(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210958952.9 (22)申请日 2022.08.10 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市钱塘新区白杨 街道2号大街1 158号 (72)发明人 吴国华　张拓　王玉娟　张祯　 杨昌天　云文豪　 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于BERT的同质性网络舆论治理系统 和方法 (57)摘要 本发明涉及一种基于BERT的同质性网络舆 论治理系统和方法， 包括步骤一、 获取舆论数据： 步骤二、 训练模型： 步骤三、 计算舆论评分： 步骤 四、 根据评分进行舆论治理。 本发明借助不同维 度的评分计算， 如观点多样性的计算， 对话认同 度的计算等对话观点多样性的推送 等， 量化网络 舆论的同质性， 解决了热点舆论与对立舆论并不 统一的问题， 利用舆论治理模块， 从传播学方面 出发有效突破了过滤气泡， 从心理学方面出发遏 制了回声室效应， 减少了同质性网络言论， 有效 解决了网络 舆论中分裂与对立频发问题。 权利要求书3页 说明书6页 附图5页 CN 115293160 A 2022.11.04 CN 115293160 A 1.一种基于BERT的同质性网络舆论治理系统， 其特征在于： 包括舆论采集单元： 用于对 舆论数据库进行抽取， 并进行文本预处理， 包括分词和去噪声处理， 形成特征词序列， 去 噪 声处理包括去除停用词和标点符号； 模型训练单 元： 用于训练观点抽取模型和仇恨度模型； 舆论分析模块： 用于对待判定舆论计算舆论健康度， 舆论健康度可根据实 际舆论场景 从不同维度进行计算； 舆论治理模块： 利用舆论分析模块的计算结果， 对待判定舆论进行排序， 用户舆论推 送， 以舆论分析的结果作为支撑， 有效突破过 滤气泡。 2.一种根据权利要求1所述的基于BERT的同质性网络舆论治理系统的治理方法， 其特 征在于： 包括以下步骤： 步骤一、 获取舆论数据： 舆论采集单元根据关键词， 从舆论数据库获取包含此关键词的 言论及其评论， 得到言论及评论文本数据， 对所获文本数据预处 理， 并保存至数据库； 步骤二、 训练模型： 模型训练单元使用BERT模型提取所获网络舆论文本特征， 训练得到 满足舆论样本特 征的语言模型； 步骤三、 计算舆论评分： 建立舆论观点库， 包括不同舆论主流及非主流观点， 舆论分析 模块依据舆论观点库， 利用BERT模型从不同维度对网络舆论计算评分， 包括主流观点符合 度， 观点多样性， 对话认同度， 对话 仇恨度， 最终算得舆论 健康度； 步骤四、 根据评分进行舆论治理： 基于舆论健康度评分， 对舆论热度进行调整， 并向用 户定向推送引导舆论， 突破过 滤气泡， 减少回声室效应。 3.根据权利要求2所述的一种基于BERT的同质性网络舆论的治理方法， 其特征在于： 所 述步骤一具体包括： 步骤1.1： 舆论采集单元输入关键词W， 根据关键词W从舆论数据库中抽取对应网络言论 Ki以及对评论Vij， 同时记录其用户标签Useri； 步骤1.2： 使用分词软件对言论Ki以及评论Vij进行分词处理， 基于预设文本长度对分词 处理后的训练文本集进行长度剪裁或补正， 得到标准训练文本集， 将所属分词处理后的训 练文本集中， 小于所述预设长度的训练文本的前端用0补齐， 并序列化得到待训练数据。 4.根据权利要求3所述的一种基于BERT的同质性网络舆论的治理方法， 其特征在于： 所 述步骤二具体包括： 步骤2.1： 训练观点抽取模型， 通过BERT的预训练向量进行embedding， 得到网络舆论的 语义空间向量表示， 将embedding后的所述待抽取网络舆论和所述关键词文本使用BERT的 通用特殊 拼接符[sep]进行拼接， 将拼接后的文本 输入多层t ransformer， 获得待抽取观点。 5.根据权利要求2或3或4所述的一种基于BERT 的同质性网络舆论的治理方法， 其特征 在于： 所述 步骤三具体包括： 步骤3.1： 建立舆论观点库， 存储舆论主流观点以及非主流观点， 并对主流观点设置标 签Pos； 步骤3.2： 不同维度计算 健康度评分， 量 化同质性； 步骤3.3： 计算健康度评分， 根据以上四所获评分综合计算所测舆论健康度Health   degree； Health degree＝β1e1+β2e2+...+βnen权　利　要　求　书 1/3 页 2 CN 115293160 A 2其中βn(1≤i≤n)是n个调节参数,n表示共n个治理维度， 满足β1+β2+...+βn分1。 6.根据权利要求5所述的一种基于BERT的同质性网络舆论的治理方法， 其特征在于： 所 述步骤四具体包括： 步骤4.1： 根据步骤3.3所获Health  Degree， 使用排序算法对所有评论Vij进行评分倒序 排序： Order＝sor ted(Vij) 排序结果使用链表存储 并作为评论 区热度顺序返回舆论排序单元， 系统可时事获取新 评论进行计算后插 入链表并返回排序； 步骤4.2： 根据主流观点 符合度sim(Ki， Pos)得分设置阈值Q1， 对于低于Q1的舆论获取其 对应用户标签Useri， 设置增量γ， 定向推送舆论观点库观点， 推送内容初始主流观点符合 度为： Pushsim＝sim(Ki， Pos)+γ 根据Push sim＝Push  sim+γ渐进递增， 直至Push  sim≥Q1； 步骤4.3： 根据对话观点多样性得分Divi设置阈值Q2， 对低于阈值Q2的舆论获取对应的 用户标签Useri， 定向推送舆论观点库中其他舆论观点， 其推送观点的主流观点符合度 应满 足Push sim≥Q1； 步骤4.4： 对于言论仇恨度Hosi设置阈值Q3、 Q4， 对于低于Q3评论， 获取其用户标签 Useri， 建立黑名单， 降低其用户在网络言论中的热度， 其热度根据仇恨度计算有： 设置评分监控， 黑名单Hosi用户持续高于Q 4时移出黑名单。 7.根据权利要求5所述的一种基于BERT的同质性网络舆论的治理方法， 其特征在于： 所 述步骤3.2具体包括： 步骤3.2.1： 计算主流观点符合度： 根据步骤2.1所训练观点抽取模型， 输入观点Ki和其 评论Vij得到对应观点， 使用其词嵌入空间向量与观点库中主流观点计算 余弦相似度： 其中K表示待判断观点的空间向量， Pos表示主流观点的空间向量； 步骤3.2.2： 计算对话观点多样性： 根据步骤2.1所训练观点抽取模型， 输入观点Ki和其 评论Vij得到对应观点， 统计对话所含不同观点数量N＝set(Ki， Vi1， Vi2， ...， Vij)， 根据步骤 3.2.1所述抽取的主题,查找观 点库中此主题观 点总数Tol， 计算此对话观 点数量N占舆论观 点库比例： 步骤3.2.3： 计算对话认同度： 抽 取对话所述观点， 使用模型计算言论Ki和评论Vij的相 似度作为对话认同度， 得到认同度评分Degij， 其计算公式如下： 步骤3.2.4： 计算对话言论仇恨度： 训练仇恨言论评分模型， 通过BERT的预训练向量对权　利　要　求　书 2/3 页 3 CN 115293160 A 3