人工智能 | 某企业舆情信息情感属性分类数据处理

为了对具有重要影响力的敏感企业进行舆情监控。实时掌握这些企业的公众形象和舆论动态。该部门部署了一套基于Python的爬虫系统。该系统能够定期自动访问目标网站，抓取与这些企业相关的新闻报道、社交媒体帖子和其他网络内容。抓取到的数据经过预处理和清洗，以去除无关信息和噪声。随后，数据被送入情感分析模块，该模块利用自然语言处理技术对文本内容进行情感分类，从而计算出每个企业的正面评价比例（好评率）和媒体关注度（媒体指数）。这些指标作为企业舆情打分的重要组成部分，对评估企业的社会影响和潜在风险，提供支持。

1. 加载情感词典。从数据库读取企业爬虫数据，同时读取已有的情感词典（包括正向情感词和负向情感词）、否定词词典和程度副词词典作为全局变量。
2.确定分类范围。利用文本得分划分文本情感属性，正向、负向或者中立。 观察得分，发现0分并不是合理的正负分界线，于是将分类问题抽象成最优化问题，即寻找最优的中立分数的上下限，使所得的分类与已知分类相比正确率最高。而得到这个范围之后，即可应用到其它文本的分类标准。 可行域根据样本分数确定，如根据排序后分数合理百分比的中间段数据的极差确定，此处下限可行域为（-2，4），上限可行域为（-1，6）。目标函数为分类正确率。如果新上下限的正确率高于旧上下限，则更新上下限。 得到中立上限为3.7分，中立下限为-1分，正确率为86.24%。