本技术涉及专门适用于商业领域的信息通信，尤其涉及一种基于人工智能的舆情预警方法。
背景技术：
1、在当前的信息时代，舆情预警和管理已成为维护品牌形象的重要环节。
2、现有技术基于情感识别的舆情预警方法只能识别出一些舆情材料引发的舆情是正面还是负面，便直接将负面舆情向工作人员进行预警，由于对应品牌的工作人员无法第一时间确认引发该负面舆情的舆情材料的真实性，都会采取直接否认的做法。
3、现有技术无法在初期有效区分真实的负面舆情与捏造的虚假舆情，导致在一些情况下，真实的负面舆情被错误地标记和掩盖，无法及时和准确的进行纠正。当这些错误被社会监督力量曝光后，会加剧公众对品牌主体的不信任。
4、因此，现有技术提供的舆情预警方法仍然不能更有效的对舆情进行预警。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种基于人工智能的舆情预警方法，能够更有效的对舆情进行预警。
2、第一方面，本技术提供了一种基于人工智能的舆情预警方法，所述基于人工智能的舆情预警方法包括：
3、获取真实舆情材料；
4、通过预设的真实舆情材料篡改偏向预测模型预测每个真实舆情材料的篡改偏向；
5、通过预设的大语言模型和每个真实舆情材料对应的篡改偏向，根据每个真实舆情材料生成其对应的虚假舆情预训练材料；
6、根据生成得到的虚假舆情预训练材料训练得到虚假舆情识别模型；
7、利用所述虚假舆情识别模型对网络舆情进行监控，以从现行网络舆情中识别出虚假舆情。
8、可选的，所述真实舆情材料篡改偏向预测模型通过以下步骤训练得到：
9、获取多个真实舆情训练材料；
10、获取每个真实舆情训练材料对应已知的虚假舆情训练材料，对每个虚假舆情训练材料的类型进行标注；
11、将真实舆情训练材料作为已经构建好的真实舆情材料篡改偏向预测模型框架的输入，真实舆情材料对应的虚假舆情训练材料的类型作为标签，以此训练得到真实舆情材料篡改偏向预测模型；
12、所述真实舆情材料篡改偏向预测模型框架包括：
13、第一词向量模型提取层，以通过第一词向量模型将真实舆情训练材料转换为第一词向量矩阵，以此得到真实舆情训练材料的表征矩阵；
14、第一transformer模型框架层，以将所述真实舆情训练材料的表征矩阵输入第一transformer模型框架层进行数据提取；
15、第一softmax输出层，以将第一transformer模型框架层的输出输入第一softmax输出层，以得到真实舆情训练材料对应的虚假舆情材料的篡改偏向概率矩阵，进而得到每个真实舆情材料对应的虚假舆情材料的篡改偏向。
16、可选的，根据生成得到的虚假舆情预训练材料训练得到虚假舆情识别模型，包括以下步骤：
17、将虚假舆情预训练材料和真实舆情材料输入已经构建好的第一虚假舆情识别模型框架，以是否为虚假舆情材料作为标签，以此训练得到第一虚假舆情识别模型；
18、所述第一虚假舆情识别模型框架包括：
19、第二词向量模型提取层，以通过第二词向量模型将真实舆情材料或虚假舆情预训练材料转换为第二词向量矩阵，以此得到真实舆情材料或虚假舆情预训练材料的表征矩阵；
20、第二cnn层，包括多个不同大小卷积核的卷积层，将真实舆情材料或虚假舆情预训练材料的表征矩阵输入cnn层中，以通过多个卷积层捕获不同长度的词语模式；
21、第二池化层，获取cnn层的输出，以对每个卷积层的输出进行最大池化操作；
22、第二lstm层，以获取第二池化层的输出，进行特征处理后向外输出；
23、第二全连接层，获取lstm层的输出，以将第二lstm层的输出整合并形成最终的特征表示
24、第二softmax输出层，获取第二全连接层的输出，以得到输入的舆情材料属于真实舆情材料或虚假舆情材料的概率矩阵，进而判断出输入的舆情材料是否属于虚假舆情材料。
25、可选的，所述基于人工智能的舆情预警方法还包括以下步骤：
26、获取当前品牌主体的重点舆情材料，所述重点舆情材料为品牌主体即将发布的舆情材料；
