CN108062423B - 信息推送方法和装置 - Google Patents

信息推送方法和装置 Download PDF

Info

Publication number
CN108062423B
CN108062423B CN201810069447.2A CN201810069447A CN108062423B CN 108062423 B CN108062423 B CN 108062423B CN 201810069447 A CN201810069447 A CN 201810069447A CN 108062423 B CN108062423 B CN 108062423B
Authority
CN
China
Prior art keywords
risk
request data
searching request
negative sense
target entity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810069447.2A
Other languages
English (en)
Other versions
CN108062423A (zh
Inventor
陈科
方照发
汪凯
张发恩
郭江亮
唐进
尹世明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810069447.2A priority Critical patent/CN108062423B/zh
Publication of CN108062423A publication Critical patent/CN108062423A/zh
Application granted granted Critical
Publication of CN108062423B publication Critical patent/CN108062423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/214—Monitoring or handling of messages using selective forwarding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了信息推送方法和装置。该方法的一具体实施方式包括：获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值；确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息；若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息。从而可以提高实时预测出的、与实体对应的风险信息的准确性，进一步地，可以提升向预设用户推送信息的针对性。

Description

信息推送方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。
背景技术
随着互联网的发展，很多信息在第一时间在互联网上发布。例如有关企业的一些正面信息或者负面信息都会在互联网上发布。上述在互联网上发布信息可以是官方的信息，还可以是个人根据已知的关于一个企业的情况所发布的信息。
对于企业的投资机构(例如银行)可以除了可以定期从其投资的或待投资的一个企业的内部获取其信息之外，还可以通过外部获取与该企业相关的信息。例如接收互联网的运营商根据其所关注的企业向其推送的关于该企业的推送信息。
发明内容
本申请实施例提出了一种信息推送方法和装置。
第一方面，本申请实施例提供了一种信息推送方法，该方法包括：获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值；确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息；若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息。
在一些实施例中，搜索请求数据包括搜索语句，以及基于搜索请求数据确定与目标实体对应的当前风险信息，包括：对于每一条搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为搜索请求数据所对应的风险类型，其中预设风险词表关联存储有风险词和与各风险词对应的风险类型；对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值；将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型。
在一些实施例中，基于搜索请求数据确定与目标实体对应的当前风险信息，包括：对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果，情感分析结果包括以下之一：正向情感、负向情感、中性情感；基于情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；确定目标实体的负向情感占比，负向情感占比为具有负向情感的搜索请求数据的数量与在预定时段中与目标实体相关的搜索请求数据的数量的比值；基于负向情感占比确定与目标实体对应的风险信息。
在一些实施例中，基于负向情感占比确定与目标实体对应的风险信息，包括：确定多个预设实体的负向情感占比的平均值，其中每一个预设实体的负向情感占比的为预定时段中的该预设实体所对应的具有负向情感的搜索请求数据的数量与预定时段中的该预设实体所对应的搜索请求数据的数量的比值；若目标实体负向情感占比大于多个预设实体的负向情感占比的平均值，则对与目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果；基于语义分析结果和多个预设风险类型对与目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果；对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量；将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与目标实体对应的风险类型。
