CN106095903A - 一种基于深度学习技术的广播电视舆情分析方法及系统 - Google Patents
一种基于深度学习技术的广播电视舆情分析方法及系统 Download PDFInfo
- Publication number
- CN106095903A CN106095903A CN201610400856.7A CN201610400856A CN106095903A CN 106095903 A CN106095903 A CN 106095903A CN 201610400856 A CN201610400856 A CN 201610400856A CN 106095903 A CN106095903 A CN 106095903A
- Authority
- CN
- China
- Prior art keywords
- data
- degree
- analysis
- public sentiment
- public
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000000463 material Substances 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000013499 data model Methods 0.000 claims abstract description 21
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000013135 deep learning Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000007418 data mining Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
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
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于深度学习技术的广播电视舆情分析方法及系统。本发明包括基于深度学技术的对舆情信息数据的提取鉴别过程：首先通过对大量的素材数据（包括图像、视频、语音和OCR光学字符）进行多次反复的学习和训练生成数据模型，同时结合计算机视觉技术(局部特征抓取与匹配)生成图像特征库。从有线数字电视、有线广播电视、卫星电视、无线广播电视等传播媒体中获取待监测数据（包括音频、视频、图片）作为深度学习数据模型的输入，利用建立的数据模型对待监测数据进行识别。同时，结合计算机视觉技术将大量的素材数据形成特征指纹库，待监测数据的特征值与特征指纹库中的数据进行对比，若对比成功，则认为待监测数据中含有舆情信息。
Description
技术领域
本发明涉及舆情监测领域，尤其涉及一种基于深度学习技术的广播电视舆情分析方法及系统。
背景技术
随着网络技术的迅速发展，广播电视传输手段多样化，广播电视已经形成了无线播出、卫星覆盖、有线传输、网络连通并举，全国上下贯通的传输、覆盖网。对于广播电视的监管工作越来越受到国家有关部门的重视。传统的广播电视监管主要局限于信号质量监测和播放内容对比校验，由于没有实现监管全自动化，人工工作量较大。随着信息技术的发展以及对监管工作的深入，除了传统的监测广播电视播出质量、节目效果、覆盖情况外，对于节目内容的监管也变得尤为重要。一种基于深度学习的广播电视舆情分析方法通过对广播电视内容的提取，实现敏感信息的舆情分析，提高客户对电视新闻媒体的舆情反应效率，并在出现重大负面舆情事件的情况下进行及时提示。该方法不仅能够有效减少广播电视相关人力投入，而且能够为广播电视节目内容安全监管提供高效的技术支持。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于深度学习技术的广播电视舆情分析方法及系统，对广播电视节目中的视频、图像、语音和文字信息进行自动化识别，提高客户对电视新闻节目中特殊场景、企业图标、特定地标、物体、敏感人物等内容的识别能力，将与客户相关的电视节目进行自动识别分析、搜索查询、统计分类，并在出现重大负面舆情事件的情况下进行及时提示，方便的对相关新闻进行调阅查看，以便采取对应措施。
本发明的目的是通过以下技术方案来实现的：一种基于深度学习技术的广播电视舆情分析方法，它包括深度学习分析步骤和视觉技术分析步骤；
所述的深度学习分析步骤包括以下子步骤：
S11：建立舆情数据模型：在并行运算设备上，利用深度学习技术对大量的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材进行训练学习，最终形成包含特殊场景、企业图标、特定地标、物体、敏感人物的基于图像、语音和文字的分类数据模型；
S12：基于深度学习数据模型的舆情监测：将待监测的图像和视频数据作为输入数据，利用训练后得到的分类数据模型对待监测的图像和视频数据进行识别，并将识别结果推送到舆情展示终端；
所述的视觉技术分析步骤包括以下子步骤：
S21：建立舆情信息特征库：利用计算机视觉技术即局部特征抓取与匹配的SURF、SIFT特征点提取及匹配方法，提取包括特殊场景、企业图标、特定地标、物体和敏感人物的素材图片和视频的特征点，将特征点汇集成特征库并进行存储；
S22：基于计算机视觉技术的舆情监测：特征库形成后，将待监测的图片和视频特征点与特征库中的特征点进行匹配，若匹配成功，则查找出电视节目中的舆情信息；将获取到的敏感信息推送至舆情展示终端。
步骤S11中所述的深度学习技术包括基于深度学习的语音识别和基于深度学习的ORC光学字符识别；所述的基于深度学习的语音识别将素材中的音频内容进行识别，并转化为通用格式的文档以供分析判别；所述的基于深度学习的ORC光学字符识别将素材中的文字信息转化为通用格式的文档以供分析判别。
步骤S12中的对待监测的图像和视频数据进行识别包括：A、利用语音识别技术对待监测数据中的音频内容进行识别并将识别到的语音内容转化为文字信息，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果；B、利用OCR光学字符识别对待监测数据中的光学文字信息进行识别，经过影像输入、影像前处理、文字特征抽取，形成基于文字的监测数据，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果。
所述的舆情展示终端包括预警展示墙或者智能终端。
根据用户的自行选择将用户需要的内容推送到舆情展示终端，或者/和将后台服务器认为是重大负面的舆情事件推送到舆情展示终端。
当深度学习分析步骤和视觉技术分析步骤中识别到有相同的舆情数据，则将所述舆情数据以第一等级的类别推送到舆情展示终端；当深度学习分析步骤和视觉技术分析步骤中得到不同的舆情数据，则将舆情数据以第二等级的类别推送到舆情展示终端；所述的第一等级和第二等级以不同的方式在舆情展示终端上进行显示。
一种基于深度学习技术的广播电视舆情分析方法还包括一个搜索查询与统计分类步骤：用户通过舆情监测终端对特定舆情相关事件进行搜索查询，后台进行统计分类后发送至舆情监测终端，用户进行查看。
采用所述方法的系统包括数据采集终端、数据处理中心和展示区；所述的数据采集终端用于对待监测数据的采集；所述的处理中心包括：
大数据挖掘服务器：用于挖掘用于建立模型和特征库的素材；
大数据处理服务器：用于对大数据挖掘服务器挖掘到的素材进行分析与处理，保留可以使用的素材；同时，还用于在需要的时候对存储的素材进行提取与分析，分别形成分类数据模型和特征库；
大数据存储服务器：用于存储通过大数据处理服务器处理过后的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材；
媒体存储数据库：用于存储从数据采集终端发送来的待监测数据；
媒体分析服务器：用于对待监测数据的分析匹配与结果输出；
所述的展示区用于对待监测数据的分析结果进行展示。
本发明的有益效果是：本发明包括基于深度学技术的对舆情信息数据的提取鉴别过程：首先通过对大量的素材数据（包括图像、视频、语音和OCR光学字符）进行多次反复的学习和训练生成数据模型，同时结合计算机视觉技术(局部特征抓取与匹配)生成图像特征库。从有线数字电视、有线广播电视、卫星电视、无线广播电视等传播媒体中获取待监测数据（包括音频、视频、图片）作为深度学习数据模型的输入，利用建立的数据模型对待监测数据进行识别。同时，结合计算机视觉技术将大量的素材数据形成特征指纹库，待监测数据的特征值与特征指纹库中的数据进行对比，若对比成功，则认为待监测数据中含有舆情信息。如果在待监测数据中检测到舆情信息，系统将会通过app推送或者信息展示报警的方式将此舆情信息及关联数据告知用户。
附图说明
图1为本发明方法流程图；
图2为本发明系统方框图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案：如图1所示，一种基于深度学习技术的广播电视舆情分析方法，它包括深度学习分析步骤和视觉技术分析步骤；
所述的深度学习分析步骤包括以下子步骤：
S11：建立舆情数据模型：在并行运算设备上，利用深度学习技术对大量的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材进行训练学习，最终形成包含特殊场景、企业图标、特定地标、物体、敏感人物的基于图像、语音和文字的分类数据模型；所述的深度学习技术包括基于深度学习的语音识别和基于深度学习的ORC光学字符识别；所述的基于深度学习的语音识别将素材中的音频内容进行识别，并转化为通用格式的文档以供分析判别；所述的基于深度学习的ORC光学字符识别将素材中的文字信息转化为通用格式的文档以供分析判别。
S12：基于深度学习数据模型的舆情监测：将待监测的图像和视频数据作为输入数据，利用训练后得到的分类数据模型对待监测的图像和视频数据进行识别，并将识别结果推送到舆情展示终端；步骤S12中的对待监测的图像和视频数据进行识别包括：A、利用语音识别技术对待监测数据中的音频内容进行识别并将识别到的语音内容转化为文字信息，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果；B、利用OCR光学字符识别对待监测数据中的光学文字信息进行识别，经过影像输入、影像前处理、文字特征抽取，形成基于文字的监测数据，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果。
所述的视觉技术分析步骤包括以下子步骤：
S21：建立舆情信息特征库：利用计算机视觉技术即局部特征抓取与匹配的SURF、SIFT特征点提取及匹配方法，提取包括特殊场景、企业图标、特定地标、物体和敏感人物的素材图片和视频的特征点，将特征点汇集成特征库并进行存储；
S22：基于计算机视觉技术的舆情监测：特征库形成后，将待监测的图片和视频特征点与特征库中的特征点进行匹配，若匹配成功，则查找出电视节目中的舆情信息；将获取到的敏感信息推送至舆情展示终端。
所述的舆情展示终端包括预警展示墙或者智能终端。
通过app推送或者预警展示墙的方式将获取到的敏感信息推送给客户，提高客户对电视新闻媒体的舆情反应效率，并在出现重大负面舆情事件的情况下进行及时提示，方便的对相关新闻进行调阅查看，以便采取对应措施。
根据用户的自行选择将用户需要的内容推送到舆情展示终端，或者/和将后台服务器认为是重大负面的舆情事件推送到舆情展示终端。
当深度学习分析步骤和视觉技术分析步骤中识别到有相同的舆情数据，则将所述舆情数据以第一等级的类别推送到舆情展示终端；当深度学习分析步骤和视觉技术分析步骤中得到不同的舆情数据，则将舆情数据以第二等级的类别推送到舆情展示终端；所述的第一等级和第二等级以不同的方式在舆情展示终端上进行显示。
一种基于深度学习技术的广播电视舆情分析方法还包括一个搜索查询与统计分类步骤：用户通过舆情监测终端对特定舆情相关事件进行搜索查询，后台进行统计分类后发送至舆情监测终端，用户进行查看。
采用所述方法的系统包括数据采集终端、数据处理中心和展示区；所述的数据采集终端用于对待监测数据的采集；所述的处理中心包括：
大数据挖掘服务器：用于挖掘用于建立模型和特征库的素材；
大数据处理服务器：用于对大数据挖掘服务器挖掘到的素材进行分析与处理，保留可以使用的素材；同时，还用于在需要的时候对存储的素材进行提取与分析，分别形成分类数据模型和特征库；
大数据存储服务器：用于存储通过大数据处理服务器处理过后的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材；
媒体存储数据库：用于存储从数据采集终端发送来的待监测数据；
媒体分析服务器：用于对待监测数据的分析匹配与结果输出；
所述的展示区用于对待监测数据的分析结果进行展示。
Claims (8)
1.一种基于深度学习技术的广播电视舆情分析方法，其特征在于：它包括深度学习分析步骤和视觉技术分析步骤；
所述的深度学习分析步骤包括以下子步骤：
S11：建立舆情数据模型：在并行运算设备上，利用深度学习技术对大量的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材进行训练学习，最终形成包含特殊场景、企业图标、特定地标、物体、敏感人物的基于图像、语音和文字的分类数据模型；
S12：基于深度学习数据模型的舆情监测：将待监测的图像和视频数据作为输入数据，利用训练后得到的分类数据模型对待监测的图像和视频数据进行识别，并将识别结果推送到舆情展示终端；
所述的视觉技术分析步骤包括以下子步骤：
S21：建立舆情信息特征库：利用计算机视觉技术即局部特征抓取与匹配的SURF、SIFT特征点提取及匹配方法，提取包括特殊场景、企业图标、特定地标、物体和敏感人物的素材图片和视频的特征点，将特征点汇集成特征库并进行存储；
S22：基于计算机视觉技术的舆情监测：特征库形成后，将待监测的图片和视频特征点与特征库中的特征点进行匹配，若匹配成功，则查找出电视节目中的舆情信息；将获取到的敏感信息推送至舆情展示终端。
2.根据权利要求1所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：步骤S11中所述的深度学习技术包括基于深度学习的语音识别和基于深度学习的ORC光学字符识别；所述的基于深度学习的语音识别将素材中的音频内容进行识别，并转化为通用格式的文档以供分析判别；所述的基于深度学习的ORC光学字符识别将素材中的文字信息转化为通用格式的文档以供分析判别。
3.根据权利要求2所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：步骤S12中的对待监测的图像和视频数据进行识别包括：A、利用语音识别技术对待监测数据中的音频内容进行识别并将识别到的语音内容转化为文字信息，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果；B、利用OCR光学字符识别对待监测数据中的光学文字信息进行识别，经过影像输入、影像前处理、文字特征抽取，形成基于文字的监测数据，将转换的文字信息与分类数据模型中的数据进行对比得到识别结果。
4.根据权利要求1所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：所述的舆情展示终端包括预警展示墙或者智能终端。
5.根据权利要求1所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：根据用户的自行选择将用户需要的内容推送到舆情展示终端，或者/和将后台服务器认为是重大负面的舆情事件推送到舆情展示终端。
6.根据权利要求1或5所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：当深度学习分析步骤和视觉技术分析步骤中识别到有相同的舆情数据，则将所述舆情数据以第一等级的类别推送到舆情展示终端；当深度学习分析步骤和视觉技术分析步骤中得到不同的舆情数据，则将舆情数据以第二等级的类别推送到舆情展示终端；所述的第一等级和第二等级以不同的方式在舆情展示终端上进行显示。
7.根据权利要求1所述的一种基于深度学习技术的广播电视舆情分析方法，其特征在于：还包括一个搜索查询与统计分类步骤：用户通过舆情监测终端对特定舆情相关事件进行搜索查询，后台进行统计分类后发送至舆情监测终端，用户进行查看。
8.采用权利要求1~7中任意一项所述方法的系统，其特征在于：包括数据采集终端、数据处理中心和展示区；所述的数据采集终端用于对待监测数据的采集；所述的处理中心包括：
大数据挖掘服务器：用于挖掘用于建立模型和特征库的素材；
大数据处理服务器：用于对大数据挖掘服务器挖掘到的素材进行分析与处理，保留可以使用的素材；同时，还用于在需要的时候对存储的素材进行提取与分析，分别形成分类数据模型和特征库；
大数据存储服务器：用于存储通过大数据处理服务器处理过后的包括特殊场景、企业图标、特定地标、物体、敏感人物在内的图片素材和视频素材；
媒体存储数据库：用于存储从数据采集终端发送来的待监测数据；
媒体分析服务器：用于对待监测数据的分析匹配与结果输出；
所述的展示区用于对待监测数据的分析结果进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610400856.7A CN106095903A (zh) | 2016-06-08 | 2016-06-08 | 一种基于深度学习技术的广播电视舆情分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610400856.7A CN106095903A (zh) | 2016-06-08 | 2016-06-08 | 一种基于深度学习技术的广播电视舆情分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106095903A true CN106095903A (zh) | 2016-11-09 |
Family
ID=57228477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610400856.7A Pending CN106095903A (zh) | 2016-06-08 | 2016-06-08 | 一种基于深度学习技术的广播电视舆情分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106095903A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874936A (zh) * | 2017-01-17 | 2017-06-20 | 腾讯科技（上海）有限公司 | 图像传播监测方法及装置 |
| CN107172369A (zh) * | 2017-05-25 | 2017-09-15 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏多源信号监看的自由布局方法及系统 |
| CN107426509A (zh) * | 2017-05-25 | 2017-12-01 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏的多源信号监看系统 |
| CN107506454A (zh) * | 2017-08-29 | 2017-12-22 | 央视国际网络无锡有限公司 | 一种计算机文本及多媒体信息安全自动预警系统 |
| CN107944019A (zh) * | 2017-12-11 | 2018-04-20 | 中广在线（北京）文化传媒有限公司 | 一种基于爬虫技术的境外舆情监测装置、系统及方法 |
| CN108108387A (zh) * | 2016-11-23 | 2018-06-01 | 谷歌有限责任公司 | 基于模版的结构化文档分类和提取 |
| CN108322828A (zh) * | 2018-02-12 | 2018-07-24 | 广州市诚毅科技软件开发有限公司 | 一种基于节目内容识别的信息推荐方法及装置 |
| CN108664890A (zh) * | 2018-03-28 | 2018-10-16 | 上海乐愚智能科技有限公司 | 一种矛盾协调方法、装置、机器人及存储介质 |
| CN108959432A (zh) * | 2018-06-11 | 2018-12-07 | 颜彦 | 一种基于大数据的融媒体舆情监测方法 |
| CN109241980A (zh) * | 2018-08-24 | 2019-01-18 | 北京陌上花科技有限公司 | 用于虚拟人物的识别方法及装置 |
| CN110246110A (zh) * | 2018-03-01 | 2019-09-17 | 腾讯科技（深圳）有限公司 | 图像评估方法、装置及存储介质 |
| CN110263653A (zh) * | 2019-05-23 | 2019-09-20 | 广东鼎义互联科技股份有限公司 | 一种基于深度学习技术的场景分析系统及其方法 |
| CN110275958A (zh) * | 2019-06-26 | 2019-09-24 | 北京市博汇科技股份有限公司 | 网站信息识别方法、装置和电子设备 |
| CN110765285A (zh) * | 2019-10-23 | 2020-02-07 | 深圳报业集团 | 基于视觉特征的多媒体信息内容管控方法及系统 |
| CN110837581A (zh) * | 2019-11-04 | 2020-02-25 | 云目未来科技(北京)有限公司 | 视频舆情分析的方法、装置以及存储介质 |
| CN113065537A (zh) * | 2021-06-03 | 2021-07-02 | 江苏联著实业股份有限公司 | 一种基于模型优化的ocr文件格式转化方法及系统 |
| CN117939207A (zh) * | 2024-03-15 | 2024-04-26 | 四川省广播电视科学技术研究所 | 一种广播电视内容监管方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102546771A (zh) * | 2011-12-27 | 2012-07-04 | 西安博构电子信息科技有限公司 | 基于特征模型的云挖掘网络舆情监测系统 |
| CN102708096A (zh) * | 2012-05-29 | 2012-10-03 | 代松 | 一种基于语义的网络智能舆情监测系统及其工作方法 |
| CN104834737A (zh) * | 2015-05-19 | 2015-08-12 | 无锡天脉聚源传媒科技有限公司 | 一种基于电视报道的舆情处理方法和装置 |
| CN104902292A (zh) * | 2015-05-20 | 2015-09-09 | 无锡天脉聚源传媒科技有限公司 | 一种基于电视报道的舆情分析方法和系统 |
| WO2015134665A1 (en) * | 2014-03-04 | 2015-09-11 | SignalSense, Inc. | Classifying data with deep learning neural records incrementally refined through expert input |
| CN105022835A (zh) * | 2015-08-14 | 2015-11-04 | 武汉大学 | 一种群智感知大数据公共安全识别方法及系统 |
| CN105117692A (zh) * | 2015-08-05 | 2015-12-02 | 福州瑞芯微电子股份有限公司 | 一种基于深度学习的实时人脸识别方法及系统 |
| US20160150280A1 (en) * | 2014-11-24 | 2016-05-26 | The Nielsen Company (Us), Llc. | Methods and apparatus to project ratings for future broadcasts of media |
-
2016
- 2016-06-08 CN CN201610400856.7A patent/CN106095903A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102546771A (zh) * | 2011-12-27 | 2012-07-04 | 西安博构电子信息科技有限公司 | 基于特征模型的云挖掘网络舆情监测系统 |
| CN102708096A (zh) * | 2012-05-29 | 2012-10-03 | 代松 | 一种基于语义的网络智能舆情监测系统及其工作方法 |
| WO2015134665A1 (en) * | 2014-03-04 | 2015-09-11 | SignalSense, Inc. | Classifying data with deep learning neural records incrementally refined through expert input |
| US20160150280A1 (en) * | 2014-11-24 | 2016-05-26 | The Nielsen Company (Us), Llc. | Methods and apparatus to project ratings for future broadcasts of media |
| CN104834737A (zh) * | 2015-05-19 | 2015-08-12 | 无锡天脉聚源传媒科技有限公司 | 一种基于电视报道的舆情处理方法和装置 |
| CN104902292A (zh) * | 2015-05-20 | 2015-09-09 | 无锡天脉聚源传媒科技有限公司 | 一种基于电视报道的舆情分析方法和系统 |
| CN105117692A (zh) * | 2015-08-05 | 2015-12-02 | 福州瑞芯微电子股份有限公司 | 一种基于深度学习的实时人脸识别方法及系统 |
| CN105022835A (zh) * | 2015-08-14 | 2015-11-04 | 武汉大学 | 一种群智感知大数据公共安全识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张瑜: "《网络舆情分析关键技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王君泽 等: "《网络舆情分析系统中的支撑技术研究》", 《现代情报》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108387A (zh) * | 2016-11-23 | 2018-06-01 | 谷歌有限责任公司 | 基于模版的结构化文档分类和提取 |
| CN106874936A (zh) * | 2017-01-17 | 2017-06-20 | 腾讯科技（上海）有限公司 | 图像传播监测方法及装置 |
| CN107426509B (zh) * | 2017-05-25 | 2020-09-15 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏的多源信号监看系统 |
| CN107172369A (zh) * | 2017-05-25 | 2017-09-15 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏多源信号监看的自由布局方法及系统 |
| CN107426509A (zh) * | 2017-05-25 | 2017-12-01 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏的多源信号监看系统 |
| CN107172369B (zh) * | 2017-05-25 | 2021-05-25 | 成都索贝数码科技股份有限公司 | 一种应用于单兵竖屏多源信号监看的自由布局方法及系统 |
| CN107506454A (zh) * | 2017-08-29 | 2017-12-22 | 央视国际网络无锡有限公司 | 一种计算机文本及多媒体信息安全自动预警系统 |
| CN107944019A (zh) * | 2017-12-11 | 2018-04-20 | 中广在线（北京）文化传媒有限公司 | 一种基于爬虫技术的境外舆情监测装置、系统及方法 |
| CN108322828A (zh) * | 2018-02-12 | 2018-07-24 | 广州市诚毅科技软件开发有限公司 | 一种基于节目内容识别的信息推荐方法及装置 |
| CN110246110B (zh) * | 2018-03-01 | 2023-08-18 | 腾讯科技（深圳）有限公司 | 图像评估方法、装置及存储介质 |
| CN110246110A (zh) * | 2018-03-01 | 2019-09-17 | 腾讯科技（深圳）有限公司 | 图像评估方法、装置及存储介质 |
| CN108664890A (zh) * | 2018-03-28 | 2018-10-16 | 上海乐愚智能科技有限公司 | 一种矛盾协调方法、装置、机器人及存储介质 |
| CN108959432A (zh) * | 2018-06-11 | 2018-12-07 | 颜彦 | 一种基于大数据的融媒体舆情监测方法 |
| CN109241980A (zh) * | 2018-08-24 | 2019-01-18 | 北京陌上花科技有限公司 | 用于虚拟人物的识别方法及装置 |
| CN110263653A (zh) * | 2019-05-23 | 2019-09-20 | 广东鼎义互联科技股份有限公司 | 一种基于深度学习技术的场景分析系统及其方法 |
| CN110275958A (zh) * | 2019-06-26 | 2019-09-24 | 北京市博汇科技股份有限公司 | 网站信息识别方法、装置和电子设备 |
| CN110275958B (zh) * | 2019-06-26 | 2021-07-27 | 北京市博汇科技股份有限公司 | 网站信息识别方法、装置和电子设备 |
| CN110765285A (zh) * | 2019-10-23 | 2020-02-07 | 深圳报业集团 | 基于视觉特征的多媒体信息内容管控方法及系统 |
| CN110837581A (zh) * | 2019-11-04 | 2020-02-25 | 云目未来科技(北京)有限公司 | 视频舆情分析的方法、装置以及存储介质 |
| CN110837581B (zh) * | 2019-11-04 | 2023-05-23 | 云目未来科技(北京)有限公司 | 视频舆情分析的方法、装置以及存储介质 |
| CN113065537A (zh) * | 2021-06-03 | 2021-07-02 | 江苏联著实业股份有限公司 | 一种基于模型优化的ocr文件格式转化方法及系统 |
| CN117939207A (zh) * | 2024-03-15 | 2024-04-26 | 四川省广播电视科学技术研究所 | 一种广播电视内容监管方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106095903A (zh) | 一种基于深度学习技术的广播电视舆情分析方法及系统 | |
| CN109639481B (zh) | 一种基于深度学习的网络流量分类方法、系统及电子设备 | |
| CN108171184B (zh) | 基于Siamese网络的用于行人重识别的方法 | |
| JP4469905B2 (ja) | テロップ収集装置およびテロップ収集方法 | |
| CN112001817B (zh) | 一种基于人工智能的旅游景点实时导游讲解管理系统 | |
| CN109040693B (zh) | 智能告警系统及方法 | |
| CN109831460B (zh) | 一种基于协同训练的Web攻击检测方法 | |
| CN107707541A (zh) | 一种流式的基于机器学习的攻击行为日志实时检测方法 | |
| CN103475910A (zh) | 一种用于智能电视端的机顶盒节目推荐方法及系统 | |
| CN109766496B (zh) | 一种内容风险识别方法、系统、设备及介质 | |
| CN104519351A (zh) | 一种机顶盒自动测试方法 | |
| CN103258050A (zh) | 实现基于语义内容进行视频信息过滤控制的系统及其方法 | |
| CN103544467B (zh) | 一种台标检测识别的方法及其装置 | |
| CN114898466A (zh) | 一种面向智慧工厂的视频动作识别方法及系统 | |
| CN114760172A (zh) | 射频基带综合特征信号识别方法与装置 | |
| US20120147179A1 (en) | Method and system for providing intelligent access monitoring, intelligent access monitoring apparatus | |
| CN111931186B (zh) | 软件风险识别方法及装置 | |
| CN113115103A (zh) | 一种网络直播实现实时音频转文字的系统及方法 | |
| CN113536032A (zh) | 一种视频序列信息挖掘系统、方法及其应用 | |
| CN114627420B (zh) | 一种城市管理违规事件信息采集方法及系统 | |
| JP7470336B2 (ja) | オーディオデータ識別装置 | |
| CN211044247U (zh) | 一种宾馆酒店用视频监测系统 | |
| KR101081768B1 (ko) | 방송 서비스 장치 및 방법 | |
| CN108881307B (zh) | 一种面向移动终端的安全性检测方法及装置 | |
| CN105512655A (zh) | 人脸识别方法及人脸识别装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
| RJ01 | Rejection of invention patent application after publication |