本发明涉及能源政策监测，具体涉及基于自然语言处理的能源政策监测分析方法。
背景技术：
1、能源政策监测分析是指对能源政策文本进行挖掘以分析能源政策修订后对能源产业不同领域的互相影响，由于不同层面的技术人员评价能源政策文本存在强烈的主观意向，导致能源政策的评价结论难以综合。在能源产业中各个产业节点之间互相关联，形成完整的产业链，当发布的能源政策对其中某些产业节点进行调整时，可能会对整个产业链产生隐藏影响，为了准确全面的分析能源政策的调整对能源产业链产生的影响，进而对能源政策进行准确监测。
2、现有方法中通过直接对能源政策文本进行分析挖掘，获取能源政策变动评价文本，企业将能源政策变动评价文本作为辅助，结合相关专业人士的政策解读分析等其他方面，对能源政策的信息进行综合分析，确定能源政策对能源产业的整体影响。但在实际情况中能源政策的修订部分对产业链中的部分产业节点的影响存在隐藏的情况，使得获取的能源政策变动评价文本不准确，进而导致企业无法准确分析能源政策修订对能源产业产生的作用与影响。
技术实现思路
1、为了解决能源政策的修订部分对产业链中的部分产业节点的影响存在隐藏情况，导致获取的能源政策变动评价文本不准确的技术问题，本发明的目的在于提供一种基于自然语言处理的能源政策监测分析方法，所采用的技术方案具体如下：
2、本发明实施例提供了一种基于自然语言处理的能源政策监测分析方法，该方法包括以下步骤：
3、获取能源政策文本的政策词汇和能源产业结构图中的产业节点词汇；
4、基于政策词汇和产业节点词汇所对应的词汇向量，将政策词汇和产业节点词汇统一划分，获得多个词汇类别；
5、根据每个词汇类别内政策词汇的分布情况和产业节点词汇在能源产业结构图中边的分布情况，获取每个词汇类别的节点影响程度；
6、根据能源政策文本中修订部分的政策词汇，在词汇类别中筛选出调整词汇类别；将调整词汇类别中的产业节点词汇作为调整词汇，根据每个调整词汇在能源产业结构图中所处预设闭合回路中产业节点词汇的数量和每个调整词汇所处调整词汇类别的节点影响程度，获取每个调整词汇的调整影响程度；
7、基于调整影响程度筛选出侧重调整词汇，基于侧重调整词汇的调整影响程度和数量，获取能源政策文本的集中调整程度；
8、将调整词汇类别中的政策词汇在能源政策文本中所处的短句、侧重调整词汇的调整影响程度和集中调整程度均输入到gpt模型中，通过gpt模型获取能源政策变动评价文本。
9、进一步地，所述节点影响程度的获取方法为：
10、对于任一个词汇类别，获取该词汇类别内的每个产业节点词汇在能源产业结构图中具有边的数量，作为对应产业节点词汇的第一数量；
11、将所有第一数量的相加结果，作为该词汇类别内的相关边数量；
12、根据该词汇类别内政策词汇数量的归一化结果和相关边数量的归一化结果，获取该词汇类别的节点影响程度。
13、进一步地，所述调整词汇类别的获取方法为：
14、将能源政策文本中修订部分的政策词汇所处的词汇类别，均作为调整词汇类别。
15、进一步地，所述调整影响程度的获取方法为：
16、对于任一个调整词汇，获取该调整词汇在能源产业结构图中所处预设闭合回路中产业节点词汇的数量和该调整词汇所处调整词汇类别的节点影响程度值的乘积，作为该调整词汇的调整影响程度值。
17、进一步地，所述侧重调整词汇的获取方法为：
18、将调整词汇根据调整影响程度从低到高的顺序进行排列，获得调整词汇序列；
19、获取调整词汇序列中任意相邻两个调整词汇之间的调整影响程度差异，均作为第一差异；
20、将最大的第一差异对应的两个调整词汇中调整影响程度最高的调整词汇，作为目标调整词汇；
21、将目标调整词汇与调整词汇序列从左向右的最后一个调整词汇之间的所有调整词汇，均作为侧重调整词汇；其中，侧重调整词汇包括目标调整词汇和最后一个调整词汇。
22、进一步地，所述集中调整程度的获取方法为：
23、将调整词汇的数量与侧重调整词汇的数量的比值，作为第一集中参考值；
24、将最大的第一差异归一化的结果，作为第二集中参考值；
25、根据第一集中参考值和第二集中参考值，获取能源政策文本的集中调整程度；其中，第一集中参考值和第二集中参考值均与集中调整程度为正相关关系。
26、进一步地，所述短句的获取方法为：
27、按照能源政策文本从前向后的顺序进行遍历，每检测到一个中文标点句号，则进行一次划分，将划分后的每段文本，均作为一个短句。