在一些实施例中，基于负向情感占比确定与目标实体对应的风险信息，还包括：基于如下公式计算目标实体所对应的风险值S：
其中Npos为目标实体在预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在预定时段内的总的搜索请求数据数量；Nineg为第i个预设实体在预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
第二方面，本申请实施例提供了一种信息推送装置，该装置包括：获取单元，配置用于获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；第一确定单元，配置用于基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值；第二确定单元，配置用于确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息；推送单元，配置用于若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息。
在一些实施例中，所述搜索请求数据包括搜索语句，以及第一确定单元进一步配置用于：对于每一条搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为搜索请求数据所对应的风险类型，其中预设风险词表关联存储有风险词和与各风险词对应的风险类型；对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值；将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型。
在一些实施例中，第一确定单元进一步配置用于：对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果，情感分析结果包括以下之一：正向情感、负向情感、中性情感；基于情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；确定目标实体的负向情感占比，负向情感占比为具有负向情感的搜索请求数据的数量与在预定时段中与目标实体相关的搜索请求数据的数量的比值；基于负向情感占比确定与目标实体对应的风险信息。
在一些实施例中，第一确定单元进一步配置用于：确定多个预设实体的负向情感占比的平均值，其中每一个预设实体的负向情感占比的为预定时段中的该预设实体所对应的具有负向情感的搜索请求数据的数量与预定时段中的该预设实体所对应的搜索请求数据的数量的比值；若目标实体负向情感占比大于多个预设实体的负向情感占比的平均值，则对与目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果；基于语义分析结果和多个预设风险类型对与目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果；对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量；将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与目标实体对应的风险类型。
在一些实施例中，第一确定单元进一步配置用于：基于如下公式计算目标实体所对应的风险值S：
其中Npos为目标实体在包含当前时刻的预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在预定时段内的总的搜索请求数据数量；Ni neg为第i个预设实体在预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面描述的方法。
本申请实施例提供的信息推送方法和装置，通过获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据，而后基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值，接着确定预设的历史时段内，目标实体是否出现与当前风险信息所指示的风险类型相同的历史风险信息，最后若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息，从而可以提高实时预测出的、与实体对应的风险信息的准确性，进一步地，可以提升向预设用户推送信息的针对性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的信息推送方法的一个实施例的流程图；
图3是根据本申请的信息推送方法的另一个实施例的流程图；
图4是根据本申请的信息推送方法的又一个实施例的流程图；
图5是根据本申请的信息推送装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息推送方法或信息推送装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，第一服务器104、第二服务器105和网络106、107、108。网络106用以在终端设备101、102、103和第一服务器104之间提供通信链路的介质。网络107用于在第一服务器104和第二服务器105之间提供通信链路的介质。网络108用于在第二服务器105和终端设备101、102、103之间通过通信链路的介质。网络106、网络107和网络108可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络106与第一服务器104交互，以接收或发送消息等。用户可以使用终端设备101、102、103通过网络108与第二服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
第一服务器104可以通过网络107与第二服务器105交互，以接收或发送消息等。