27、通过真实舆情材料篡改偏向预测模型对重点舆情材料的篡改偏好进行预测，以得重点舆情材料的篡改偏好；
28、根据所述重点舆情材料的篡改偏好，通过预设的大语言模型生成重点舆情材料的重点舆情预训练材料；
29、获取虚假舆情识别预训练模型，所述虚假舆情识别预训练模型通过以下步骤获得：
30、删除第一虚假舆情识别模型的第二softmax层；
31、冻结第一虚假舆情识别模型其余模型部分的权重；
32、在第二全连接层的尾部加入新的第三全连接层和第三softmax层，对第三全连接层和第三softmax的权重进行初始化，以此得到虚假舆情识别预训练模型；
33、通过重点舆情预训练材料对所述虚假舆情识别预训练模型进行训练以得到第二虚假舆情识别模型，包括以下步骤：
34、将重点舆情预训练材料输入已经构建好的第一虚假舆情识别模型框架，以虚假舆情材料作为标签，以此训练得到第二虚假舆情识别模型；
35、使用第二虚假舆情识别模型对网络舆情进行监控，以从现行网络舆情中识别出虚假舆情。
36、可选的，所述基于人工智能的舆情预警方法还包括以下步骤：
37、在从舆情中识别出虚假舆情后，通过预设的真实舆情识别模型进行对被标记为虚假舆情的舆情材料进行核实；
38、所述真实舆情识别模型通过以下步骤获得：
39、将现有所有的真实舆情材料输入预设的大语言模型中，使其记住真实舆情信息的内容，以此得到用于核实被标记为虚假舆情的舆情材料的真实舆情识别模型。
40、可选的，所述虚假舆情的篡改偏向包括歪曲事实、虚假宣传、过时信息和内容虚构。
41、本技术提供的技术方案与现有技术相比具有如下优点：
42、首先，本技术通过利用大型语言模型生成与真实舆情材料对应的篡改偏向的虚假预训练材料，实现事先准备可能出现的虚假舆情材料，从而事先训练出识别这些虚假舆情材料的虚假舆情识别模型，从而显著增强了虚假舆情识别模型对于各种虚假信息手法的敏感性和应对能力。这种训练策略使得识别模型能够在实际应用中遇到类似的虚假信息时，迅速并准确地识别出其虚假的特征。
43、其次，本技术提供的基于人工智能的舆情预警方法通过结合迁移学习实现不同类型的虚假舆情材料的识别敏感度的动态调整，实现了动态自适应的方式来识别和处理虚假舆情。该方法首先获取品牌主体即将发布的舆情材料，并利用预训练模型预测这些材料可能的篡改偏好，并通过迁移学习加强第一虚假舆情识别模型对这些篡改偏好对应类型的虚假舆情的识别敏感度，从而得到更适用于当前时间段捕捉虚假舆情的第二虚假舆情识别模型。
44、最后，由于虚假舆情识别模型是基于生成出来的虚假舆情预训练材料训练得到的。当新的舆情事件在内容上与之前通过真实舆情材料生成的虚假预训练材料相似时，例如一个产品经过多次迭代后性能显著提升，虚假舆情识别模型会将真实的正面舆情与先前模拟的虚假宣传的虚假舆情相混淆。在这种情况下，本技术提供的舆情预警方法利用大语言模型只存储真实舆情材料的关键信息并基于信息对被初步判别为虚假舆情材料的舆情材料进行评估，可以有效地区分这种巧合性的相似性，减少最终误判的可能性。
45、因此，本技术提供的一种基于人工智能的舆情预警方法，能够更有效的对舆情进行预警。
1.基于人工智能的舆情预警方法，其特征在于，所述基于人工智能的舆情预警方法包括：
2.根据权利要求1所述的基于人工智能的舆情预警方法，其特征在于，所述真实舆情材料篡改偏向预测模型通过以下步骤训练得到：
3.根据权利要求1所述的基于人工智能的舆情预警方法，其特征在于，根据生成得到的虚假舆情预训练材料训练得到虚假舆情识别模型，包括以下步骤：
4.根据权利要求3所述的基于人工智能的舆情预警方法，其特征在于，所述基于人工智能的舆情预警方法还包括以下步骤：
5.根据权利要求4所述的基于人工智能的舆情预警方法，其特征在于，所述基于人工智能的舆情预警方法还包括以下步骤：
6.根据权利要求1所述的基于人工智能的舆情预警方法，其特征在于， 所述虚假舆情的篡改偏向包括歪曲事实、虚假宣传、过时信息和内容虚构。
