CN103218412A - 舆情信息处理方法与装置 - Google Patents
舆情信息处理方法与装置 Download PDFInfo
- Publication number
- CN103218412A CN103218412A CN2013101001952A CN201310100195A CN103218412A CN 103218412 A CN103218412 A CN 103218412A CN 2013101001952 A CN2013101001952 A CN 2013101001952A CN 201310100195 A CN201310100195 A CN 201310100195A CN 103218412 A CN103218412 A CN 103218412A
- Authority
- CN
- China
- Prior art keywords
- information
- public sentiment
- public
- visit
- user
- 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.)
- Granted
Links
Images
Abstract
本发明提供了一种舆情信息处理方法与装置,其中,舆情信息处理方法包括:当用户访问舆情信息时,确定所述用户所在的舆情分组;其中,所述用户所在的舆情分组通过以下方式确定:预先获取多个用户的往期舆情访问信息,根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征,根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组;其中,所述多个用户包括访问所述舆情信息的用户;根据确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。通过本发明,可以针对具有不同社情倾向性特征的用户,进行有针对性的监控和引导处理,使得舆情监控更为全面、有针对性和精准。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种网络舆情的舆情信息处理方法与装置。
背景技术
网络舆情是通过互联网传播的、公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点,主要通过微博、BBS论坛、博客、新闻跟贴、转贴等实现并加以强化。由于互联网具有虚拟性、隐蔽性、发散性、渗透性和随意性等特点,越来越多的网民乐意通过这种渠道来表达观点、传播思想。网络舆情是一股强大的舆论力量,会反作用于热点事件并对社会发展和事态进程产生一定的影响。如果引导不善,负面的网络舆情将对社会公共安全形成较大威胁。对相关政府部门来说,如何准确地识别网络舆情信息并加以及时监测和有效引导,对维护社会稳定、促进国家发展具有重要的现实意义,也是构建和谐网络的应有内涵。
因此,对网络信息中的舆情信息进行及时准确的识别和处理具有重要的意义,如何将处在萌发状态的舆情信息识别出来并加以正确处理,具有至关重要的作用。目前,国内的舆情监控系统大多侧重于从海量网络信息中发现热点话题为出发点来实现对网络舆情的识别和监控,其实现多以搜索引擎为舆情收集的主要工具,对文本信息进行收集、处理和分析,如分词预处理,特征分词选取,聚类,重在数据分析和结果客观展示。
然而,上述这些监控系统主要关注负面突发事件的发生、过程及结果,而不能针对监控结果提供有效的处理方案,因而只能提供粗略的舆情监控,无法实现更为精准的舆情监控和处理。
发明内容
本发明提供了一种舆情信息处理方法与装置,以解决现有技术只能提供粗略的舆情监控,无法实现更为精准的舆情监控和处理的问题。
为了解决上述问题,本发明公开了一种舆情信息处理方法,包括:当用户访问舆情信息时,确定所述用户所在的舆情分组;其中,所述用户所在的舆情分组通过以下方式确定:预先获取多个用户的往期舆情访问信息,根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征,根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组;其中,所述多个用户包括访问所述舆情信息的用户;根据确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。
优选地,所述往期舆情访问信息包括以下至少之一:访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的所述舆情网站和/或所述社交网站的舆情内容分布信息、访问所述舆情网站和/或所述社交网站的所述多个用户的用户访问分布信息。