第二服务器105可以是提供各种服务的服务器，例如可以通过网络108从终端设备101、102、103接收并存储海量用户的搜索请求数据，并根据搜索请求数据向终端设备101、102、103提供相应网页内容的后台服务器。第一服务器104可以是提供各种服务的服务器，例如通过网络107从第二服务器105获取搜索请求数据，并对搜索请求数据进行处理，将处理结果推送给终端设备101、102、103的后台服务器。
需要说明的是，本申请实施例所提供的信息推送方法一般由第一服务器104执行，相应地，信息推送装置一般设置于第一服务器104中。
应该理解，图1中的终端设备、网络和第一服务器、第二服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和第一服务器和第二服务器。
值得指出的是，在一些应用场景中，第一服务器和第二服务器可以为同一台物理服务器。
继续参考图2，其示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法，包括以下步骤：
步骤201，获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据。
在互联网中，搜索引擎服务器(例如图1所示的第二服务器105)可以在同一时间接收海量用户通过终端设备发送的搜索请求。搜索引擎服务器可以根据这些搜索请求提供相应的网页内容，同时对这些搜索请求逐个进行存储。这里，每一个搜索请求均可以视为一个搜索请求数据。因此，第二服务器可以存储海量的搜索请求数据。在第二服务器中所存储的海量的搜索请求数据中，可以包括与不同实体相关的搜索请求数据。这里的实体例如可以是经济实体(如企业)等。
在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的第一服务器104)可以通过有线连接方式或者无线连接方式从搜索引擎服务器获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据。
作为示例性说明，上述包含当前时刻的预定时段例如可以为自当前时刻之前的12个小时起，至当前时刻止的这一时间段。上述目标实体例如可以是一个预先指定的经济实体。
上述电子设备可以通过网络向搜索引擎服务器发起获取与目标实体的相关的搜索请求数据的请求，搜索引擎服务器可以将与目标实体相关的海量搜索请求数据发送给上述电子设备。上述电子设备在这些与目标实体相关的海量搜索请求数据中按照时间信息截取包含当前时刻的预定时段中与目标实体相关的搜索请求数据。
步骤202，基于搜索请求数据确定与目标实体对应的当前风险信息。
在本实施例中，基于步骤201中获取的包含当前时刻的预定时段中，与目标实体相关的搜索请求数据之后，上述电子设备(例如图1所示的第一服务器104)可以利用各种分析手段对上述搜索请求数据进行分析，从而确定与目标实体对应的当前风险信息。其中，当前风险信息可以包括风险类型以及风险值。
在本实施例中，上述电子设备中可以预先设置多个预设风险类型。这里的预设风险类型例如可以为但不限于以下至少一者：市场风险、产品风险、经营风险、投资风险、外汇风险、人事风险、体制风险、购并风险、自然灾害风险、质量风险、政策风险、法律风险、外交风险等。
在本实施例的一些可选实现方式中，上述电子设备可以使用各种语义分析方法对搜索请求数据进行语义分析得到搜索请求数据对应的语义分析结果。上述电子设备可以根据多条搜索请求数据分别对应的语义分析结果对上述多个搜索请求数据执行聚类操作，得到多个类。其中属于同一类的搜索请求数据包括相同的语义。上述电子设备根据聚类结果中的每一个类所对应的语义确定该类是否对应于某个预设风险类型。进一步地，上述电子设备可以根据一个类所包括的搜索请求数据的数量确定与该类对应的预设风险类型所对应的风险值。一个类所包括的搜索请求数据的数量与该类对应的预设风险类型所对应的风险值正相关。
可以将所对应的风险值大于预设风险阈值的风险类型作为与上述目标实体对应的风险类型。
需要说明的是，上述语义分析方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤203，确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
在步骤202中，在确定了上述目标实体所对应的当前风险信息之后，上述电子设备可以确定预设的历史时段内，上述目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
上述预设的历史时段例如可以为在包含当前时刻的预定时段之前的某个时段。例如在包含当前时刻的预定时段之前10天。这里的历史时段可以根据需要进行设定，此处不进行限定。
在本实施例中，历史风险信息所指示的风险类型可以包括至少一个风险类型。当前风险信息所指示的风险类型可以包括至少一个风险类型。
上述电子设备可以从预先存储的预设的历史时段中目标实体所对应的历史风险信息确定是否出现过所指示的风险类型与当前风险信息所指示的风险类型相同的风险类型。具体地，若一个历史风险信息所指示的一个风险类型与当前风险信息所指示的一个风险类型相同，则确定目标实体出现过所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
若任一历史风险信息所指示的各风险类型与当前风险信息所指示的各个风险类型均不相同，则确定目标实体未出现过所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
步骤204，若否，则向预设用户推送风险提示信息。
上述电子设备若确定目标实体未出现过与当前风险信息所指示的风险类型相同的历史风险信息，则可以向预设用户推送风险提示信息。这里风险提示信息可以包括目标实体的名称以及当前风险信息。并将将当前风险信息与包含当前时刻的预定时段进行关联存储。这样，可以减少向预设用户推送相同的风险类型的次数，以节约预设用户的浏览相同风险信息的时间。
在本实施例中，上述预设用户可以为银行等金融机构，或者与目标实体有关联的其他实体等。
值得指出的是，若上述电子设备确定目标实体出现过所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息之后，上述电子设备可以不对当前风险信息进行提示。
