本发明涉及一种舆情分析模型优化系统，尤其涉及一种基于aigc的舆情分析模型优化系统。
背景技术：
1、随着社交媒体和互联网的迅猛发展，舆情分析成为政府、企业和组织管理中不可或缺的一环。舆情分析旨在了解公众对特定话题或事件的态度、情感和反应，为决策制定提供重要参考。近年来，深度学习作为人工智能领域的重要技术之一，正逐渐应用于舆情分析，并取得了显著的效果。
2、然而，深度学习在舆情分析中的应用也面临一些挑战。首先是数据的质量和多样性。深度学习模型需要大量的高质量数据进行训练来不断优化相关的分析模型，以获得准确和泛化能力强的分析结果。而因为历史数据的保密性以及发生频次不可控等因素导致很多可用于高质量训练的数据很难大量获得，这就需要采用一些优化的手段和方法来辅助生成高质量的训练数据，而aigc(生成式人工智能)技术正是一种具有天然优势快速生成指定情感色彩和特定情绪倾向的包括文字，图像和视频在内的多种格式数据的全新技术，通过该技术可以大大优化深度训练模型的训练效率，从而大大提高舆情分析的效率和准确性。
3、通过对现有已公开技术方案的全面检索，现在暂未发现aigc的舆情分析模型优化系统，但aigc在舆情分析方面的系统有如公开号为cn115982473a的技术方案提出一种基于aigc的舆情分析编排系统，其特征在于,包括数据采集模块、热度分析模块、情感分析模块和分析结果管理模块；所述数据采集模块用于采集网络信息数据并在网络信息数据中筛选出各关键词组和关键信息；所述热度分析模块用于根据关键信息分析所述各关键词组在网络中的影响热度；所述情感分析模块用于根据关键信息对各关键词组的舆情正负面进行分析,所述分析结果管理模块用于向用户可视化展示各关键词组热度和舆情影响；本发明采用多维度的情感分析方式,可最大程度上了解到用户的真实情感。
4、此外，公开号为cn115757793a的技术方案提出基于人工智能的话题分析预警方法、系统及云平台,首先获取情绪分析辅助数据集,其次确定与第一会话文本记录达到设定对应条件的第二在线用户会话文本,然后确定话题评论语句中每个待处理话题评论语句,能够提升确定出的待处理话题评论语句的精度和可信度,有助于对话题评论语句的高效、合理化情绪分析；以及通过确定每个待处理话题评论语句对应的关联文本信息集,最后利用事先设定的情绪极性知识网,确定情绪极性标签,可以对待处理话题评论语句在每个对应的关联文本信息集内进行情绪极性标签的准确区分,进而可以对话题评论语句进行识别处理,能够实现对在线交互环境内的话题评论语句的精准可靠的情绪分析。
5、以上技术方案均提及到了利用aigc或者人工智能来辅助分析舆情信息，方案一将aigc技术直接应用在舆情信息的热度和情感分析上，但是aigc作为一种内容生成技术，主要的优势在于模拟人脑的创意性内容输出而并非信息识别领域，单纯用于信息的提取很难发挥该技术的核心优势；方案二主要是对文本信息的话题提取和标注，以及通过一些标签来区分文本的情感情绪特征，本身技术的受限较大很难在识别准确度上进行提升，无法和基于深度学习模型的技术的可发展性相比拟，同时单纯的文本情绪识别无法满足公共安全领域日益增长的图片，语音乃至视频等多媒体信息的识别需求。因此急需一种能够具有自我学习完善能力的具有多种媒体格式识别能力的系统来满足当前公共安全领域舆情分析的客观需要，而基于aigc的舆情分析模型优化系统可以很好的解决上述问题。
技术实现思路
1、本发明所要解决的技术问题是提供一种基于aigc的舆情分析模型优化系统，可根据深度学习模型训练的需要，高质量快速生成包括文本，语音，视频在内的多种深度学习训练数据，同时根据深度学习模型训练的反馈实时调整aigc模型数据生成的配置参数，不断优化模型数据生成的质量，最终实现公共安全各场景下深度学习模型的快速训练和优化，最终加快模型的成熟速度和缩短模型投入使用的时间，达到公共安全领域舆情分析工作在智能化和效率方面全面提升的目的。
2、本发明为解决上述技术问题而采用的技术方案是提供一种基于aigc的舆情分析模型优化系统，包括：aigc配置管理模块，对aigc核心进行参数配置，根据深度学习模型需要生成数据的类型以及对应数据的行为模式，情感倾向输入来生成预期的训练数据；
3、模型数据生成模块，通过深度学习模型的特征要求来提取内容生成描述信息提供给aigc，将经过生成的初步训练数据进行清洗整理，然后根据配置的训练数据特征进行二次验证，对于验证合格的训练数据存储进入模型数仓库，对于特征验证不合格的训练数据进行不合格特征提炼，并反馈给aigc管理配置模块进行二次模型数据生成，通过不断细化aigc生成的配置要求来提高模型数据；
4、深度学习模型优化模块，根据生成的模型训练数据来训练舆情不同场景下的深度学习分析模型，并根据训练模型的实际舆情分析效果来不断调整和优化模型自身；
5、输入输出模块，提供输入输出界面，通过输入界面随时修改aigc的配置信息以及模型数据生成过程中的参数来实时优化上述操作的性能，输出界面可将系统的实时状态，模型数据生成的条数以及系统异常信息进行输出展示。
6、进一步地，所述的aigc配置管理模块包括：参数配置单元，对aigc核心的参数进行配置以及提供种子来控制生成内容的特征和一致性；提示词管理单元，对输入的内容生成描述信息进行关键提示词的提取和管理，从清晰、具体和相关三个方面来优化提示词；迭代调整单元，对生成的内容的准确性和相关性进行评估，并通过调整提示词以及种子和配置参数来优化输出结果。
7、进一步地，所述的模型数据生成模块包括：内容生成描述信息管理单元，根据深度学习模型训练场景不同来提炼出生成训练数据的内容描述信息并进行管理；模型数据处理单元，对初步生成的模型数据进行清洗并进行格式统一；生成数据验证单元，对生成的模型数据的准确性进行评估和验证，确定数据的可靠性指标决定是否保留该条生成数据。
8、进一步地，所述生成数据验证单元包括关联度分析器和特征覆盖率验证器，所述关联度分析器用于对生成的训练数据的关联度进行分析和计算，所述特征覆盖率验证器对生成的训练数据的特征进行提取并与生成时输入的特征要求进行比对，计算出生成数据的特征覆盖率；最终所述生成数据验证单元根据关联度和特征覆盖率决定是否采用该条生成数据。
9、进一步地，所述生成数据验证单元对于生成的训练数据进行特征提炼，与最初提供给aigc引擎生成此数据的初始特征进行比对，对于特征比对超过限定的差异阈值的判定为生成数据不合格，然后通过调整特征转化得到的aigc配置参数组合来作为二次模型数据生成的输入参数，直至生成的训练数据的特征符合期望特征。
10、进一步地，所述关联度分析器对关联度计算分析过程包括如下步骤：
11、s1、获取生成数据的字节长度l，判断l是否小于设定的阈值kl，如果小于则丢弃该条数据，返回数据长度不合法错误；
12、s2、利用aigc提取非文字类生成数据的文字信息以及包含的关键词，
13、s3、根据下式计算出生成数据对应文字信息的关联度值rrsi，
14、
15、其中，ri为该条数据内第i个关键词占对应模型所有生成配置关键词的个数比例，ti为该条数据内第i个关键词在该条数据对应文本信息中出现的次数。
16、进一步地，所述的深度学习模型优化模块包括：
17、模型管理单元，对所有舆情分析涉及的场景模型进行统一管理，分场景记录模型的特征信息；当某一个场景对应的模型训练样本数据小于预设阈值时，优先选择发生频次低但特征明显且重要性高的场景对应的训练数据进行特征提炼，所述特征明显且重要性高的场景包括突发网络造谣类舆情场景，此类场景具有一个从单点爆发到快速传播的信息扩散的独有增量特征；
18、模型优化单元，将生成的模型训练数据输入到各模型下进行训练，并根据训练情况对模型进行优化调整；
19、训练数据评价单元，根据基于生成的训练数据训练以后的深度学习模型的总体性能来对所生成的训练数据进行评价，同时将评价信息反馈至aigc配置管理模块，作为人工标注依据。
20、进一步地，所述的输入输出模块包括：参数输入单元，提供输入界面来输入包括参数，配置和数据信息；实时监控单元，对系统运行各模块的实时状态，错误预警进行展示和记录。
21、本发明对比现有技术有如下的有益效果：本发明提供的基于aigc的舆情分析模型优化系统，通过aigc来高质量快速生成在公共安全领域基于深度学习模型舆情分析过程中深度学习训练模型各场景训练数据，可以有效解决特定场景发生频次低数据收集难度大，不利于对应场景深度学习模型优化训练的问题，帮助相关人员快速验证深度学习模型的准确性和有效性，提升舆情分析工作的效率和预测准确度，实现公共安全领域智能舆情分析和预测的全面技术提升，同时利用aigc可以生成图片，视频，音频等非文本类训练数据，可以满足日益增长的对于非文字舆情信息分析的需求，具有广泛的应用潜力。
1.一种基于aigc的舆情分析模型优化系统，其特征在于，包括以下模块：
2.如权利要求1所述的基于aigc的舆情分析模型优化系统，其特征在于，所述的aigc配置管理模块包括：
3.如权利要求1所述的基于aigc的舆情分析模型优化系统，其特征在于，所述的模型数据生成模块包括：
4.如权利要求3所述的基于aigc的舆情分析模型优化系统，其特征在于，所述生成数据验证单元包括关联度分析器和特征覆盖率验证器，所述关联度分析器用于对生成的训练数据的关联度进行分析和计算，所述特征覆盖率验证器对生成的训练数据的特征进行提取并与生成时输入的特征要求进行比对，计算出生成数据的特征覆盖率；最终所述生成数据验证单元根据关联度和特征覆盖率决定是否采用该条生成数据。
5.如权利要求4所述的基于aigc的舆情分析模型优化系统，其特征在于，所述生成数据验证单元对于生成的训练数据进行特征提炼，与最初提供给aigc引擎生成此数据的初始特征进行比对，对于特征比对超过限定的差异阈值的判定为生成数据不合格，然后通过调整特征转化得到的aigc配置参数组合来作为二次模型数据生成的输入参数，直至生成的训练数据的特征符合期望特征。
6.如权利要求4所述的基于aigc的舆情分析模型优化系统，其特征在于，所述关联度分析器对关联度计算分析过程包括如下步骤：
7.如权利要求1所述的基于aigc的舆情分析模型优化系统，其特征在于，所述的深度学习模型优化模块包括：
8.如权利要求1所述的基于aigc的舆情分析模型优化系统，其特征在于，所述的输入输出模块包括：