28、进一步地，所述能源政策变动评价文本的获取方法为：
29、将侧重调整词汇的调整影响程度值作为gpt模型中的局部权重；
30、将集中调整程度值作为gpt模型中的全局权重；
31、将调整词汇类别中的政策词汇在能源政策文本中所处的短句、局部权重和全局权重均输入到gpt模型，通过gpt模型输出能源政策变动评价文本。
32、进一步地，所述词汇类别的获取方法为：
33、将所有的政策词汇和产业节点词汇统一汇集到一个词汇集合中，通过word2vec算法获取所述词汇集合中每个词汇的词汇向量；
34、将所有的词汇向量均转化到向量空间中，通过迭代自组织聚类算法对向量空间中对应的词汇向量进行聚类，获得多个词汇向量聚类簇；
35、对于任一词汇向量聚类簇，将该词汇向量聚类簇中的所有词汇向量对应的词汇，构建为一个词汇类别。
36、进一步地，所述政策词汇和产业节点词汇的获取方法为：
37、将jieba分词的模式设定为精确模式，对能源政策文本进行分词，获得能源政策文本的各个分词，均作为政策词汇；
38、将能源产业结构图中的每个产业节点名称均直接作为产业节点词汇。
39、本发明具有如下有益效果：
40、基于政策词汇和产业节点词汇所对应的词汇向量，将政策词汇和产业节点词汇统一划分，获得多个词汇类别，将政策词汇和产业节点词汇进行匹配整合，确定政策词汇所要调整的产业节点词汇，有利于后续准确分析能源政策对产业节点的影响；为了分析每个词汇类别中的政策词汇对产业节点词汇的影响程度，进而根据每个词汇类别内政策词汇的分布情况和产业节点词汇在能源产业结构图中边的分布情况，获取每个词汇类别的节点影响程度，准确反映出每个词汇类别中的产业节点词汇所对应产业节点受到能源政策的影响；为了高效的分析能源政策对能源产业的影响，进而根据能源政策文本中修订部分的政策词汇，在词汇类别中筛选出调整词汇类别，为确定能源产业中需要进行调整的产业节点做准确，因此，将调整词汇类别中的产业节点词汇作为调整词汇，准确确定需要进行调整的产业节点；为了准确获取能源政策修订部分对能源产业的影响，进而根据每个调整词汇在能源产业结构图中所处预设闭合回路中产业节点词汇的数量和每个调整词汇所处调整词汇类别的节点影响程度，获取每个调整词汇的调整影响程度，准确反映出每个调整词汇进行调整时所产生的影响；为了分析能源政策修订部分的集中程度，以便后续更准确分析能源政策修订部分对能源产业的影响，进而基于调整影响程度筛选出侧重调整词汇，基于侧重调整词汇的调整影响程度和数量，获取能源政策文本的集中调整程度，准确反映出能源政策修订部分对能源产业调整的集中程度；进而根据调整词汇类别中的政策词汇在能源政策文本中所处的短句、侧重调整词汇的调整影响程度和集中调整程度，准确全面的获取能源政策变动评价文本，为企业提供全面的能源政策修订部分所产生的影响，有利于企业及时准确的对能源产业中对应的环节进行调整。
1.一种基于自然语言处理的能源政策监测分析方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述节点影响程度的获取方法为：
3.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述调整词汇类别的获取方法为：
4.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述调整影响程度的获取方法为：
5.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述侧重调整词汇的获取方法为：
6.如权利要求5所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述集中调整程度的获取方法为：
7.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述短句的获取方法为：
8.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述能源政策变动评价文本的获取方法为：
9.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述词汇类别的获取方法为：
10.如权利要求1所述的一种基于自然语言处理的能源政策监测分析方法，其特征在于，所述政策词汇和产业节点词汇的获取方法为：