本申请的上述实施例提供的方法通过对与目标实体相关的搜索请求数据进行分析，确定与目标实体对应的风险信息并推送，以便预设用户对风险信息所指示的风险进行规避，从而可以降低经济损失。
进一步参考图3，其示出了信息推送方法的另一个实施例的流程300。该信息推送方法的流程300，包括以下步骤：
步骤301，获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据。
步骤301与图2所示实施例中的步骤201相同，此处不赘述。
步骤302，搜索请求数据包括搜索语句，对于每一条搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为搜索请求数据所对应的风险类型，其中预设风险词表关联存储有风险词和与各风险词对应的风险类型。
在本实施例中，搜索请求数据可以包括搜索语句。信息推送方法运行于其上的电子设备(如图1所示的第一服务器104)中可以预先设置有风险词表，或者上述电子设备可以通过网络访问设置在其他设备中的预设风险词表。预设风险词表中可以包括通过从海量互联网网页内容数据中分析出的多个风险词和多个风险类型。其中，在预设风险词表中，每一个风险词可以和其对应的风险类型关联存储。也即预设风险词表关联存储有风险词与各风险词对应的风险类型。
对于每一条搜索请求数据，上述电子设备对该搜索请求数据中的搜索语句执行分词操作，得到与该搜索语句对应的分词。响应于其中至少一个分词与预设风险词表中的风险词相匹配，上述电子设备将与分词相匹配的风险词所对应的风险类型确定为该搜索请求数据所对应的风险类型。
在本实施例中，上述风险类型例如可以包括但不限于：市场风险、产品风险、经营风险、投资风险、外汇风险、人事风险、体制风险、购并风险、自然灾害风险、质量风险、政策风险、法律风险、外交风险等。其中，每一个风险类型可以对应多个风险词。例如经营风险对应的风险词可以包括但不限于：资不抵债、亏损、关停、兼并收购、借壳重组、停止生产、入不敷出、下岗、破产重组、血本无归等。人事风险对应的风险词可以包括但不限于：人才流失、任用不当、集体辞职。购并风险对应的风险词可以包括但不限于：恶意收购、恶意合并。法律风险对应的风险词可以包括但不限于污染环境、偷税、漏税、恶意倾销、雇佣童工等等。
这样一来，与目标实体相关的每一条搜索请求数据都可以对应一个风险类型。
步骤303，对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值。
在本实施例中，对于每一个风险类型，上述电子设备可以统计该风险类型所对应的搜索请求数据的数量，并基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值。风险类型所对应的搜索请求数据的数量与风险类型所对应的风险值正相关。可以理解，一个风险类型所对应的搜索请求数据的数量越多，该风险类型所对应的风险值也越大。
步骤304，将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型。
在本实施例中，在步骤303中确定了各个风险类型所对应的风险值之后，上述电子设备可以将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型。
这里的预设风险阈值可以根据具体的应用场景进行设定，此处不做限定。
步骤305，确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
本实施例中的步骤305与图2所示的实施例中步骤203相同，此处不赘述。
步骤306，若否，则向预设用户推送风险提示信息。
在本实施例中，上述风险提示信息例如可以包括与目标实体对应的风险类型，以及该风险类型对应的风险值。
从图3中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程300突出了通过使用预设的风险词表中的风险词与搜索语句的各个分词进行匹配而得到各个搜索请求数据对应风险类型，并根据所包括的搜索请求数据的数量确定风险类型的风险值，将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型的步骤。由此，本实施例可以简化确定与目标实体对应的风险信息的过程，有利于提高推送风险提示信息的速度。
进一步参考图4，其示出了信息推送方法的又一个实施例的流程400。该信息推送方法的流程400，包括以下步骤：
步骤401，获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据。
步骤402，对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果。
在本实施例中，上述电子设备可以使用各种情感分析方法对各条搜索请求数据进行情感分析，从而得到与各搜索请求数据分别对应的情感分析结果。对于任一条搜索请求数据对应的情感分析结果可以包括以下之一：正向情感、负向情感、中性情感。也就是说，经过情感分析之后，任意一条搜索请求数据所具有的情感可以是正向情感，或者可以是负向情感，或者可以是中性情感。
这里的情感分析方法例如可以包括：基于词典的情感分析方法、基于机器学习的情感分析方法、基于词典与机器学习混合的情感分析方法、基于弱标注信息的情感分析方法和基于深度学习的情感分析方法等。需要说明的是，上述各情感分析方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤403，基于情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量。
在本实施例中，在步骤402中确定出各条搜索请求数据分别对应的情感分析结果之后，上述电子设备分别对具有正向情感的搜索请求数据的数量进行统计，对具有负向情感的搜索请求数据的数量进行统计，以及对具有正向情感的搜索请求数据的数量进行统计。可以得到具有正向情感的搜索请求数据的数量，具有负向情感的搜索请求数据的数量以及具有中性情感的搜索请求数据的数量。
步骤404，确定目标实体的负向情感占比。
在统计出具有负向情感的搜索请求数据的数量之后，上述电子设备可以根据具有负向情感的搜索请求数据的数量和在包含当前时刻的预定时段内与目标实体相关的搜索请求数据的总数量确定目标实体的负向情感占比。目标实体的负向情感占比可以为具有负向情感的搜索请求数据的数量与在包含当前时刻的预定时段中与目标实体相关的搜索请求数据的数量的比值。
步骤405，基于负向情感占比确定与目标实体对应的风险信息。
在确定出目标实体的负向情感占比之后，上述电子设备可以根据负向情感占比确定与目标实体对应的风险信息。
在本实施例中，若负向情感占比大于预设负向情感占比阈值，上述电子设备可以确定目标实体对应的风险信息。
在本实施例中，上述步骤405基于负向情感占比确定与目标实体对应的风险信息可以进一步包括如下子步骤：
子步骤4051，确定多个预设实体的负向情感占比的平均值。
在确定出目标实体的负向情感占比之后，上述电子设备可以获取多个预设实体中与每一个预设实体相关的搜索请求数据。对于多个预设实体中的每一个预设实体，上述电子设备对与该预设实体相关的各搜索请求数据进行情感分析，得到与该预设实体相关的各搜索请求数据分别对应的情感分析结果；统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；上述电子设备可以将上述包含当前时刻在内的预定时段中与该预设实体相关的具有负向情感的搜索请求数据的数量和上述包含当前时刻在内的预定时段中与该预设实体相关的搜索请求数据的总数量的比值作为该预设实体对应的负向情感占比。这样一来，上述电子设备可以得到多个预设实体中各个预设实体分别对应的负向情感占比。进一步地，上述电子设备可以根据如下公式确定多个预设实体的负向情感占比的平均值：其中，M为预设实体的数量，M为正整数，且M大于1；i为正整数，且i≤M；为第i个预设实体在包含当前时刻的预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在包含当前时刻的预定时段内的总的搜索请求数据数量。
在本实施例中，上述多个预设实体例如可以是预先指定的与目标实体具有一定关联的实体。当目标实体为经济实体(企业)时，上述多个预设实体可以是与上述目标实体经营同类型业务的经济实体。
子步骤4052，若目标实体负向情感占比大于多个预设实体的负向情感占比的平均值，则对与目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果。
在确定出多个预设实体的负向情感占比的平均值之后，上述电子设备可以判断目标实体负向情感占比与多个预设实体的负向情感占比的平均值的大小。若目标实体负向情感占比大于多个预设实体的负向情感占比的平均值，则对与目标实体相关的负向情感的各搜索请求数据执行语义分析操作，可以得到具有负向情感的各搜索请求数据的语义分析结果。在对与目标实体相关的具有负向情感的各搜索请求数据执行语义分析操作时，可以使用现有的语义分析方法对上述具有负向情感的搜索请求数据执行语义分析操作。上述语义分析方法例如可以包括但不限于主题模型语义分析方法。
子步骤4053，基于语义分析结果和多个预设风险类型对与目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果。
对于任意一条具有负向情感的搜索请求数据，上述电子设备可以根据在子步骤4052中得到的该搜索请求数据的语义分析结果，将该具有负向情感的搜索请求数据确定为多个预设风险类型中的一个预设风险类型。这样，上述电子设备可以将每一条搜索请求数据对应到一个预设风险类型，从而得到具有负向情感的多条搜索请求数据各自对应的分类结果。
子步骤4054，对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量。
在子步骤4053得到具有负向情感的多条搜索请求数据各自对应的分类结果之后，对于每一个预设风险类型，上述电子设备可以统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量。这样可以得到每一个预设风险类型所对应的具有负向情感的搜索请求数据的数量。
子步骤4055，将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与目标实体对应的风险类型。
在上述子步骤4054得到每一个预设风险类型所对应的具有负向情感的搜索请求数据的数量之后，上述电子设备可以将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与目标实体对应的风险类型。这里的预设阈值可以根据具体的应用进行设定，此处不做限定。
在本实施例中，上述步骤405基于负向情感占比确定与目标实体对应的风险信息，上述电子设备还可以进一步基于如下公式计算目标实体所对应的风险值S：
其中，
Npos为目标实体在预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在预定时段内的总的搜索请求数据数量；Nineg为第i个预设实体在预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
这样一来，风险提示信息中的风险值可以由与目标实体相关的具有负向情感的搜索请求数据来确定，从而可以更加全面地反映出目标实体所面临的整体风险。
步骤406，确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息。
步骤407，若否，则向预设用户推送风险提示信息。
从图4中可以看出，与图2对应的实施例相比，本实施例中的信息获取方法的流程400突出了根据对搜索请求数据的情感分析确定目标实体对应的风险类型的步骤。由此，本实施例描述的方案可以引入更多的风险类型，从而实现获取更全面的与目标实体对应的风险信息。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的信息推送装置500包括：获取单元501、第一确定单元502、第二确定单元503和推送单元504。其中，获取单元501，配置用于获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；第一确定单元502，配置用于基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值；第二确定单元503，配置用于确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息；推送单元504，配置用于若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息。