优选地,当所述往期舆情访问信息包括所述访问舆情网站时的行为信息、所述访问社交网站时的行为信息、所述舆情内容分布信息和所述用户访问分布信息时,所述根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征的步骤包括:根据所述舆情内容分布信息和所述用户访问分布信息,确定不同舆情网站和/或社交网站的权重;根据确定的所述权重、所述访问舆情网站时的行为信息、和所述访问社交网站时的行为信息,确定所述多个用户的社情倾向性特征。
优选地,所述根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组的步骤包括:根据确定的所述社情倾向性特征,通过聚类对所述多个用户进行舆情分组。
优选地,所述根据确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息的步骤包括:确定所述用户所在的地域信息,和/或,所述用户访问的所述舆情信息所在的舆情网站或社交网站;根据确定的所述地域信息和/或所述舆情信息所在的舆情网站或社交网站,以及所述用户所在的舆情分组的社情倾向性特征,向所述用户提供所述设定的引导信息。
优选地,所述舆情信息处理方法还包括:根据所述用户访问的所述舆情信息在不同舆情网站和/或社交网站的舆情内容分布信息、访问所述舆情信息的用户的用户访问分布信息、和所述不同舆情网站和/或社交网站的权重,计算所述舆情信息的热度;根据所述舆情信息的热度,按照设定规则展现所述舆情信息。
为了解决上述问题,本发明还公开了一种舆情信息处理装置,包括:分组模块,用于预先获取多个用户的往期舆情访问信息,根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征;根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组;确定模块,用于当所述多个用户中的用户访问舆情信息时,确定访问所述舆情信息的用户所在的舆情分组;处理模块,用于根据所述确定模块确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。
优选地,所述往期舆情访问信息包括以下至少之一:访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的所述舆情网站和/或所述社交网站的舆情内容分布信息、访问所述舆情网站和/或所述社交网站的所述多个用户的用户访问分布信息。
优选地,当所述往期舆情访问信息包括所述访问舆情网站时的行为信息、所述访问社交网站时的行为信息、所述舆情内容分布信息和所述用户访问分布信息时,所述分组模块在根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征时,根据所述舆情内容分布信息和所述用户访问分布信息,确定不同舆情网站和/或社交网站的权重;根据确定的所述权重、所述访问舆情网站时的行为信息、和所述访问社交网站时的行为信息,确定所述多个用户的社情倾向性特征。
优选地,所述处理模块,用于确定访问所述舆情信息的用户所在的地域信息,和/或,所述舆情信息所在的舆情网站或社交网站;根据确定的所述地域信息和/或所述舆情信息所在的舆情网站或社交网站,以及所述用户所在的舆情分组的社情倾向性特征,向所述用户提供所述设定的引导信息。
与现有技术相比,本发明具有以下优点:
本发明事先根据用户的往期舆情访问信息确定用户的社情倾向性特征,并根据该社情倾向性特征对用户分组。当用户访问舆情信息时,首先确定用户所在的舆情分组,再根据该舆情分组的社情倾向性特征提供预先设定好的引导信息,以正确引导用户。现有技术的方案主要关注负面突发事件的发生、过程及结果,对舆情信息的受众不进行分析,因而只能提供粗略的舆情监控,而无法实现更为精准的舆情监控和处理。通过本发明,可以针对具有不同社情倾向性特征的用户,进行有针对性的监控和引导处理,使得舆情监控更为全面、有针对性和精准。
附图说明
图1是根据本发明实施例一的一种舆情信息处理方法的步骤流程图;
图2是根据本发明实施例二的一种舆情信息处理方法的步骤流程图;
图3是根据本发明实施例三的一种舆情信息处理方法的步骤流程图;
图4是根据本发明实施例四的一种舆情信息处理装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了根据本发明实施例一的一种舆情信息处理方法的步骤流程图。
本实施例的舆情信息处理方法包括以下步骤:
步骤S102:当用户访问舆情信息时,确定用户所在的舆情分组。
其中,用户所在的舆情分组通过以下方式确定:预先获取多个用户的往期舆情访问信息,根据往期舆情访问信息确定多个用户的社情倾向性特征,根据确定的社情倾向性特征,对多个用户进行舆情分组;其中,多个用户包括访问舆情信息的用户。
本实施例中,多个用户被事先按照社情倾向性特征分组,当多个用户中任意一个用户访问舆情信息时,可以先按照事先的分组情况,确定该用户所在的舆情分组。社情是社会情况的简称,包含社会经济发展情况、社会治安、民生等等。社情倾向性特征表征了用户对社情的主观情绪倾向性,如对社会治安舆情的反应是积极的,还是消极的等等类似的倾向性。社倾向性特征可以通过对用户的往期舆情访问信息进行特征词提取等手段获得。
步骤S104:根据确定的用户所在的舆情分组的社情倾向性特征,向用户提供设定的引导信息。
针对某一或某些舆情信息,可以事先设定相对应的处理策略,给出引导信息。当根据用户了舆情分组确定了用户的社情倾向性特征后,提供相应的引导信息。如,在相应的舆情网站和/或社交网站上发布信息,公开辟谣等。
通过本实施例,事先根据用户的往期舆情访问信息确定用户的社情倾向性特征,并根据该社情倾向性特征对用户分组。当用户访问舆情信息时,首先确定用户所在的舆情分组,再根据该舆情分组的社情倾向性特征提供预先设定好的引导信息,以正确引导用户。现有技术的方案主要关注负面突发事件的发生、过程及结果,对舆情信息的受众不进行分析,因而只能提供粗略的舆情监控,而无法实现更为精准的舆情监控和处理。通过本实施例,可以针对具有不同社情倾向性特征的用户,进行有针对性的监控和引导处理,使得舆情监控更为全面、有针对性和精准。
实施例二
参照图2,示出了根据本发明实施例二的一种舆情信息处理方法的步骤流程图。
本实施例的舆情信息处理方法包括以下步骤:
步骤S202:获取多个用户的往期舆情访问信息,根据往期舆情访问信息确定多个用户的社情倾向性特征。
本实施例中,往期舆情访问信息包括以下至少之一:访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的舆情网站和/或社交网站的舆情内容分布信息、访问舆情网站和/或社交网站的多个用户的用户访问分布信息。
舆情网站可以包括所有提供舆情信息的网站,如新浪网、天涯网、微博、BBS论坛、博客、提供新闻跟贴、转贴的网站等等。访问舆情网站或社交网站时的行为信息可以是诸如关注、转发、或评论等信息;访问的舆情网站和/或社交网站的舆情内容分布信息表征了舆情信息在某一舆情网站和/或某一社交网站的分布情况,如政治舆情在新浪网的占比,或在天涯网的占比等;访问舆情网站和/或社交网站的多个用户的用户访问分布信息表征了访问某类舆情信息的用户分布情况,如各年龄段的用户对某类舆情信息的访问占比。
通过上述往期舆情访问信息,可以确定用户的社情倾向性特征,如,中年年龄段的用户偏向于保守,青年年龄段的用户偏向于激进等等。
优选地,当往期舆情访问信息同时包括访问舆情网站时的行为信息、访问社交网站时的行为信息、舆情内容分布信息和用户访问分布信息时,根据往期舆情访问信息确定多个用户的社情倾向性特征时,还可以根据上述舆情内容分布信息和用户访问分布信息,确定不同舆情网站和/或社交网站的权重;根据确定的权重、访问舆情网站时的行为信息、和访问社交网站时的行为信息,确定多个用户的社情倾向性特征。例如,可以根据新闻类别判断网站的种类,如时政新闻类还是科技类,根据新闻转载数/用户数/新闻首发等来判断该站在某类网站中的重要程度,进而确定该网站的权重;再根据该网站的权重、访问该网站时的行为信息等,确定用户的社情倾向性特征。对不同舆情网站和/或社交网站赋予权重,可以更为准确地确定用户的社情倾向性特征。
步骤S204:根据确定的社情倾向性特征,对多个用户进行舆情分组。
具体的分组情况可以由本领域技术人员根据实际情况适当设定,如采用较粗略标准的按年龄分组,或如采用更细化一些标准的按照年龄和对舆情态度(比如对房价感兴趣的和对食品安全感兴趣的)分组等,本发明对此不作限制。
优选地,在进行舆情分组时,可以根据确定的社情倾向性特征,通过聚类对多个用户进行舆情分组。但不限于此,其它适当的分组方式同样适用。
进行舆情分组后,分组信息可存储于适当设备上,如服务器或本地客户端等,以在需要时查询确定具体用户所属的分组。分组可以按照设定规则定时更新或实时更新,以更准确地确定用户的社情倾向性特征。
步骤S206:当多个用户中有用户访问舆情信息时,确定访问舆情信息的用户所在的舆情分组。
即,根据步骤S204确定的舆情分组,对访问舆情信息的用户进行分组定位。
步骤S208:根据确定的用户所在的舆情分组的社情倾向性特征,向用户提供设定的引导信息。
在确定了用户所在的舆情分组后,也就确定了用户的社情倾向性特征,即可根据该用户的社情倾向性特征,提供事先预定的引导信息。如对年青年龄段的用户采用更生动活泼的方式对舆情进行引导等。
更为优选地,还可以确定访问舆情信息的用户所在的地域信息,和/或,访问舆情信息的用户访问的舆情信息所在的舆情网站或社交网站;进而,根据确定的地域信息和/或舆情信息所在的舆情网站或社交网站,以及用户所在的舆情分组的社情倾向性特征,向用户提供设定的引导信息。如,向北方地域用户提供更多大气污染信息,而向南方地域用户提供更多打工服务信息等。需要说明的是,通过访问舆情信息的用户所在的地域信息,和/或,访问舆情信息的用户访问的舆情信息所在的舆情网站或社交网站的信息,可以为舆情监控者提供详细的监控信息,如广东的舆情监控者可以通过这些信息获知本地用户更为关注那些舆情信息,本地用户经常访问的网站,以及对本地用户对相关舆情信息的社情倾向性特征进行统计等。
需要说明的是,当用户访问舆情信息时,还可以根据用户访问的舆情信息在不同舆情网站和/或社交网站的舆情内容分布信息、访问舆情信息的用户的用户访问分布信息、和不同舆情网站和/或社交网站的权重,计算舆情信息的热度;进而根据舆情信息的热度,按照设定规则展现舆情信息,以使舆情信息的热度可视化。
现有技术对舆情信息的承载媒体(舆情网站和社交网站)和受众不进行分析,无法提供精准有效的舆情监控和处理,而通过本实施例,实现了全面、精准的舆情监控和处理。
实施例三
参照图3,示出了根据本发明实施例三的一种舆情信息处理方法的步骤流程图。
本实施例的舆情信息处理方法包括以下步骤:
步骤S302:通过爬虫技术和/或数据监控技术获取多个用户的往期舆情访问信息,通过语义分析技术对获取的访问信息的内容进行分析。
如,通过爬虫技术获取用户往期的舆情网页访问信息和SNS(SocialNetwork Sites,社交网站)访问信息,并通过语义分析技术对获取的信息的内容进行分析,主要包括:获取访问信息中的关键词,判断文章大意,并抽取其中反映用户社情倾向性特征的特征词,如反映用户主观情绪倾向的词语(形容词)等,判断这些词语代表的情绪。
步骤S304:根据往期舆情访问信息所在的舆情网站和/或社交网站的舆情内容分布信息,和访问上述舆情网站和/或社交网站的用户的用户访问分布信息,确定不同舆情网站和/或社交网站的权重。
优选地,还可以计算设定的舆情网站和/或社交网站上反映各类问题的分布。
可选地,还可以计算各类问题的热度,并将各类问题的热度以可视化例如指数形式展现。
步骤S306:根据往期舆情访问信息的内容分析结果,和确定的不同舆情网站和/或社交网站的权重,确定多个用户的社情倾向性特征。
即,根据步骤S302的分析结果和步骤S304的权重结果,确定用户的社情倾向性特征。
步骤S308:根据多个用户的社情倾向性特征,通过聚类对多个用户进行分组,将相似受众放到同一个组中。
在确定用户是否相似,可以被分入同一分组中时,本领域技术人员可以根据实际情况采用任意适当的相似度比较方式,如以特征向量形式表征用户相关的信息,进而进行相似度权重计算,将计算后权重在一定范围内的用户划分为一组等,本发明对此不作限制。
步骤S310:获取同一分组中用户的地域信息,和/或,访问的舆情网站和/或社交网站。
通过本步骤,可以全面了解同一个分组中的受众日常所接触的所有信息,还可以了解不同社情倾向的受众的地域分布及媒体分布的信息。
步骤S312:确定访问当前舆情信息的用户所在的地域信息,和/或,所述用户当前访问的舆情信息所在的舆情网站或社交网站。
步骤S314:根据确定的访问当前舆情信息的用户的地域信息和/或当前访问的舆情信息所在的舆情网站或社交网站,以及访问当前舆情信息的用户所在的舆情分组的社情倾向性特征,向访问当前舆情信息的用户提供设定的引导信息。
例如,根据微博或者其他社交网络中的用户属性(User Profile)、SNS社交关系、在社交网络中的互动记录,以及历史记录,来设定针对某一个群组或者媒体最有可能被用户接受的公关方案,具体可以表现为设定相应的引导信息,并分别针对不同的人群或者媒体实施不同的公关方案,具体可以表现为提供不同的引导信息。
其中,上述各种的信息可以通过用户浏览或产生的内容用人工判定或机器学习的方法判断用户属性;而社交关系、互动记录等可通过微博开放数据接口获取。;公关方案可以通过历史记录,分析在相似状况下,不同个体和媒体的不同反应得到。可选公关方案主要包括以下的几种情形:1)提供用于公开辟谣的引导信息;2)提供用于事件解构,弱化影响的引导信息;3)提供用于转换话题的引导信息;4)建立事件防火墙,达到终止事态继续发展的效果。
同样,可选地,可以按照步骤S304中的方式计算当前访问的舆情信息的热度,并将其可视化,例如,以指数形式展现。具体地,可以根据用户当前访问的舆情信息在不同舆情网站和/或社交网站的舆情内容分布信息、当前访问舆情信息的用户的用户访问分布信息、和不同舆情网站和/或社交网站的权重,计算当前访问的舆情信息的热度;进而,根据舆情信息的热度,按照设定规则展现舆情信息。
通过本实施例,在现有技术对个体事件分析的基础上增加了受众和媒体即舆情网站和社交网站的分析,并以社情大环境为面,以突发事件为点,以受众和媒体为分析对象,从而获取一个全面的舆情观点,并据此实现较好的舆情处理公关方案。通过不仅对舆情信息进行检索处理,同时对媒体赋予权重和用户行为进行分析,提高了舆情信息的预测准确度、监控全面性和有效处理。
实施例四
参照图4,示出了根据本发明实施例四的一种舆情信息处理装置的结构框图。
本实施例的舆情信息处理装置包括:分组模块402,用于预先获取多个用户的往期舆情访问信息,根据往期舆情访问信息确定多个用户的社情倾向性特征;根据确定的社情倾向性特征,对多个用户进行舆情分组;确定模块404,用于当多个用户中的用户访问舆情信息时,确定访问舆情信息的用户所在的舆情分组;处理模块406,用于根据确定模块404确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。
优选地,往期舆情访问信息包括以下至少之一:访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的舆情网站和/或社交网站的舆情内容分布信息、访问舆情网站和/或社交网站的多个用户的用户访问分布信息。
优选地,当往期舆情访问信息包括访问舆情网站时的行为信息、访问社交网站时的行为信息、舆情内容分布信息和用户访问分布信息时,分组模块402在根据往期舆情访问信息确定多个用户的社情倾向性特征时,根据舆情内容分布信息和用户访问分布信息,确定不同舆情网站和/或社交网站的权重;根据确定的所述权重、访问舆情网站时的行为信息、和访问社交网站时的行为信息,确定多个用户的社情倾向性特征。
优选地,分组模块402在根据确定的社情倾向性特征,对多个用户进行舆情分组时,根据确定的社情倾向性特征,通过聚类对多个用户进行舆情分组。
优选地,处理模块406,用于确定访问舆情信息的用户所在的地域信息,和/或,舆情信息所在的舆情网站或社交网站;根据确定的地域信息和/或舆情信息所在的舆情网站或社交网站,以及用户所在的舆情分组的社情倾向性特征,向用户提供设定的引导信息。
优选地,本实施例的舆情信息处理装置还包括:展现模块408,用于根据用户访问的舆情信息在不同舆情网站和/或社交网站的舆情内容分布信息、访问舆情信息的用户的用户访问分布信息、和不同舆情网站和/或社交网站的权重,计算舆情信息的热度;根据舆情信息的热度,按照设定规则展现舆情信息。
本实施例的舆情信息处理装置用于实现前述多个方法实施例中相应的舆情信息处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种舆情信息处理方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种舆情信息处理方法,其特征在于,包括:
当用户访问舆情信息时,确定所述用户所在的舆情分组;其中,所述用户所在的舆情分组通过以下方式确定:预先获取多个用户的往期舆情访问信息,根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征,根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组;其中,所述多个用户包括访问所述舆情信息的用户;
根据确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。
2.根据权利要求1所述的方法,其特征在于,所述往期舆情访问信息包括以下至少之一:
访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的所述舆情网站和/或所述社交网站的舆情内容分布信息、访问所述舆情网站和/或所述社交网站的所述多个用户的用户访问分布信息。
3.根据权利要求2所述的方法,其特征在于,当所述往期舆情访问信息包括所述访问舆情网站时的行为信息、所述访问社交网站时的行为信息、所述舆情内容分布信息和所述用户访问分布信息时,所述根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征的步骤包括:
根据所述舆情内容分布信息和所述用户访问分布信息,确定不同舆情网站和/或社交网站的权重;
根据确定的所述权重、所述访问舆情网站时的行为信息、和所述访问社交网站时的行为信息,确定所述多个用户的社情倾向性特征。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组的步骤包括:
根据确定的所述社情倾向性特征,通过聚类对所述多个用户进行舆情分组。
5.根据权利要求1所述的方法,其特征在于,所述根据确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息的步骤包括:
确定所述用户所在的地域信息,和/或,所述用户访问的所述舆情信息所在的舆情网站或社交网站;
根据确定的所述地域信息和/或所述舆情信息所在的舆情网站或社交网站,以及所述用户所在的舆情分组的社情倾向性特征,向所述用户提供所述设定的引导信息。
6.根据权利要求1所述的方法,其特征在于,还包括:
根据所述用户访问的所述舆情信息在不同舆情网站和/或社交网站的舆情内容分布信息、访问所述舆情信息的用户的用户访问分布信息、和所述不同舆情网站和/或社交网站的权重,计算所述舆情信息的热度;
根据所述舆情信息的热度,按照设定规则展现所述舆情信息。
7.一种舆情信息处理装置,其特征在于,包括:
分组模块,用于预先获取多个用户的往期舆情访问信息,根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征;根据确定的所述社情倾向性特征,对所述多个用户进行舆情分组;
确定模块,用于当所述多个用户中的用户访问舆情信息时,确定访问所述舆情信息的用户所在的舆情分组;
处理模块,用于根据所述确定模块确定的所述用户所在的舆情分组的社情倾向性特征,向所述用户提供设定的引导信息。
8.根据权利要求7所述的装置,其特征在于,所述往期舆情访问信息包括以下至少之一:
访问舆情网站时的行为信息、访问社交网站时的行为信息、访问的所述舆情网站和/或所述社交网站的舆情内容分布信息、访问所述舆情网站和/或所述社交网站的所述多个用户的用户访问分布信息。
9.根据权利要求8所述的装置,其特征在于,当所述往期舆情访问信息包括所述访问舆情网站时的行为信息、所述访问社交网站时的行为信息、所述舆情内容分布信息和所述用户访问分布信息时,所述分组模块在根据所述往期舆情访问信息确定所述多个用户的社情倾向性特征时,根据所述舆情内容分布信息和所述用户访问分布信息,确定不同舆情网站和/或社交网站的权重;根据确定的所述权重、所述访问舆情网站时的行为信息、和所述访问社交网站时的行为信息,确定所述多个用户的社情倾向性特征。
10.根据权利要求7所述的装置,其特征在于,所述处理模块,用于确定访问所述舆情信息的用户所在的地域信息,和/或,所述舆情信息所在的舆情网站或社交网站;根据确定的所述地域信息和/或所述舆情信息所在的舆情网站或社交网站,以及所述用户所在的舆情分组的社情倾向性特征,向所述用户提供所述设定的引导信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310100195.2A CN103218412B (zh) | 2013-03-26 | 2013-03-26 | 舆情信息处理方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310100195.2A CN103218412B (zh) | 2013-03-26 | 2013-03-26 | 舆情信息处理方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103218412A true CN103218412A (zh) | 2013-07-24 |
CN103218412B CN103218412B (zh) | 2016-12-07 |
Family
ID=48816199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310100195.2A Active CN103218412B (zh) | 2013-03-26 | 2013-03-26 | 舆情信息处理方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103218412B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408093A (zh) * | 2014-11-14 | 2015-03-11 | 中国科学院计算技术研究所 | 一种新闻事件要素抽取方法与装置 |
CN104573038A (zh) * | 2015-01-19 | 2015-04-29 | 合肥工业大学 | 一种社交网络中群体行为的引导方法 |
CN104731857A (zh) * | 2015-01-27 | 2015-06-24 | 南京烽火星空通信发展有限公司 | 一种舆情热度的快速计算方法 |
CN104809236A (zh) * | 2015-05-11 | 2015-07-29 | 苏州大学 | 一种基于微博的用户年龄分类方法及系统 |
CN104954234A (zh) * | 2015-05-19 | 2015-09-30 | 中国地质大学(北京) | 一种微博数据获取方法、装置及舆情分析方法 |
CN106156232A (zh) * | 2015-04-24 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种网络信息传播的监控方法和装置 |
CN106230809A (zh) * | 2016-07-27 | 2016-12-14 | 南京快页数码科技有限公司 | 一种基于url的移动互联网舆情监测方法及系统 |
CN107239452A (zh) * | 2016-03-28 | 2017-10-10 | 腾讯科技(深圳)有限公司 | 一种策略调整的方法及装置 |
CN108304363A (zh) * | 2017-01-12 | 2018-07-20 | 北京跃盟科技有限公司 | 舆情公关方法和系统 |
CN111368552A (zh) * | 2020-02-26 | 2020-07-03 | 北京市公安局 | 一种面向特定领域的网络用户群组划分方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3009391B1 (ja) * | 1998-09-08 | 2000-02-14 | 株式会社ディジタル・ビジョン・ラボラトリーズ | 情報サービス提供装置及び推奨情報抽出提示方法 |
CN101256589A (zh) * | 2008-03-31 | 2008-09-03 | 腾讯科技(深圳)有限公司 | 一种服务信息的推送方法及推送系统 |
CN101477556A (zh) * | 2009-01-22 | 2009-07-08 | 苏州智讯科技有限公司 | 一种从互联网海量信息中发现热点的方法 |
-
2013
- 2013-03-26 CN CN201310100195.2A patent/CN103218412B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3009391B1 (ja) * | 1998-09-08 | 2000-02-14 | 株式会社ディジタル・ビジョン・ラボラトリーズ | 情報サービス提供装置及び推奨情報抽出提示方法 |
CN101256589A (zh) * | 2008-03-31 | 2008-09-03 | 腾讯科技(深圳)有限公司 | 一种服务信息的推送方法及推送系统 |
CN101477556A (zh) * | 2009-01-22 | 2009-07-08 | 苏州智讯科技有限公司 | 一种从互联网海量信息中发现热点的方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408093A (zh) * | 2014-11-14 | 2015-03-11 | 中国科学院计算技术研究所 | 一种新闻事件要素抽取方法与装置 |
CN104573038A (zh) * | 2015-01-19 | 2015-04-29 | 合肥工业大学 | 一种社交网络中群体行为的引导方法 |
CN104573038B (zh) * | 2015-01-19 | 2017-09-22 | 合肥工业大学 | 一种社交网络中群体行为的引导方法 |
CN104731857B (zh) * | 2015-01-27 | 2018-01-12 | 南京烽火星空通信发展有限公司 | 一种舆情热度的快速计算方法 |
CN104731857A (zh) * | 2015-01-27 | 2015-06-24 | 南京烽火星空通信发展有限公司 | 一种舆情热度的快速计算方法 |
CN106156232B (zh) * | 2015-04-24 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 一种网络信息传播的监控方法和装置 |
CN106156232A (zh) * | 2015-04-24 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种网络信息传播的监控方法和装置 |
CN104809236A (zh) * | 2015-05-11 | 2015-07-29 | 苏州大学 | 一种基于微博的用户年龄分类方法及系统 |
CN104809236B (zh) * | 2015-05-11 | 2018-03-27 | 苏州大学 | 一种基于微博的用户年龄分类方法及系统 |
CN104954234B (zh) * | 2015-05-19 | 2018-08-14 | 中国地质大学(北京) | 一种微博数据获取方法、装置及舆情分析方法 |
CN104954234A (zh) * | 2015-05-19 | 2015-09-30 | 中国地质大学(北京) | 一种微博数据获取方法、装置及舆情分析方法 |
CN107239452A (zh) * | 2016-03-28 | 2017-10-10 | 腾讯科技(深圳)有限公司 | 一种策略调整的方法及装置 |
CN107239452B (zh) * | 2016-03-28 | 2021-07-27 | 腾讯科技(深圳)有限公司 | 一种策略调整的方法及装置 |
CN106230809A (zh) * | 2016-07-27 | 2016-12-14 | 南京快页数码科技有限公司 | 一种基于url的移动互联网舆情监测方法及系统 |
CN106230809B (zh) * | 2016-07-27 | 2019-11-19 | 南京快页数码科技有限公司 | 一种基于url的移动互联网舆情监测方法及系统 |
CN108304363A (zh) * | 2017-01-12 | 2018-07-20 | 北京跃盟科技有限公司 | 舆情公关方法和系统 |
CN111368552A (zh) * | 2020-02-26 | 2020-07-03 | 北京市公安局 | 一种面向特定领域的网络用户群组划分方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103218412B (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103218412A (zh) | 舆情信息处理方法与装置 | |
US11010559B2 (en) | Multi-aspect sentiment analysis by collaborative attention allocation | |
Amato et al. | Recognizing human behaviours in online social networks | |
US10747771B2 (en) | Method and apparatus for determining hot event | |
Bai et al. | A Weibo-based approach to disaster informatics: incidents monitor in post-disaster situation via Weibo text negative sentiment analysis | |
Kongthon et al. | The role of social media during a natural disaster: A case study of the 2011 Thai Flood | |
Ferrara | Bots, elections, and social media: a brief overview | |
Sanchez et al. | Twitter bullying detection | |
EP2753024B1 (en) | System and method for continuously monitoring and searching social networking media | |
KR101740737B1 (ko) | 정보 및 자원의 선택적 공유를 위한 시스템 및 방법 | |
EP2657855A1 (en) | Method, device and system for processing public opinion topics | |
CN109145216A (zh) | 网络舆情监控方法、装置及存储介质 | |
Nasridinov et al. | A decision tree-based classification model for crime prediction | |
Di Girolamo et al. | Evolutionary game theoretical on-line event detection over tweet streams | |
Kalampokis et al. | Combining social and government open data for participatory decision-making | |
CN103246703A (zh) | 一种用于确定应用词库的方法和设备 | |
Orlov et al. | Using behavior and text analysis to detect propagandists and misinformers on twitter | |
EP2940622A1 (en) | A categorisation system | |
Bae et al. | Predicting the lifespan and retweet times of tweets based on multiple feature analysis | |
Zhang et al. | Towards fast and lightweight spam account detection in mobile social networks through fog computing | |
Kisan et al. | Collective intelligence & sentimental analysis of twitter data by using StandfordNLP libraries with software as a service (SaaS) | |
CN112115698A (zh) | 用于生成主题模型的技术 | |
US9749431B1 (en) | Finding a potentially viral first media content and transmitting a second media content that is selected based on the first media content and based on the determination that the first media content exceeds a velocity threshold | |
CN108829807A (zh) | 一种舆情归并方法、装置、服务器和存储介质 | |
Sun et al. | Location privacy protection research based on querying anonymous region construction for smart campus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |