本發(fā)明涉及輿情管理，具體而言，涉及一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今信息化、網(wǎng)絡(luò)化的時(shí)代，輿論的力量愈發(fā)強(qiáng)大，輿情分析已成為政府、企業(yè)、媒體等各方關(guān)注的焦點(diǎn)。然而，傳統(tǒng)的輿情產(chǎn)品中的分析模塊仍主要依賴于規(guī)則性的后端計(jì)算產(chǎn)生的規(guī)則性分析，缺少針對(duì)于個(gè)體事件的特定分析，例如針對(duì)輿情的走勢(shì)分析，導(dǎo)致不能及時(shí)指導(dǎo)相關(guān)人員對(duì)輿情快速做出最佳的應(yīng)對(duì)措施。本發(fā)明旨在實(shí)現(xiàn)對(duì)輿情發(fā)展趨勢(shì)的準(zhǔn)確預(yù)測(cè)。

技術(shù)實(shí)現(xiàn)思路

1、對(duì)此，本發(fā)明提供了一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法、系統(tǒng)、電子設(shè)備、計(jì)算機(jī)存儲(chǔ)介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，以解決上述技術(shù)問題。

2、本發(fā)明公開了一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，所述方法包括如下步驟：獲取待分析的目標(biāo)輿情的輿情大數(shù)據(jù)，使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集；其中，所述初始事件集中包含若干事件簇；按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，所述事件聚類跟蹤模塊對(duì)所述增量數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得若干新增事件簇；將各所述新增事件簇與所述初始事件集中的各事件簇進(jìn)行匹配分析，若匹配成功，則將所述新增事件簇并入對(duì)應(yīng)的所述事件簇，否則將所述新增事件簇補(bǔ)入所述初始事件集中，獲得動(dòng)態(tài)事件集；其中，所述事件簇和所述新增事件簇中均包含事件強(qiáng)度值；將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中包含在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段。

3、在一些實(shí)施例中，所述輿情趨勢(shì)分析模型通過如下方式進(jìn)行訓(xùn)練：收集模型訓(xùn)練數(shù)據(jù)；其中，所述模型訓(xùn)練數(shù)據(jù)包括輿情行業(yè)報(bào)告、輿情分析案例、輿情分析師總結(jié)數(shù)據(jù)；使用所述模型訓(xùn)練數(shù)據(jù)對(duì)所述輿情趨勢(shì)分析模型進(jìn)行訓(xùn)練，并發(fā)布訓(xùn)練好的所述輿情趨勢(shì)分析模型。

4、在一些實(shí)施例中，所述使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集，包括：所述事件聚類跟蹤模塊調(diào)用ai引擎以實(shí)現(xiàn)：對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件要素信息抽取，所述事件要素信息包括地點(diǎn)、人物、事件類型，并對(duì)所述地點(diǎn)、所述人物、所述事件類型進(jìn)行抽象概括，獲得事件要素概括信息；使用聚類算法對(duì)各所述事件要素概括信息進(jìn)行聚類處理以實(shí)現(xiàn)事件分類，獲得若干事件簇；以及，對(duì)各所述事件簇對(duì)應(yīng)的各所述事件要素信息進(jìn)行統(tǒng)計(jì)分析，獲得所述事件強(qiáng)度值；將各所述事件簇與對(duì)應(yīng)的所述事件強(qiáng)度值進(jìn)行關(guān)聯(lián)后，整合得出所述初始事件集。

5、在一些實(shí)施例中，所述按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，包括：使用所述輿情趨勢(shì)分析模型對(duì)所述初始事件集進(jìn)行淺層分析，獲得所述目標(biāo)輿情的輿情類型，根據(jù)所述輿情類型確定得出第一回溯周期；計(jì)算所述初始事件集或所述動(dòng)態(tài)事件集中的事件簇?cái)?shù)量，根據(jù)所述事件簇?cái)?shù)量計(jì)算得出回溯調(diào)節(jié)系數(shù)，將所述回溯調(diào)節(jié)系數(shù)與所述第一回溯周期相乘，獲得第二回溯周期，該第二回溯周期即為所述回溯周期；按照所述回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的所述增量數(shù)據(jù)。

6、在一些實(shí)施例中，所述將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告，包括：將所述初始事件集或所述動(dòng)態(tài)事件集、人為指定的預(yù)測(cè)時(shí)長數(shù)據(jù)輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中的在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段的時(shí)長與所述預(yù)測(cè)時(shí)長數(shù)據(jù)匹配。

7、在一些實(shí)施例中，所述方法還包括：基于所述動(dòng)態(tài)事件集中各所述事件簇的所述事件強(qiáng)度值，分析得出與各所述事件簇對(duì)應(yīng)的活躍度，清理所述活躍度低于活躍閾值的所述事件簇。

8、本發(fā)明還公開了一種輿情發(fā)展趨勢(shì)預(yù)測(cè)系統(tǒng)，所述系統(tǒng)包括第一事件抽取模塊、第二事件抽取模塊、事件集動(dòng)態(tài)更新模塊、輿情趨勢(shì)預(yù)測(cè)模塊；?所述第一事件抽取模塊，用于獲取待分析的目標(biāo)輿情的輿情大數(shù)據(jù)，使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集；其中，所述初始事件集中包含若干事件簇；所述第二事件抽取模塊，用于按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，所述事件聚類跟蹤模塊對(duì)所述增量數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得若干新增事件簇；所述事件集動(dòng)態(tài)更新模塊，用于將各所述新增事件簇與所述初始事件集中的各事件簇進(jìn)行匹配分析，若匹配成功，則將所述新增事件簇并入對(duì)應(yīng)的所述事件簇，否則將所述新增事件簇補(bǔ)入所述初始事件集中，獲得動(dòng)態(tài)事件集；其中，所述事件簇和所述新增事件簇中均包含事件強(qiáng)度值；所述輿情趨勢(shì)預(yù)測(cè)模塊，用于將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中包含在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段。

9、本發(fā)明還公開了一種電子設(shè)備，包括：至少一個(gè)處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述至少一個(gè)處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)如前任一項(xiàng)所述的方法。

10、本發(fā)明還公開了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行以實(shí)現(xiàn)如前任一所述的方法。

11、本發(fā)明還公開了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品在終端上運(yùn)行時(shí)，使得終端執(zhí)行時(shí)以實(shí)現(xiàn)如前任一所述的方法。

12、本發(fā)明的有益效果在于：本發(fā)明的方案以輿情中的各事件為基礎(chǔ)進(jìn)行輿情發(fā)展趨勢(shì)的分析，并且構(gòu)建了基于llm模型的輿情趨勢(shì)分析模型對(duì)梳理得到的事件集進(jìn)行趨勢(shì)分析，從而得出最終的輿情發(fā)展趨勢(shì)報(bào)告，其中，該報(bào)告基于該目標(biāo)輿情的歷史發(fā)展走勢(shì)預(yù)測(cè)出了接下來一段時(shí)間的輿情走勢(shì)，可以輔助相關(guān)人員對(duì)該目標(biāo)輿情的發(fā)展做出評(píng)估，從而制定合理的應(yīng)對(duì)措施。

技術(shù)特征：

1.一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于,所述方法包括如下步驟：獲取待分析的目標(biāo)輿情的輿情大數(shù)據(jù)，使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集；其中，所述初始事件集中包含若干事件簇；按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，所述事件聚類跟蹤模塊對(duì)所述增量數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得若干新增事件簇；將各所述新增事件簇與所述初始事件集中的各事件簇進(jìn)行匹配分析，若匹配成功，則將所述新增事件簇并入對(duì)應(yīng)的所述事件簇，否則將所述新增事件簇補(bǔ)入所述初始事件集中，獲得動(dòng)態(tài)事件集；其中，所述事件簇和所述新增事件簇中均包含事件強(qiáng)度值；將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中包含在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段。

2.根據(jù)權(quán)利要求1所述的一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于：所述輿情趨勢(shì)分析模型通過如下方式進(jìn)行訓(xùn)練：收集模型訓(xùn)練數(shù)據(jù)；其中，所述模型訓(xùn)練數(shù)據(jù)包括輿情行業(yè)報(bào)告、輿情分析案例、輿情分析師總結(jié)數(shù)據(jù)；使用所述模型訓(xùn)練數(shù)據(jù)對(duì)所述輿情趨勢(shì)分析模型進(jìn)行訓(xùn)練，并發(fā)布訓(xùn)練好的所述輿情趨勢(shì)分析模型。

3.根據(jù)權(quán)利要求2所述的一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于：使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集，包括：所述事件聚類跟蹤模塊調(diào)用ai引擎以實(shí)現(xiàn)：對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件要素信息抽取，所述事件要素信息包括地點(diǎn)、人物、事件類型，并對(duì)所述地點(diǎn)、所述人物、所述事件類型進(jìn)行抽象概括，獲得事件要素概括信息；使用聚類算法對(duì)各所述事件要素概括信息進(jìn)行聚類處理以實(shí)現(xiàn)事件分類，獲得若干事件簇；以及，對(duì)各所述事件簇對(duì)應(yīng)的各所述事件要素信息進(jìn)行統(tǒng)計(jì)分析，獲得所述事件強(qiáng)度值；將各所述事件簇與對(duì)應(yīng)的所述事件強(qiáng)度值進(jìn)行關(guān)聯(lián)后，整合得出所述初始事件集。

4.根據(jù)權(quán)利要求3所述的一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于：按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，包括：使用所述輿情趨勢(shì)分析模型對(duì)所述初始事件集進(jìn)行淺層分析，獲得所述目標(biāo)輿情的輿情類型，根據(jù)所述輿情類型確定得出第一回溯周期；計(jì)算所述初始事件集或所述動(dòng)態(tài)事件集中的事件簇?cái)?shù)量，根據(jù)所述事件簇?cái)?shù)量計(jì)算得出回溯調(diào)節(jié)系數(shù)，將所述回溯調(diào)節(jié)系數(shù)與所述第一回溯周期相乘，獲得第二回溯周期，該第二回溯周期即為所述回溯周期；按照所述回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的所述增量數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于：將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告，包括：將所述初始事件集或所述動(dòng)態(tài)事件集、人為指定的預(yù)測(cè)時(shí)長數(shù)據(jù)輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中的在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段的時(shí)長與所述預(yù)測(cè)時(shí)長數(shù)據(jù)匹配。

6.根據(jù)權(quán)利要求1所述的一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法，其特征在于：所述方法還包括：基于所述動(dòng)態(tài)事件集中各所述事件簇的所述事件強(qiáng)度值，分析得出與各所述事件簇對(duì)應(yīng)的活躍度，清理所述活躍度低于活躍閾值的所述事件簇。

7.一種輿情發(fā)展趨勢(shì)預(yù)測(cè)系統(tǒng)，所述系統(tǒng)包括第一事件抽取模塊、第二事件抽取模塊、事件集動(dòng)態(tài)更新模塊、輿情趨勢(shì)預(yù)測(cè)模塊；其特征在于：所述第一事件抽取模塊，用于獲取待分析的目標(biāo)輿情的輿情大數(shù)據(jù)，使用事件聚類跟蹤模塊對(duì)所述輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集；其中，所述初始事件集中包含若干事件簇；所述第二事件抽取模塊，用于按照回溯周期獲取所述目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，所述事件聚類跟蹤模塊對(duì)所述增量數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得若干新增事件簇；所述事件集動(dòng)態(tài)更新模塊，用于將各所述新增事件簇與所述初始事件集中的各事件簇進(jìn)行匹配分析，若匹配成功，則將所述新增事件簇并入對(duì)應(yīng)的所述事件簇，否則將所述新增事件簇補(bǔ)入所述初始事件集中，獲得動(dòng)態(tài)事件集；其中，所述事件簇和所述新增事件簇中均包含事件強(qiáng)度值；所述輿情趨勢(shì)預(yù)測(cè)模塊，用于將所述初始事件集或所述動(dòng)態(tài)事件集輸入基于llm模型的輿情趨勢(shì)分析模型，所述輿情趨勢(shì)分析模型生成并輸出所述目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告；其中，所述輿情發(fā)展趨勢(shì)報(bào)告中包含在當(dāng)前時(shí)刻之后的輿情發(fā)展趨勢(shì)段。

8.一種電子設(shè)備，包括：至少一個(gè)處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述至少一個(gè)處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于：所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)如權(quán)利要求1-6任一所述的方法。

9.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-6任一所述的方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括存儲(chǔ)于非暫時(shí)性計(jì)算機(jī)可讀介質(zhì)上的計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明屬于輿情管理技術(shù)領(lǐng)域。提供了一種輿情發(fā)展趨勢(shì)預(yù)測(cè)方法及系統(tǒng)。所述方法包括：獲取待分析的目標(biāo)輿情的輿情大數(shù)據(jù)，使用事件聚類跟蹤模塊對(duì)輿情大數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得初始事件集；按照回溯周期獲取目標(biāo)輿情的輿情大數(shù)據(jù)的增量數(shù)據(jù)，事件聚類跟蹤模塊對(duì)增量數(shù)據(jù)進(jìn)行事件抽取及聚類處理，獲得若干新增事件簇；將各新增事件簇與初始事件集中的各事件簇進(jìn)行匹配分析，若匹配成功，則將新增事件簇并入對(duì)應(yīng)的事件簇，否則將新增事件簇補(bǔ)入初始事件集中，獲得動(dòng)態(tài)事件集；將初始事件集或動(dòng)態(tài)事件集輸入基于LLM模型的輿情趨勢(shì)分析模型，獲得目標(biāo)輿情的輿情發(fā)展趨勢(shì)報(bào)告。本發(fā)明實(shí)現(xiàn)了對(duì)輿情發(fā)展趨勢(shì)的準(zhǔn)確預(yù)測(cè)分析。

技術(shù)研發(fā)人員：江衛(wèi)平
受保護(hù)的技術(shù)使用者：杭州微未計(jì)算機(jī)技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21