在本实施例中，信息推送装置500的获取单元501、第一确定单元502、第二确定单元503和推送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，搜索请求数据包括搜索语句。第一确定单元502进一步配置用于：对于每一条搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为搜索请求数据所对应的风险类型，其中预设风险词表关联存储有风险词和与各风险词对应的风险类型；对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值；将风险值大于预设风险阈值的风险类型确定为与目标实体对应的风险类型。
在本实施例的一些可选实现方式中，第一确定单元502进一步配置用于：对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果，情感分析结果包括以下之一：正向情感、负向情感、中性情感；基于情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；确定目标实体的负向情感占比，负向情感占比为在包含当前时刻在内的预定时段中具有负向情感的搜索请求数据的数量与在包含当前时刻在内的预定时段中与目标实体相关的搜索请求数据的数量的比值；基于负向情感占比确定与目标实体对应的风险信息。
在本实施例的一些可选实现方式中，第一确定单元502进一步配置用于：确定多个预设实体的负向情感占比的平均值，其中每一个预设实体的负向情感占比的为预定时段中的该预设实体所对应的具有负向情感的搜索请求数据的数量与在包含当前时刻在内的预定时段中的该预设实体所对应的搜索请求数据的数量的比值；若目标实体负向情感占比大于多个预设实体的负向情感占比的平均值，则对与目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果；基于语义分析结果和多个预设风险类型对与目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果；对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量；将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与目标实体对应的风险类型。
在本实施例的一些可选实现方式中，第一确定502单元进一步配置用于：基于如下公式计算目标实体所对应的风险值S：
其中，
Npos为目标实体在包含当前时刻的预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在包含当前时刻的预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在包含当前时刻的预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在包含当前时刻的预定时段内的总的搜索请求数据数量；为第i个预设实体在包含当前时刻的预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在包含当前时刻的预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、第二确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；基于搜索请求数据确定与目标实体对应的当前风险信息，当前风险信息包括风险类型以及风险值；确定预设的历史时段内，目标实体是否出现所指示的风险类型与当前风险信息所指示的风险类型相同的历史风险信息；若否，则向预设用户推送风险提示信息，风险提示信息包括目标实体的名称以及当前风险信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种信息推送方法，包括：
获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；
基于所述搜索请求数据确定与所述目标实体对应的当前风险信息，所述当前风险信息包括风险类型以及风险值；
确定预设的历史时段内，所述目标实体是否出现所指示的风险类型与所述当前风险信息所指示的风险类型相同的历史风险信息；
若否，则向预设用户推送风险提示信息，所述风险提示信息包括所述目标实体的名称以及所述当前风险信息。
2.根据权利要求1所述的方法，其中，所述搜索请求数据包括搜索语句，以及
所述基于所述搜索请求数据确定与所述目标实体对应的当前风险信息，包括：
对于每一条所述搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为所述搜索请求数据所对应的风险类型，其中所述预设风险词表关联存储有风险词和与各风险词对应的风险类型；
对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值；
将风险值大于预设风险阈值的风险类型确定为与所述目标实体对应的风险类型。
3.根据权利要求1所述的方法，其中，所述基于所述搜索请求数据确定与所述目标实体对应的当前风险信息，包括：
对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果，情感分析结果包括以下之一：正向情感、负向情感、中性情感；
基于所述情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；
确定所述目标实体的负向情感占比，所述负向情感占比为所述具有负向情感的搜索请求数据的数量与在所述预定时段中与所述目标实体相关的搜索请求数据的数量的比值；
基于所述负向情感占比确定与所述目标实体对应的风险信息。
4.根据权利要求3所述的方法，其中，所述基于所述负向情感占比确定与所述目标实体对应的风险信息，包括：
确定多个预设实体的负向情感占比的平均值，其中每一个预设实体的负向情感占比的为所述预定时段中的该预设实体所对应的具有负向情感的搜索请求数据的数量与所述预定时段中的该预设实体所对应的搜索请求数据的数量的比值；
若所述目标实体负向情感占比大于所述多个预设实体的负向情感占比的平均值，则对与所述目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果；
基于所述语义分析结果和多个预设风险类型对与所述目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果；
对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量；
将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与所述目标实体对应的风险类型。
5.根据权利要求4所述的方法，其中，所述基于所述负向情感占比确定与所述目标实体对应的风险信息，还包括：
基于如下公式计算所述目标实体所对应的风险值S：
其中，
Npos为目标实体在所述预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在所述预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在所述预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在所述预定时段内的总的搜索请求数据数量；为第i个预设实体在所述预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在所述预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
6.一种信息推送装置，包括：
获取单元，配置用于获取包含当前时刻的预定时段中，与目标实体相关的搜索请求数据；
第一确定单元，配置用于基于所述搜索请求数据确定与所述目标实体对应的当前风险信息，所述当前风险信息包括风险类型以及风险值；
第二确定单元，配置用于确定预设的历史时段内，所述目标实体是否出现所指示的风险类型与所述当前风险信息所指示的风险类型相同的历史风险信息；
推送单元，配置用于若否，则向预设用户推送风险提示信息，所述风险提示信息包括所述目标实体的名称以及所述当前风险信息。
7.根据权利要求6所述的装置，其中，所述搜索请求数据包括搜索语句，以及
所述第一确定单元进一步配置用于：
对于每一条所述搜索请求数据，执行如下分类操作：对该搜索请求数据中的搜索语句执行分词操作得到与该搜索语句对应的分词，响应于其中至少一个分词与预设风险词表中的风险词相匹配，将与分词相匹配的风险词所对应的风险类型确定为所述搜索请求数据所对应的风险类型，其中所述预设风险词表关联存储有风险词和与各风险词对应的风险类型；
对于每一个风险类型，基于该风险类型所对应的搜索请求数据的数量确定该风险类型所对应的风险值；
将风险值大于预设风险阈值的风险类型确定为与所述目标实体对应的风险类型。
8.根据权利要求6所述的装置，其中，所述第一确定单元进一步配置用于：
对各条搜索请求数据进行情感分析得到分别与各搜索请求数据对应的情感分析结果，情感分析结果包括以下之一：正向情感、负向情感、中性情感；
基于所述情感分析结果统计具有正向情感的搜索请求数据的数量、具有负向情感的搜索请求数据的数量和具有中性情感的搜索请求数据的数量；
确定所述目标实体的负向情感占比，所述负向情感占比为所述具有负向情感的搜索请求数据的数量与在所述预定时段中与所述目标实体相关的搜索请求数据的数量的比值；
基于所述负向情感占比确定与所述目标实体对应的风险信息。
9.根据权利要求8所述的装置，其中，所述第一确定单元进一步配置用于：
确定多个预设实体的负向情感占比的平均值，其中每一个预设实体的负向情感占比的为所述预定时段中的该预设实体所对应的具有负向情感的搜索请求数据的数量与所述预定时段中的该预设实体所对应的搜索请求数据的数量的比值；
若所述目标实体负向情感占比大于所述多个预设实体的负向情感占比的平均值，则对与所述目标实体相关的具有负向情感的各个搜索请求数据执行语义分析操作分别得到具有负向情感的各搜索请求数据的语义分析结果；
基于所述语义分析结果和多个预设风险类型对与所述目标实体相关的具有负向情感的多条搜索请求数据执行分类操作，得到具有负向情感的多条搜索请求数据对应的分类结果；
对于每一个预设风险类型，统计该预设风险类型所对应的具有负向情感的搜索请求数据的数量；
将所对应的具有负向情感的搜索请求数据的数量大于预设阈值的预设风险类型确定为与所述目标实体对应的风险类型。
10.根据权利要求9所述的装置，其中，所述第一确定单元进一步配置用于：
基于如下公式计算所述目标实体所对应的风险值S：
其中，
Npos为目标实体在所述预定时段内的具有正向情感的搜索请求数据数量；Nneu为目标实体在所述预定时段内的具有中性情感的搜索请求数据数量；Nneg为目标实体在所述预定时段内的具有负向情感的搜索请求数据数量；N为目标实体在所述预定时段内的总的搜索请求数据数量；为第i个预设实体在所述预定时段内的具有负向情感的搜索请求数据数量；Ni为第i个预设实体在所述预定时段内的总的搜索请求数据数量；M为正整数，且M大于1；i为正整数，且i≤M。
11.一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201810069447.2A 2018-01-24 2018-01-24 信息推送方法和装置 Active CN108062423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810069447.2A CN108062423B (zh) 2018-01-24 2018-01-24 信息推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810069447.2A CN108062423B (zh) 2018-01-24 2018-01-24 信息推送方法和装置

Publications (2)

Publication Number Publication Date
CN108062423A CN108062423A (zh) 2018-05-22
CN108062423B true CN108062423B (zh) 2019-04-19

Family

ID=62141803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810069447.2A Active CN108062423B (zh) 2018-01-24 2018-01-24 信息推送方法和装置

Country Status (1)

Country Link
CN (1) CN108062423B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109582869B (zh) * 2018-11-29 2022-09-30 北京搜狗科技发展有限公司 一种数据处理方法、装置和用于数据处理的装置
CN109933788B (zh) * 2019-02-14 2023-05-23 北京百度网讯科技有限公司 类型确定方法、装置、设备和介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655966A (zh) * 2008-08-19 2010-02-24 阿里巴巴集团控股有限公司 一种贷款风险控制方法及系统
CN103886501B (zh) * 2014-04-08 2017-04-26 苏州大学 一种基于语义情感分析的贷后风险预警系统
US20160171415A1 (en) * 2014-12-13 2016-06-16 Security Scorecard Cybersecurity risk assessment on an industry basis
CN105956740B (zh) * 2016-04-19 2019-12-31 北京深度时代科技有限公司 一种基于文本逻辑特征的语义风险计算方法
CN107451710B (zh) * 2017-04-27 2021-02-26 北京鼎泰智源科技有限公司 一种信息风险等级五级分类方法及系统
CN107506601A (zh) * 2017-09-05 2017-12-22 上海市静安区精神卫生中心 医院病人gis系统

Also Published As

Publication number Publication date
CN108062423A (zh) 2018-05-22

Similar Documents

Publication Publication Date Title
CN107908740A (zh) 信息输出方法和装置
CN108171276A (zh) 用于生成信息的方法和装置
CN108985809A (zh) 激励推送的方法、装置、电子设备和存储介质
CN109976997A (zh) 测试方法和装置
CN106355391A (zh) 一种业务处理方法及装置
CN108897853A (zh) 生成推送信息的方法和装置
CN107943895A (zh) 信息推送方法和装置
CN107526718A (zh) 用于生成文本的方法和装置
CN111181757B (zh) 信息安全风险预测方法、装置以及计算设备、存储介质
CN107330572A (zh) 风控方法、装置及系统
CN110414989A (zh) 异常检测方法及装置、电子设备和计算机可读存储介质
CN111179051A (zh) 金融目标客户确定方法、装置及电子设备
CN110263255A (zh) 用户属性信息的获取方法、系统、服务器及存储介质
CN109711733A (zh) 用于生成聚类模型的方法、电子设备和计算机可读介质
CN108062423B (zh) 信息推送方法和装置
CN109284367A (zh) 用于处理文本的方法和装置
CN109471976A (zh) 网页操作数据的处理方法、装置、电子设备及存储介质
CN111598360A (zh) 服务策略确定方法、装置及电子设备
CN108256078B (zh) 信息获取方法和装置
CN116245670A (zh) 基于双标签模型处理财税数据的方法、装置、介质和设备
CN107347093A (zh) 用于分布式服务器系统的配置方法和装置
CN108182180B (zh) 用于生成信息的方法和装置
CN107291835A (zh) 一种搜索词的推荐方法和装置
WO2021093320A1 (zh) 用于输出信息的方法和装置
CN108257081A (zh) 用于生成图片的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant