(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 202210243162.2 (22)申请日 2022.03.11 (71)申请人 刘星 地址 730000 甘肃省兰州市中广宜景湾尚 城 (72)发明人 刘星　 (74)专利代理 机构 南昌卓尔精诚专利代理事务 所(普通合伙) 36133 专利代理师 刘文彬 (51)Int.Cl. G06Q 40/04(2012.01) G06F 16/35(2019.01) G06F 16/951(2019.01) G06F 40/30(2020.01) G06N 3/00(2006.01) (54)发明名称 基于核心算法和人工智能的股票舆情监测 系统 (57)摘要 基于核心算法和人工智能的股票舆情监测 系统， 包括舆情监测目标确定模块和舆情监测模 块， 通过舆情监测目标确定模块确定需要进行舆 情监测的目标股票， 通过舆情监测模块对所述目 标股票进行舆情监测。 本发明通过建立股票舆情 监测系统， 对股票舆情数据进行有效的分析， 有 利于及时了解股票市场的民众情绪和舆论发展， 从而引导证券市场的健康发展。 权利要求书3页 说明书12页 附图1页 CN 114612240 A 2022.06.10 CN 114612240 A 1.基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 包括舆情监测目标确 定模块和舆情监测模块； 舆情监测目标确定模块： 包括舆情数据获取单元和监测目标确定单元， 舆情数据获取 单元通过爬虫技术以预设的周期在设定的与 股票相关的新闻网站上抓取新闻舆情数据， 并 对抓取的新闻舆情数据进行数据清洗， 将清洗后的新闻舆情数据输入监测目标确定单元， 监测目标确定单元用于提取接收到的各新闻舆情数据中的股票主体， 并对包含所述股票主 体的新闻舆情数据进 行统计， 当包含所述股票主体的新闻舆情数据在此次接收到的新闻舆 情数据中所占的比例超出给定的阈值时， 则判定该股票主体为需要进 行舆情监测的目标股 票， 将包含所述目标股票的新闻舆情数据输入舆情监测模块； 舆情监测模块用于对目标股票进行舆情监测， 包括舆情数据管理单元、 情感分类单元 和舆情预警单元， 舆情数据管理单元用于对接收到的包含所述目标股票的新闻舆情数据进 行预处理和特征提取， 从而构建特征向量， 将构建的特征向量输入情感分类单元， 情感分类 单元利用建立的基于支持向量机的情感分类器根据接收到的特征向量进 行情感分类， 从而 确定所述新闻舆情数据的情感标签， 舆情预警单元用于对包含所述目标股票的新闻舆情数 据进行统计， 当情感标签为负面的新闻舆情数据在所述包含目标股票的新闻舆情数据中所 占的比例超出 给定的预警阈值时进行 预警。 2.根据权利要求1所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 情感分类单 元采用下列步骤建立基于支持向量机的情感分类 器： 步骤(1)： 收集与股票相关的带有情 感标签的新闻舆情数据， 并对收集的新闻舆情数据 进行数据清洗； 步骤(2)： 对清洗后的新闻舆情数据进行预处理和特征提取， 从而构建特征向量， 将所 述新闻舆情数据的特征向量作为输入样本值， 将所述新闻舆情数据带有的情感标签作为输 出样本值构建样本集； 步骤(3)： 利用构建的样本集对支持向量机进行训练和测试， 从而建立基于支持向量机 的情感分类 器。 3.根据权利要求2所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 所述情感标签包括 正面、 中性和负面。 4.根据权利要求2所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 在利用构建的样本集对支持向量机进 行训练时， 采用布谷鸟搜索算法对支持向量机的惩罚 因子和核函数参数进行寻优， 设置布谷鸟的鸟巢位置对应的适应度函数值越小， 该鸟巢位 置所对应的解越 优。 5.根据权利要求4所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 在采用莱维飞行模式对种群中的鸟巢位置进行第(t+1)次的迭代更新后， 采用下列步骤在 种群中选取鸟巢 位置进行第(t+1)次的偏好随机更新， 具体包括： (1)对当前采用莱维 飞行模式进行了第(t+1)次迭代更新后的鸟巢 位置进行区域划分； (2)在划分的各区域中选取鸟巢 位置进行第(t+1)次的偏好随机更新。 6.根据权利要求5所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 给定种群在采用莱维飞行模式进 行第(t+1)次的迭代更新后的区域分割阈值D(t+1)， 且D(t权　利　要　求　书 1/3 页 2 CN 114612240 A 2+1)的值设置为： 其中， Di(t+1)表示鸟巢位置Xi(t+1)的近邻分割值， 且 表示当前种群中距离鸟巢位置Xi(t+1)第e近的 鸟巢位置， K为给定的正整数， 且K＜N， N为种群中的布谷鸟数， 采用下列步骤根据给定的区 域分割阈值D(t+1)对当前采用莱维飞行模式进 行了第(t+1)次迭代更新后的鸟巢位置进 行 区域划分： Stepl： 在种群中随机选取一个鸟巢位置， 设Xa(t+1)为此次随机选取的鸟巢位置， xa(t) 表示布谷鸟种群中的第a个布谷鸟在进行第t次迭代更新后的最终鸟巢位置， 则Xa(t+1)表 示采用莱维飞行模式对鸟巢位置xa(t)进行第(t+1)次的迭代更新后的鸟巢位置， 将鸟巢位 置Xa(t+1)所处区域标记为Ω1(t+1)， 并将鸟巢位置Xa(t+1)划分进区域Ω1(t+1)中， 对种群 中未划分进区域的鸟巢 位置依次进行筛 选， 具体为： 设xi(t)表示布谷鸟种群中的第i个布谷鸟在进行第 t次迭代更新后的最终鸟巢位置， Xi (t+1)表示采用莱维飞行模式对鸟巢位置xi(t)进行第(t+1)次的迭代更新后的鸟巢位置， 当鸟巢位置Xi(t+1)满足： |Xi(t+1)‑Xa(t+1)|≤D(t+1)时， 则将鸟巢位置Xi(t+1)划分进区 域Ω1(t+1)中； 当对种群中未划分进区域的鸟巢 位置筛选完成后， 进入Step2； Step2： 在种群中未划分进区域的鸟巢位置中随机选取一个鸟巢位置， 设Xb(t+1)为此次 随机选取的鸟巢位置， xb(t)表示布谷鸟种群中的第b个布谷鸟在进行第t次迭代更新后的 最终鸟巢位置， 则Xb(t+1)表示采用莱维飞行模式对鸟巢位置xb(t)进行第(t+1)次的迭代更 新后的鸟巢位置， 将鸟巢位置Xb(t+1)所处的区域标记为Ω2(t+1)， 并将鸟巢位置Xb(t+1)划 分进区域Ω2(t+1)中， 对种群中未划分进行区域的鸟巢 位置依次进行筛 选， 具体为： 当鸟巢位置Xi(t+1)满足： |Xi(t+1)‑Xb(t+1)|≤D(t+1)时， 则将鸟巢位置Xi(t+1)划分进 行区域Ω2(t+1)中； 当对种群中未划分进区域的鸟巢 位置筛选完成后， 进入步骤Step3； Step3： 当种群中未划分进区域的鸟巢位置的个数不为0时， 则继续按照步骤Step2中的 方式对种群中未划分进区域的鸟巢位置进 行区域划分， 当种群中未划分进区域的鸟巢位置 的个数为0时， 则停止对种群中的鸟巢 位置进行区域划分。 7.根据权利要求5所述的基于核心算法和人工智能的股票舆情监测系统， 其特征在于， 在划分的各区域中选取鸟巢 位置进行第(t+1)次的偏好随机更新， 具体为： 设置Ωl(t+1)表示对采用莱维飞行模式进行第(t+1)次的迭代更新后的鸟巢位置进行 区域划分所得的第l个区域， 定义 Fl(t+1)表示区域Ωl(t+1)中鸟巢位置的区域属性系数， 且 Fl(t+1)的值为： 式中， 表示区域Ωl(t+1)中鸟巢位置的临近距离值的均值， 且 表 示 区 域 Ωl( t + 1 ) 中 鸟 巢 位 置 的 临 近 距 离 值 的 离 散 系 数 ，且 其中， Xl， o(t+1)表示区域Ωl(t+1)中的第o个鸟权　利　要　求　书 2/3 页 3 CN 114612240 A 3