diǎn)信息極性分析的便利性。

如圖4所示，需要進(jìn)一步限定的是，所述極性分析模塊5包括相通訊的閾值預(yù)設(shè)單元501、詞語(yǔ)提取單元502、匹配度判斷單元503、情感傾向性處理單元504、情感傾向性分析單元505、標(biāo)簽標(biāo)注單元506；

所述閾值預(yù)設(shè)單元501用于對(duì)所述正向情感集群101內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值+f，同時(shí)用于對(duì)所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值-f，其中，f為整數(shù)。通過(guò)傾向閾值的設(shè)定能夠用于計(jì)算觀點(diǎn)信息的情感傾向性值，從而便于判斷觀點(diǎn)信息的情感傾向性。

所述詞語(yǔ)提取單元502用于提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子；詞語(yǔ)提取過(guò)程中，首先用于對(duì)觀點(diǎn)信息進(jìn)行處理，首先進(jìn)行分詞和詞性標(biāo)注處理，然后進(jìn)行標(biāo)點(diǎn)符號(hào)處理、表情符合處理和停用詞處理，最后提出觀點(diǎn)信息中的形容詞、動(dòng)詞、名詞、副詞或轉(zhuǎn)義詞語(yǔ)作為情感傾向性因子。

所述匹配度判斷單元503包括判斷子單元、檢索子單元、另存子單元，所述判斷子單元用于將提取的情感傾向性因子與所述正向情感集群101和所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，當(dāng)情感傾向性因子屬于所述正向情感集群101時(shí)即屬于正向情感字或詞語(yǔ)，當(dāng)情感傾向性因子屬于所述負(fù)向情感集群102時(shí)即屬于負(fù)向情感字或詞語(yǔ)，當(dāng)情感傾向性因子既不屬于所述正向情感集群101也不屬于所述負(fù)向情感集群102時(shí)，則將所述情感傾向性因子發(fā)送至所述檢索子單元，所述檢索子單元通過(guò)檢索所述情感傾向性因子在所述網(wǎng)絡(luò)社交媒體的歷史事件中的情感傾向信息，并發(fā)送至所述另存子單元，所述另存子單元用于將所述情感傾向性因子根據(jù)其情感傾向信息對(duì)應(yīng)保存至所述正向情感集群101或所述負(fù)向情感集群102中；當(dāng)觀點(diǎn)信息中提取的情感傾向性因子均不屬于在數(shù)據(jù)庫(kù)1的所述正向情感集群101或所述負(fù)向情感集群102時(shí)，可以根據(jù)網(wǎng)絡(luò)大數(shù)據(jù)檢索歷史事件中出現(xiàn)該詞語(yǔ)，來(lái)判定其極性，并保存在數(shù)據(jù)庫(kù)1中，實(shí)現(xiàn)了數(shù)據(jù)庫(kù)1的更新，方便以后的極性判定。

所述情感傾向性處理單元504用于統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群101和所述負(fù)向情感集群102的數(shù)量，并通過(guò)以下公式計(jì)算所述觀點(diǎn)信息的情感傾向性值w：

w＝n×(+f)+m×(-f)；

其中，w為所述觀點(diǎn)信息的情感傾向性值w；n為所述情感傾向性因子屬于所述正向情感集群101的數(shù)量；m為所述情感傾向性因子屬于所述負(fù)向情感集群102的數(shù)量，f為傾向閾值；

所述情感傾向性分析單元505用于根據(jù)所述情感傾向性值w分析出所述觀點(diǎn)信息的情感傾向性，當(dāng)所述情感傾向性值w大于等于傾向閾值+f時(shí)，即為正向情感；當(dāng)所述情感傾向性值w小于等于傾向閾值-f時(shí)，即為負(fù)向情感；當(dāng)所述情感傾向性值w等于0時(shí)，即為中性情感。

通過(guò)上述情感傾向性值的計(jì)算，能夠?qū)τ^點(diǎn)信息的極性進(jìn)行有效判斷，例如觀點(diǎn)信息為：非常漂亮，物美價(jià)廉，情感傾向性因子包括漂亮、物美、價(jià)廉，通過(guò)匹配度判斷單元503對(duì)這三個(gè)情感傾向性因子進(jìn)行判斷后，3個(gè)均屬于正向情感集群101，則該條觀點(diǎn)信息的情感性值＝3×(+f)+0×(-f)＝+3f，由于+3f大于傾向閾值+f，則該觀點(diǎn)信息屬于正向情感。

所述標(biāo)簽標(biāo)注單元506用于對(duì)所述情感傾向性分析單元505分析出的所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息、負(fù)向情感信息和中性情感信息，并發(fā)送至所述觀點(diǎn)極性統(tǒng)計(jì)模塊7。通過(guò)標(biāo)簽標(biāo)注單元506能夠?qū)Ψ治龊蟮挠^點(diǎn)信息進(jìn)行標(biāo)注，便于統(tǒng)計(jì)，可以比較直觀的了解觀點(diǎn)信息的極性。

如圖5所示，為了方便對(duì)大量評(píng)論信息進(jìn)行統(tǒng)計(jì)，本技術(shù)方案中優(yōu)選的限定了，所述分析系統(tǒng)還包括與所述極性分析模塊5相通訊的觀點(diǎn)極性統(tǒng)計(jì)模塊7和結(jié)果顯示模塊8，所述觀點(diǎn)極性統(tǒng)計(jì)模塊7用于根據(jù)所述評(píng)論交互網(wǎng)頁(yè)中若干所述觀點(diǎn)信息的極性標(biāo)簽分別統(tǒng)計(jì)出所述正向情感信息、所述負(fù)向情感信息及所述中性情感信息的數(shù)量，并發(fā)送至所述結(jié)果顯示模塊8；所述結(jié)果顯示模塊8用于將所述正向情感信息、所述負(fù)向情感信息及所述中性情感信息的數(shù)量繪制觀點(diǎn)分析柱狀圖并發(fā)送至所述數(shù)據(jù)庫(kù)1保存。通過(guò)結(jié)果顯示模塊8能夠直觀的觀測(cè)到大量評(píng)論信息的情感傾向性，有效便于的評(píng)論觀點(diǎn)的統(tǒng)計(jì)和管理。

如圖6所示，優(yōu)選的，所述網(wǎng)頁(yè)抓取模塊2包括相通訊的網(wǎng)址獲取單元、網(wǎng)頁(yè)抓取單元，所述網(wǎng)址獲取單元用于獲取所述網(wǎng)絡(luò)社交媒體的url網(wǎng)址，所述網(wǎng)頁(yè)抓取單元用于利用網(wǎng)頁(yè)爬蟲抓取器抓取所述網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)。通過(guò)爬蟲技術(shù)能夠有效獲取評(píng)論交互網(wǎng)頁(yè)，從而便于觀點(diǎn)信息數(shù)據(jù)的采集。

實(shí)施例4

如圖7所示，本發(fā)明實(shí)施例4提供了一種網(wǎng)絡(luò)社交媒體觀點(diǎn)傾向性分析方法，所述分析方法包括以下步驟：

s1、通過(guò)網(wǎng)頁(yè)爬蟲對(duì)網(wǎng)絡(luò)社交媒體的評(píng)論交互網(wǎng)頁(yè)進(jìn)行抓取，所述網(wǎng)絡(luò)社交媒體包括微博、微信、博客、論壇、播客、交易平臺(tái)；s2、讀取所述評(píng)論交互網(wǎng)頁(yè)中用戶評(píng)論的若干觀點(diǎn)信息；s3、對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除；s4、提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子，所述情感傾向性因子包括情感傾向性字或情感傾向性詞，并將所述情感傾向性因子與所述正向情感集群101和所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，同時(shí)統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群101和所述負(fù)向情感集群102的數(shù)量，通過(guò)數(shù)量對(duì)比分析出所述觀點(diǎn)信息的情感傾向性，同時(shí)對(duì)所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息和負(fù)向情感信息。

本發(fā)明實(shí)施例4提供的分析方法不僅能夠有效爬取評(píng)論交互網(wǎng)頁(yè)中的觀點(diǎn)信息，而且能夠?qū)π畔⒅械那楦袃A向性因子進(jìn)行提取，并對(duì)情感傾向性因子進(jìn)行極性判斷，從而實(shí)現(xiàn)了對(duì)觀點(diǎn)信息的情感傾向性進(jìn)行判斷。

實(shí)施例5

本發(fā)明實(shí)施例5在實(shí)施例4的基礎(chǔ)上進(jìn)一步對(duì)方法進(jìn)行限定。

如圖8所示，需要限定的是，對(duì)于某條完整的觀點(diǎn)信息進(jìn)行情感傾向性判定時(shí)，通常分為與主題相關(guān)的信息和與主題無(wú)關(guān)的信息，為了對(duì)有效信息進(jìn)行分析，本技術(shù)方案中限定了，步驟s3中，對(duì)所述觀點(diǎn)信息進(jìn)行篩選，并將與所述網(wǎng)絡(luò)社交媒體中評(píng)論主題無(wú)關(guān)的所述觀點(diǎn)信息刪除，具體方法為：

s3-1、提取所述評(píng)論交互網(wǎng)頁(yè)中與所述評(píng)論主題相關(guān)的若干關(guān)鍵因子；

s3-2、將若干所述關(guān)鍵因子作為為訓(xùn)練樣本對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，建立相關(guān)度模型；

s3-3、提取所述觀點(diǎn)信息內(nèi)的關(guān)鍵字；

s3-4、將所述關(guān)鍵字輸入至所述相關(guān)度模型中進(jìn)行訓(xùn)練，并得出所述觀點(diǎn)信息與所述評(píng)論主題的相似度輸出值；

s3-5、將所述相似度輸出值低于預(yù)設(shè)的相似度閥值的所述觀點(diǎn)信息刪除。

通過(guò)對(duì)無(wú)關(guān)主題的觀點(diǎn)信息刪除，本技術(shù)方案中提高了對(duì)大量觀點(diǎn)信息的篩選，提高了分析效率。

進(jìn)一步的，本技術(shù)方案中進(jìn)一步具體的限定了所述步驟s4具體包括以下方法：

s4-1、對(duì)所述正向情感集群101內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值+f，同時(shí)用于對(duì)所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)預(yù)設(shè)傾向閾值-f，其中，f為整數(shù)；

s4-2、提取所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子；；

s4-3、將提取的情感傾向性因子與所述正向情感集群101和所述負(fù)向情感集群102內(nèi)的情感性字或詞語(yǔ)進(jìn)行匹配度判斷，當(dāng)情感傾向性因子屬于所述正向情感集群101時(shí)即屬于正向情感字或詞語(yǔ)，當(dāng)情感傾向性因子屬于所述負(fù)向情感集群102時(shí)即屬于負(fù)向情感字或詞語(yǔ)；

s4-4、統(tǒng)計(jì)所述觀點(diǎn)信息內(nèi)的若干情感傾向性因子分別屬于所述正向情感集群101和所述負(fù)向情感集群102的數(shù)量，并通過(guò)以下公式計(jì)算所述觀點(diǎn)信息的情感傾向性值w：

w＝n×(+f)+m×(-f)；

其中，w為所述觀點(diǎn)信息的情感傾向性值w；n為所述情感傾向性因子屬于所述正向情感集群101的數(shù)量；m為所述情感傾向性因子屬于所述負(fù)向情感集群102的數(shù)量，f為傾向閾值；

s4-5、根據(jù)所述情感傾向性值w分析出所述觀點(diǎn)信息的情感傾向性，當(dāng)所述情感傾向性值w大于等于傾向閾值+f時(shí)，即為正向情感；當(dāng)所述情感傾向性值w小于等于傾向閾值-f時(shí)，即為負(fù)向情感；當(dāng)所述情感傾向性值w等于0時(shí)，即為中性情感；

s4-6、對(duì)分析出的所述觀點(diǎn)信息賦予極性標(biāo)簽，所述極性標(biāo)簽包括正向情感信息、負(fù)向情感信息和中性情感信息。

優(yōu)選的，為了提高對(duì)觀點(diǎn)信息的分析效率，本技術(shù)方案中優(yōu)選的，首先對(duì)若干觀點(diǎn)信息進(jìn)行篩選和過(guò)濾，步驟s3還包括對(duì)所述觀點(diǎn)信息進(jìn)行篩選，篩選方法為：

①預(yù)設(shè)篩選因子，所述篩選因子包括時(shí)間段、跟帖數(shù)、點(diǎn)贊數(shù)中的至少一種；②根據(jù)所述篩選因子對(duì)所述評(píng)論交互網(wǎng)頁(yè)中的若干所述觀點(diǎn)信息進(jìn)行篩選；③將篩選出的所述觀點(diǎn)信息按照所述篩選因子由高到底的順序進(jìn)行排序。

為了能夠提高對(duì)具有代表性的觀點(diǎn)信息進(jìn)行分析，本技術(shù)方案提供的方法能夠針對(duì)不同時(shí)間段以及評(píng)論熱度較高的觀點(diǎn)信息進(jìn)行篩選，篩選后根據(jù)評(píng)論時(shí)間或評(píng)論熱度(點(diǎn)贊數(shù)、跟帖數(shù))進(jìn)行排序，從而方便針對(duì)評(píng)論熱度較高的信息進(jìn)行分析，使信息分析更具有代表性。

本發(fā)明不局限于上述最佳實(shí)施方式，任何人在本發(fā)明的啟示下都可得出其他各種形式的產(chǎn)品，但不論在其形狀或結(jié)構(gòu)上作任何變化，凡是具有與本申請(qǐng)相同或相近似的技術(shù)方案，均落在本發(fā)明的保護(hù)范圍之內(nèi)。