CN109086289A - 一种媒体数据处理方法、客户端、介质和设备 - Google Patents
一种媒体数据处理方法、客户端、介质和设备 Download PDFInfo
- Publication number
- CN109086289A CN109086289A CN201810579125.2A CN201810579125A CN109086289A CN 109086289 A CN109086289 A CN 109086289A CN 201810579125 A CN201810579125 A CN 201810579125A CN 109086289 A CN109086289 A CN 109086289A
- Authority
- CN
- China
- Prior art keywords
- indicates
- article
- sum
- thumbs
- original
- 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
Abstract
本发明涉及数据业务技术领域,特别涉及一种媒体数据处理方法、客户端、介质和设备。根据本发明实施例提供的方案,可以在接收到媒体数据处理请求时,向平台服务器发送媒体数据获取请求,从平台服务器获取针对每个指定时长的、每个指定分类下的每个子分类对应的媒体数据,并可以利用预先确定的数学模型,利用从平台服务器获取的媒体数据确定指定参数并显示,实现对媒体数据的统计分析。相对于现有技术,大大减少媒体数据处理所需时间,提高获得媒体数据统计分析结果的时效性。
Description
技术领域
本发明涉及数据业务技术领域,特别涉及一种媒体数据处理方法、客户端、介质和设备。
背景技术
目前,在对媒体数据,如微博平台、微信平台等平台上的媒体数据进行统计分析,获得相关媒体数据统计分析结果的过程中,需要用户上网查询相关数据,对查询到的数据进行人工筛选、比对分析,并根据筛选、比对结果,进行统计分析,获得最终的结果。
由于上网查询到的数据量非常大,因此,筛选、比对过程非常复杂、需要多人合作完成,耗时很长,导致获得统计分析结果的时效性较差。
发明内容
本发明实施例提供一种媒体数据处理方法、客户端、介质和设备,用于解决媒体数据处理的时效性较差的问题。
一种媒体数据处理方法,所述方法包括:
接收到媒体数据处理请求时,向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的;
接收平台服务器发送的所述媒体数据,根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
一种客户端,所述客户端包括:
接收单元,用于接收媒体数据处理请求;
发送单元,用于向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的;
所述接收单元,还用于接收平台服务器发送的所述媒体数据;
显示单元,用于根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
本发明还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有可执行程序,该可执行程序被处理器执行实现如上所述方法的步骤。
本发明还提供了一种媒体数据处理设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述程序时实现如上所述方法的步骤。
根据本发明实施例提供的方案,可以在接收到媒体数据处理请求时,向平台服务器发送媒体数据获取请求,从平台服务器获取针对每个指定时长的、每个指定分类下的每个子分类对应的媒体数据,并可以利用预先确定的数学模型,利用从平台服务器获取的媒体数据确定指定参数并显示,实现对媒体数据的统计分析。相对于现有技术,大大减少媒体数据处理所需时间,提高获得媒体数据统计分析结果的时效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的媒体数据处理方法的流程示意图;
图2为本发明实施例二提供的客户端的结构示意图;
图3为本发明实施例三提供的媒体数据处理设备的结构示意图。
具体实施方式
根据本发明实施例提供的方案,可以利用平台服务器预先存储媒体数据。进而可以从平台服务器侧获取针对每个指定时长的、每个指定分类下的每个子分类对应的媒体数据,并对其进行统计分析,获得统计分析结果,无需从网络查询下载媒体数据,并对其筛选、比对,大大减少获得媒体数据统计分析结果所需的时间。
在现有技术中,由于统计分析模型选择不准确,还会导致获得的统计分析结果准确性较低。本发明实施例中还进一步提供了优选的数据模型以确定指定参数,进一步保证了获得的统计分析结果的准确性。
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本发明实施例一提供一种媒体数据处理方法,本实施例的执行主体可以为客户端,该客户端可以安装在终端,如手机上,该方法的步骤流程可以如图1所示,包括:
步骤101、接收媒体数据处理请求。
媒体数据处理请求可以为任何形式。例如,媒体数据处理请求可以是用户通过点击指定图标发送的。
步骤102、发送媒体数据获取请求。
在本步骤中,可以向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的。可以理解为,针对不同的媒体数据处理请求,请求获取的媒体数据也是不相同的。具体的,所述平台服务器预先存储的媒体数据可以是任意设备,如所述平台服务器,通过网络爬虫技术,预先从各网络平台,如微信平台、微博平台等获取,并存储在所述平台服务器的。
所述指定分类可以是按照媒体类型,对媒体进行分类获得的。例如,所述指定分类可以但不限于包括卫视、电台、党报等。较优的,还可以进一步结合行政级别,对指定分类进行分类。例如,所述指定分类可以但不限于包括省级卫视、地面频道、城市台、省级电台和省级党报。
所述指定时长可以为一天,也可以为七天,还可以为三十天,从而可以按照日、周、月进行媒体数据的统计分析。当然,指定时长可以根据需要,设置指定时长的起始时间。且指定时长也可以根据需要设定。
具体的,媒体数据获取请求可以是基于HTTP协议的。在本步骤中,可以按照平台服务器可以接受的格式,利用对应的执行接口,向平台服务器发送媒体数据获取请求,从而可以通过媒体数据获取请求从平台服务器异步获取到媒体数据。
步骤103、确定指定参数并显示。
在本步骤中,可以接收平台服务器发送的所述媒体数据,根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
具体的,在显示指定参数时,可以针对一个指定时长,将一个指定分类下,利用每个子分类对应的媒体数据确定出的指定参数,保存为一组数据,例如,保存为一个数组,将该组数据通过指定的图表形式,例如,柱状图,折线图或点状图等显示,从可以清晰显示指定参数的走势和各子分类的对比情况。
进一步的,还可以根据需要选择需要显示的子分类。即,可以针对一个指定时长,将一个指定分类下,选择出的每个子分类对应的指定参数进行显示。以更好地满足用户的个性化需要。
在步骤101中的媒体数据处理请求可以但不限于包括针对微博平台的媒体数据处理请求和针对微信平台的媒体数据处理请求。
若媒体数据处理请求为针对微信平台的媒体数据处理请求,指定参数可以为多种。例如,指定参数可以为微信指数ZCI。
以指定参数为ZCI为例,步骤102中从平台服务器获取的媒体数据可以包括:
针对每个指定时长,每个指定分类下:
每个子分类对应的微信公众号发布的文章在微信平台上的总阅读数、平均阅读数(平均阅读数可以理解为总阅读数除以发布的文章总数得到的数值)、最高阅读数、总点赞数、平均点赞数(平均点赞数可以理解为总点赞数除以发布的文章总数得到的数值)、最高点赞数以及总点赞率(总点赞率可以理解为总点赞数除以总阅读数得到的数值);
每个子分类对应的微信公众号在微信平台上发布的原创文章总阅读数、原创文章平均阅读数(原创文章平均阅读数可以理解为原创文章总阅读数除以原创文章总数得到的数值)、原创文章占比(原创文章占比可以理解为原创文章总数除以发布的文章总数得到的数值)、原创文章总点赞数、原创文章平均点赞数(原创文章平均点赞数可以理解为原创文章总点赞数除以原创文章总数得到的数值)及原创文章点赞率(原创文章点赞率可以理解为原创文章总点赞数除以原创文章总阅读数得到的数值);
每个子分类对应的微信公众号在微信平台上的发文量(发文量可以理解为每次发文数量之和)、发文天数和发文次数;
每个子分类对应的微信公众号在微信平台上发布的头条文章总阅读数、头条文章平均阅读数(头条文章平均阅读数可以理解为头条文章总阅读数除以头条文章总数得到的数值)、头条文章总点赞数、头条文章平均点赞数(头条文章平均点赞数可以理解为头条文章总点赞数除以头条文章总数得到的数值)和头条文章点赞率(头条文章点赞率可以理解为头条文章总点赞数除以头条文章总阅读数得到的数值);
每个子分类对应的微信公众号发布的文章中在微信平台上的十万加阅读量的文章数(十万加阅读量的文章数可以理解为阅读人数超过十万的文章数)和十万加阅读量的文章占比(十万加阅读量的文章占比可以理解为阅读人数超过十万的文章数除以发布的文章总数得到的数值)等。
进一步的,可以根据获取的媒体数据确定综合传播度、原创文章传播度、活跃度、头条文章传播度、爆款文章传播度,并进一步根据综合传播度、原创文章传播度、活跃度、头条文章传播度、爆款文章传播度确定微信指数ZCI。
具体的,所述综合传播度可以根据一个指定时长内,一个子分类对应的微信公众号发布的文章在微信平台上的总阅读数、平均阅读数、最高阅读数、总点赞数、平均点赞数、最高点赞数以及总点赞率确定;
所述原创文章传播度可以根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的原创文章总阅读数、原创文章平均阅读数、原创文章占比、原创文章总点赞数、原创文章平均点赞数及原创文章点赞率确定;
所述活跃度可以根据一个指定时长内,一个子分类对应的微信公众号在微信平台上的发文量、发文天数和发文次数确定;
所述头条文章传播度可以根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的头条文章总阅读数、头条文章平均阅读数、头条文章总点赞数、头条文章平均点赞数和头条文章点赞率确定;
所述爆款文章传播度可以根据一个指定时长内,一个子分类对应的微信公众号发布的文章中在微信平台上的十万加阅读量的文章数和十万加阅读量的文章占比确定。
更具体的,可以但不限于通过以下公式确定微信指数ZCI,以得到准确性较高的ZCI:
ZCI=A1×zci1+A2×zci2+A3×zci3+A4×zci4+A5×zci5
其中,A1,A2,A3,A4,A5均为大于0小于1的系数;
A1+A2+A3+A4+A5=1;
zci1表示原创文章传播度;
zci2表示头条文章传播度;
zci3表示综合传播度;
zci4表示活跃度;
zci5表示爆款文章传播度;
zci1=(B1×Lg(b1×1+1)+B2×Lg(b2×1+1)+B3×Lg(b3×100+1)+B4×Lg(b4×1+1)+B5×Lg(b5×1+1)+B6×Lg(b6×100+1))×200
B1,B2,B3,B4,B5,B6均为大于0小于1的系数;
B1+B2+B3+B4+B5+B6=1;
b1表示原创文章总阅读数;
b2表示原创文章平均阅读数;
b3表示原创文章占比;
b4表示原创文章总点赞数;
b5表示原创文章平均点赞数;
b6表示原创文章点赞率;
zci2=(C1×Lg(c1×1+1)+C2×Lg(c2×1+1)+C3×Lg(c3×100+1)+C4×Lg(c4×1+1)+C5×Lg(c5×100+1))×200
C1,C2,C3,C4,C5均为大于0小于1的系数;
C1+C2+C3+C4+C5=1;
c1表示头条文章总阅读数;
c2表示头条文章平均阅读数;
c3表示头条文章总点赞数;
c4表示头条文章平均点赞数;
c5表示头条文章点赞率;
zci3=(D1×Lg(d1×1+1)+D2×Lg(d2×1+1)+D3×Lg(d3×100+1)+D4×Lg(d4×1+1)+D5×Lg(d5×1+1)+D6×Lg(d6×1+1)+D7×Lg(d7×100+1))×200
D1,D2,D3,D4,D5,D6,D7均为大于0小于1的系数;
D1+D2+D3+D4+D5+D6+D7=1;
d1表示总阅读数;
d2表示平均阅读数;
d3表示最高阅读数;
d4表示总点赞数;
d5表示平均点赞数;
d6表示最高点赞数;
d7表示总点赞率;
zci4=(E1×Lg(e1×1+1)+E2×Lg(e2×1+1)+E3×Lg(e3×100+1))×200
E1,E2,E3均为大于0小于1的系数;
E1+E2+E3=1;
e1表示发文量;
e2表示发文天数;
e3表示发文次数;
zci5=(F1×Lg(f1×10+1)+F2×Lg(f2×100+1))×200
F1,F2均为大于0小于1的系数;
F1+F2=1;
f1表示十万加文章数;
f2表示十万加文章占比。
若媒体数据处理请求为针对微博平台的媒体数据处理请求,指定参数也可以为多种。例如,指定参数可以为微博指数ZBI。
以指定参数为ZBI为例,步骤102中从平台服务器获取的媒体数据可以包括:
针对每个指定时长,每个指定分类下:
每个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总转发数之和、原创微博总评论数之和以及原创微博总点赞数之和;
例如,一个子分类有两个微博账号(假设分别记为微博账号一和微博账号二),分别对应两个微博平台(假设微博账号一对应微博平台一,微博账号二对应微博平台二),则针对一个指定时长(如一天),该子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总评论数之和,可以理解为,一天内,微博账号一在微博平台一发布的原创微博的总评论数和微博账号二在微博平台二发布的原创微博的总评论数之和。
每个子分类对应的所有微博账号在每个对应微博平台上发布的微博的总转发数之和、平均转发数(一个微博账号在对应的微博平台上的平均转发数可以理解为该微博账号在对应的微博平台上发布的微博的总转发数除以发布的微博总数得到的数值)之和、总评论数之和、平均评论数(一个微博账号在对应的微博平台上的平均评论数可以理解为该微博账号在对应的微博平台上发布的微博的总评论数除以发布的微博总数得到的数值)之和、总点赞数之和以及平均点赞数(一个微博账号在对应的微博平台上的平均点赞数可以理解为该微博账号在对应的微博平台上发布的微博的总点赞数除以发布的微博总数得到的数值)之和;
每个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博个数之和以及发微博总个数之和;
每个子分类对应的所有微博账号在每个对应微博平台上的粉丝数之和。
进一步的,可以根据获取的媒体数据确定原创微博传播度、综合传播度、活跃度、关注度,并进一步根据原创微博传播度、综合传播度、活跃度、关注度确定微博指数ZBI。
具体的,所述原创微博传播度可以根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总转发数之和、原创微博总评论数之和以及原创微博总点赞数之和确定;
所述综合传播度可以根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的微博的总转发数之和、平均转发数之和、总评论数之和、平均评论数之和、总点赞数之和以及平均点赞数之和确定;
所述活跃度可以根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博个数之和以及发微博总个数之和确定;
所述关注度可以根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上的粉丝数之和确定。
更具体的,可以通过以下公式确定微博指数ZBI,以得到准确性较高的ZBI:
ZBI=R1×zbi1+R2×zbi2+R3×zbi3+R4×zbi4
其中,R1,R2,R3,R4均为大于0小于1的系数;
R1+R2+R3+R4=1;
zbi1表示原创微博传播度;
zbi2表示综合传播度;
zbi3表示活跃度;
zbi4表示关注度;
zbi1=(S1×Lg(s1×1+1)+S2×Lg(s2×1+1)+S3×Lg(s3×1+1))×200
S1,S2,S3均为大于0小于1的系数;
S1+S2+S3=1;
s1表示原创微博总转发数之和;
s2表示原创微博总评论数之和;
s3表示原创微博总点赞数之和;
zbi2=(T1×Lg(t1×1+1)+T2×Lg(t2×100+1)+T3×Lg(t3×100+1)+T4×Lg(t4×100+1)+T5×Lg(t5×1+1)+T6×Lg(t6×100+1))×200
T1,T2,T3,T4,T5,T6均为大于0小于1的系数;
T1+T2+T3+T4+T5+T6=1;
t1表示总转发数之和;
t2表示平均转发数之和;
t3表示总评论数之和;
t4表示平均评论数之和;
t5表示总点赞数之和;
t6表示平均点赞数之和;
zbi3=(U1×Lg(u1×1+1)+U2×Lg(u2×1+1))×200
U1,U2均为大于0小于1的系数;
U1+U2=1;
u1表示原创微博个数之和;
u2表示发微博总个数之和;
zbi4=(Lg(v1×1+1))×200
v1表示粉丝数之和。
与实施例一基于同一发明构思,提供以下的客户端。
实施例二
本发明实施例二提供一种客户端,该客户端的结构可以如图2所示,其中:
接收单元11用于接收媒体数据处理请求;
发送单元12用于向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的;
所述接收单元11还用于接收平台服务器发送的所述媒体数据;
显示单元13用于根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
所述显示单元13显示指定参数包括:
针对一个指定时长,将一个指定分类下,利用每个子分类对应的媒体数据确定出的指定参数,保存为一组数据;将该组数据通过指定的图表形式显示。
所述媒体数据处理请求为针对微信平台的媒体数据处理请求,所述指定参数为微信指数ZCI时,所述显示单元13根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据综合传播度、原创文章传播度、活跃度、头条文章传播度、爆款文章传播度确定微信指数ZCI;
其中,所述综合传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章在微信平台上的总阅读数、平均阅读数、最高阅读数、总点赞数、平均点赞数、最高点赞数以及总点赞率确定;
所述原创文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的原创文章总阅读数、原创文章平均阅读数、原创文章占比、原创文章总点赞数、原创文章平均点赞数及原创文章点赞率确定;
所述活跃度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上的发文量、发文天数和发文次数确定;
所述头条文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的头条文章总阅读数、头条文章平均阅读数、头条文章总点赞数、头条文章平均点赞数和头条文章点赞率确定;
所述爆款文章传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章中在微信平台上的十万加阅读量的文章数和十万加阅读量的文章占比确定。
所述显示单元13通过以下公式确定微信指数ZCI:
ZCI=A1×zci1+A2×zci2+A3×zci3+A4×zci4+A5×zci5
其中,A1,A2,A3,A4,A5均为大于0小于1的系数;
A1+A2+A3+A4+A5=1;
zci1表示原创文章传播度;
zci2表示头条文章传播度;
zci3表示综合传播度;
zci4表示活跃度;
zci5表示爆款文章传播度;
zci1=(B1×Lg(b1×1+1)+B2×Lg(b2×1+1)+B3×Lg(b3×100+1)+B4×Lg(b4×1+1)+B5×Lg(b5×1+1)+B6×Lg(b6×100+1))×200
B1,B2,B3,B4,B5,B6均为大于0小于1的系数;
B1+B2+B3+B4+B5+B6=1;
b1表示原创文章总阅读数;
b2表示原创文章平均阅读数;
b3表示原创文章占比;
b4表示原创文章总点赞数;
b5表示原创文章平均点赞数;
b6表示原创文章点赞率;
zci2=(C1×Lg(c1×1+1)+C2×Lg(c2×1+1)+C3×Lg(c3×100+1)+C4×Lg(c4×1+1)+C5×Lg(c5×100+1))×200
C1,C2,C3,C4,C5均为大于0小于1的系数;
C1+C2+C3+C4+C5=1;
c1表示头条文章总阅读数;
c2表示头条文章平均阅读数;
c3表示头条文章总点赞数;
c4表示头条文章平均点赞数;
c5表示头条文章点赞率;
zci3=(D1×Lg(d1×1+1)+D2×Lg(d2×1+1)+D3×Lg(d3×100+1)+D4×Lg(d4×1+1)+D5×Lg(d5×1+1)+D6×Lg(d6×1+1)+D7×Lg(d7×100+1))×200
D1,D2,D3,D4,D5,D6,D7均为大于0小于1的系数;
D1+D2+D3+D4+D5+D6+D7=1;
d1表示总阅读数;
d2表示平均阅读数;
d3表示最高阅读数;
d4表示总点赞数;
d5表示平均点赞数;
d6表示最高点赞数;
d7表示总点赞率;
zci4=(E1×Lg(e1×1+1)+E2×Lg(e2×1+1)+E3×Lg(e3×100+1))×200
E1,E2,E3均为大于0小于1的系数;
E1+E2+E3=1;
e1表示发文量;
e2表示发文天数;
e3表示发文次数;
zci5=(F1×Lg(f1×10+1)+F2×Lg(f2×100+1))×200
F1,F2均为大于0小于1的系数;
F1+F2=1;
f1表示十万加文章数;
f2表示十万加文章占比。
所述媒体数据处理请求为针对微博平台的媒体数据处理请求,所述指定参数为微博指数ZBI时,所述显示单元13根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据原创微博传播度、综合传播度、活跃度、关注度确定微信指数ZBI;
其中,所述原创微博传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总转发数之和、原创微博总评论数之和以及原创微博总点赞数之和确定;
所述综合传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的微博的总转发数之和、平均转发数之和、总评论数之和、平均评论数之和、总点赞数之和以及平均点赞数之和确定;
所述活跃度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博个数之和以及发微博总个数之和确定;
所述关注度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上的粉丝数之和确定。
所述显示单元13通过以下公式确定微博指数ZBI:
ZBI=R1×zbi1+R2×zbi2+R3×zbi3+R4×zbi4
其中,R1,R2,R3,R4均为大于0小于1的系数;
R1+R2+R3+R4=1;
zbi1表示原创微博传播度;
zbi2表示综合传播度;
zbi3表示活跃度;
zbi4表示关注度;
zbi1=(S1×Lg(s1×1+1)+S2×Lg(s2×1+1)+S3×Lg(s3×1+1))×200
S1,S2,S3均为大于0小于1的系数;
S1+S2+S3=1;
s1表示原创微博总转发数之和;
s2表示原创微博总评论数之和;
s3表示原创微博总点赞数之和;
zbi2=(T1×Lg(t1×1+1)+T2×Lg(t2×100+1)+T3×Lg(t3×100+1)+T4×Lg(t4×100+1)+T5×Lg(t5×1+1)+T6×Lg(t6×100+1))×200
T1,T2,T3,T4,T5,T6均为大于0小于1的系数;
T1+T2+T3+T4+T5+T6=1;
t1表示总转发数之和;
t2表示平均转发数之和;
t3表示总评论数之和;
t4表示平均评论数之和;
t5表示总点赞数之和;
t6表示平均点赞数之和;
zbi3=(U1×Lg(u1×1+1)+U2×Lg(u2×1+1))×200
U1,U2均为大于0小于1的系数;
U1+U2=1;
u1表示原创微博个数之和;
u2表示发微博总个数之和;
zbi4=(Lg(v1×1+1))×200
v1表示粉丝数之和。
基于同一发明构思,本发明实施例提供以下的设备和介质。
实施例三
本发明实施例三提供一种媒体数据处理设备,该设备的结构可以如图3所示,包括存储器21、处理器22及存储在存储器上的计算机程序,所述处理器22执行所述程序时实现本发明实施例一所述方法的步骤。
可选的,所述处理器22具体可以包括中央处理器(CPU)、特定应用集成电路(ASIC,application specific integrated circuit),可以是一个或多个用于控制程序执行的集成电路,可以是使用现场可编程门阵列(FPGA,field programmable gate array)开发的硬件电路,可以是基带处理器。
可选的,所述处理器22可以包括至少一个处理核心。
可选的,所述存储器21可以包括只读存储器(ROM,read only memory)、随机存取存储器(RAM,random access memory)和磁盘存储器。存储器21用于存储至少一个处理器22运行时所需的数据。存储器21的数量可以为一个或多个。
本发明实施例四提供一种非易失性计算机存储介质,所述计算机存储介质存储有可执行程序,当可执行程序被处理器执行时,实现本发明实施例一提供的方法。
在具体的实施过程中,计算机存储介质可以包括:通用串行总线闪存盘(USB,Universal Serial Bus flash drive)、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的存储介质。
在本发明实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性或其它的形式。
在本发明实施例中的各功能单元可以集成在一个处理单元中,或者各个单元也可以均是独立的物理模块。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备,例如可以是个人计算机,服务器,或者网络设备等,或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:通用串行总线闪存盘(universal serial bus flash drive)、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种媒体数据处理方法,其特征在于,所述方法包括:
接收到媒体数据处理请求时,向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的;
接收平台服务器发送的所述媒体数据,根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
2.如权利要求1所述的方法,其特征在于,按照媒体类型,对媒体进行分类获得所述指定分类。
3.如权利要求1所述的方法,其特征在于,显示指定参数包括:
针对一个指定时长,将一个指定分类下,利用每个子分类对应的媒体数据确定出的指定参数,保存为一组数据;
将该组数据通过指定的图表形式显示。
4.如权利要求1~3任一所述的方法,其特征在于,所述媒体数据处理请求包括针对微博平台的媒体数据处理请求和针对微信平台的媒体数据处理请求。
5.如权利要求4所述的方法,其特征在于,所述媒体数据处理请求为针对微信平台的媒体数据处理请求,所述指定参数为微信指数ZCI时,根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据综合传播度、原创文章传播度、活跃度、头条文章传播度、爆款文章传播度确定微信指数ZCI;
其中,所述综合传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章在微信平台上的总阅读数、平均阅读数、最高阅读数、总点赞数、平均点赞数、最高点赞数以及总点赞率确定;
所述原创文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的原创文章总阅读数、原创文章平均阅读数、原创文章占比、原创文章总点赞数、原创文章平均点赞数及原创文章点赞率确定;
所述活跃度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上的发文量、发文天数和发文次数确定;
所述头条文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的头条文章总阅读数、头条文章平均阅读数、头条文章总点赞数、头条文章平均点赞数和头条文章点赞率确定;
所述爆款文章传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章中在微信平台上的十万加阅读量的文章数和十万加阅读量的文章占比确定。
6.如权利要求5所述的方法,其特征在于,通过以下公式确定微信指数ZCI:
ZCI=A1×zci1+A2×zci2+A3×zci3+A4×zci4+A5×zci5
其中,A1,A2,A3,A4,A5均为大于0小于1的系数;
A1+A2+A3+A4+A5=1;
zci1表示原创文章传播度;
zci2表示头条文章传播度;
zci3表示综合传播度;
zci4表示活跃度;
zci5表示爆款文章传播度;
zci1=(B1×Lg(b1×1+1)+B2×Lg(b2×1+1)+B3×Lg(b3×100+1)
+B4×Lg(b4×1+1)+B5×Lg(b5×1+1)+B6×Lg(b6×100+1))×200
B1,B2,B3,B4,B5,B6均为大于0小于1的系数;
B1+B2+B3+B4+B5+B6=1;
b1表示原创文章总阅读数;
b2表示原创文章平均阅读数;
b3表示原创文章占比;
b4表示原创文章总点赞数;
b5表示原创文章平均点赞数;
b6表示原创文章点赞率;
zci2=(C1×Lg(c1×1+1)+C2×Lg(c2×1+1)+C3×Lg(c3×100+1)
+C4×Lg(c4×1+1)+C5×Lg(c5×100+1))×200
C1,C2,C3,C4,C5均为大于0小于1的系数;
C1+C2+C3+C4+C5=1;
c1表示头条文章总阅读数;
c2表示头条文章平均阅读数;
c3表示头条文章总点赞数;
c4表示头条文章平均点赞数;
c5表示头条文章点赞率;
zci3=(D1×Lg(d1×1+1)+D2×Lg(d2×1+1)+D3×Lg(d3×100+1)
+D4×Lg(d4×1+1)+D5×Lg(d5×1+1)+D6×Lg(d6×1+1)+
D7×Lg(d7×100+1))×200
D1,D2,D3,D4,D5,D6,D7均为大于0小于1的系数;
D1+D2+D3+D4+D5+D6+D7=1;
d1表示总阅读数;
d2表示平均阅读数;
d3表示最高阅读数;
d4表示总点赞数;
d5表示平均点赞数;
d6表示最高点赞数;
d7表示总点赞率;
zci4=(E1×Lg(e1×1+1)+E2×Lg(e2×1+1)+E3×Lg(e3×100+1))×200
E1,E2,E3均为大于0小于1的系数;
E1+E2+E3=1;
e1表示发文量;
e2表示发文天数;
e3表示发文次数;
zci5=(F1×Lg(f1×10+1)+F2×Lg(f2×100+1))×200
F1,F2均为大于0小于1的系数;
F1+F2=1;
f1表示十万加文章数;
f2表示十万加文章占比。
7.如权利要求4所述的方法,其特征在于,所述媒体数据处理请求为针对微博平台的媒体数据处理请求,所述指定参数为微博指数ZBI时,根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据原创微博传播度、综合传播度、活跃度、关注度确定微信指数ZBI;
其中,所述原创微博传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总转发数之和、原创微博总评论数之和以及原创微博总点赞数之和确定;
所述综合传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的微博的总转发数之和、平均转发数之和、总评论数之和、平均评论数之和、总点赞数之和以及平均点赞数之和确定;
所述活跃度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博个数之和以及发微博总个数之和确定;
所述关注度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上的粉丝数之和确定。
8.如权利要求7所述的方法,其特征在于,通过以下公式确定微博指数ZBI:
ZBI=R1×zbi1+R2×zbi2+R3×zbi3+R4×zbi4
其中,R1,R2,R3,R4均为大于0小于1的系数;
R1+R2+R3+R4=1;
zbi1表示原创微博传播度;
zbi2表示综合传播度;
zbi3表示活跃度;
zbi4表示关注度;
zbi1=(S1×Lg(s1×1+1)+S2×Lg(s2×1+1)+S3×Lg(s3×1+1))×200
S1,S2,S3均为大于0小于1的系数;
S1+S2+S3=1;
s1表示原创微博总转发数之和;
s2表示原创微博总评论数之和;
s3表示原创微博总点赞数之和;
zbi2=(T1×Lg(t1×1+1)+T2×Lg(t2×100+1)+T3×Lg(t3×100+1)
+T4×Lg(t4×100+1)+T5×Lg(t5×1+1)+T6×Lg(t6×100+1))×200
T1,T2,T3,T4,T5,T6均为大于0小于1的系数;
T1+T2+T3+T4+T5+T6=1;
t1表示总转发数之和;
t2表示平均转发数之和;
t3表示总评论数之和;
t4表示平均评论数之和;
t5表示总点赞数之和;
t6表示平均点赞数之和;
zbi3=(U1×Lg(u1×1+1)+U2×Lg(u2×1+1))×200
U1,U2均为大于0小于1的系数;
U1+U2=1;
u1表示原创微博个数之和;
u2表示发微博总个数之和;
zbi4=(Lg(v1×1+1))×200
v1表示粉丝数之和。
9.一种客户端,其特征在于,所述客户端包括:
接收单元,用于接收媒体数据处理请求;
发送单元,用于向平台服务器发送媒体数据获取请求,所述媒体数据获取请求用于针对至少一个指定分类,获取至少一个指定时长内,与所述媒体数据处理请求匹配的,每个指定分类下的每个子分类对应的媒体数据,所述媒体数据是所述平台服务器预先存储的;
所述接收单元,还用于接收平台服务器发送的所述媒体数据;
显示单元,用于根据预先确定的数据模型,利用所述媒体数据确定指定参数并显示,所述指定参数用于表示所述媒体数据对应的统计信息。
10.如权利要求9所述的客户端,其特征在于,所述显示单元显示指定参数包括:
针对一个指定时长,将一个指定分类下,利用每个子分类对应的媒体数据确定出的指定参数,保存为一组数据;将该组数据通过指定的图表形式显示。
11.如权利要求9或10所述的客户端,其特征在于,所述媒体数据处理请求为针对微信平台的媒体数据处理请求,所述指定参数为微信指数ZCI时,所述显示单元根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据综合传播度、原创文章传播度、活跃度、头条文章传播度、爆款文章传播度确定微信指数ZCI;
其中,所述综合传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章在微信平台上的总阅读数、平均阅读数、最高阅读数、总点赞数、平均点赞数、最高点赞数以及总点赞率确定;
所述原创文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的原创文章总阅读数、原创文章平均阅读数、原创文章占比、原创文章总点赞数、原创文章平均点赞数及原创文章点赞率确定;
所述活跃度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上的发文量、发文天数和发文次数确定;
所述头条文章传播度根据一个指定时长内,一个子分类对应的微信公众号在微信平台上发布的头条文章总阅读数、头条文章平均阅读数、头条文章总点赞数、头条文章平均点赞数和头条文章点赞率确定;
所述爆款文章传播度根据一个指定时长内,一个子分类对应的微信公众号发布的文章中在微信平台上的十万加阅读量的文章数和十万加阅读量的文章占比确定。
12.如权利要求11所述的客户端,其特征在于,所述显示单元通过以下公式确定微信指数ZCI:
ZCI=A1×zci1+A2×zci2+A3×zci3+A4×zci4+A5×zci5
其中,A1,A2,A3,A4,A5均为大于0小于1的系数;
A1+A2+A3+A4+A5=1;
zci1表示原创文章传播度;
zci2表示头条文章传播度;
zci3表示综合传播度;
zci4表示活跃度;
zci5表示爆款文章传播度;
zci1=(B1×Lg(b1×1+1)+B2×Lg(b2×1+1)+B3×Lg(b3×100+1)
+B4×Lg(b4×1+1)+B5×Lg(b5×1+1)+B6×Lg(b6×100+1))×200
B1,B2,B3,B4,B5,B6均为大于0小于1的系数;
B1+B2+B3+B4+B5+B6=1;
b1表示原创文章总阅读数;
b2表示原创文章平均阅读数;
b3表示原创文章占比;
b4表示原创文章总点赞数;
b5表示原创文章平均点赞数;
b6表示原创文章点赞率;
zci2=(C1×Lg(c1×1+1)+C2×Lg(c2×1+1)+C3×Lg(c3×100+1)
+C4×Lg(c4×1+1)+C5×Lg(c5×100+1))×200
C1,C2,C3,C4,C5均为大于0小于1的系数;
C1+C2+C3+C4+C5=1;
c1表示头条文章总阅读数;
c2表示头条文章平均阅读数;
c3表示头条文章总点赞数;
c4表示头条文章平均点赞数;
c5表示头条文章点赞率;
zci3=(D1×Lg(d1×1+1)+D2×Lg(d2×1+1)+D3×Lg(d3×100+1)
+D4×Lg(d4×1+1)+D5×Lg(d5×1+1)+D6×Lg(d6×1+1)+
D7×Lg(d7×100+1))×200
D1,D2,D3,D4,D5,D6,D7均为大于0小于1的系数;
D1+D2+D3+D4+D5+D6+D7=1;
d1表示总阅读数;
d2表示平均阅读数;
d3表示最高阅读数;
d4表示总点赞数;
d5表示平均点赞数;
d6表示最高点赞数;
d7表示总点赞率;
zci4=(E1×Lg(e1×1+1)+E2×Lg(e2×1+1)+E3×Lg(e3×100+1))×200
E1,E2,E3均为大于0小于1的系数;
E1+E2+E3=1;
e1表示发文量;
e2表示发文天数;
e3表示发文次数;
zci5=(F1×Lg(f1×10+1)+F2×Lg(f2×100+1))×200
F1,F2均为大于0小于1的系数;
F1+F2=1;
f1表示十万加文章数;
f2表示十万加文章占比。
13.如权利要求9或10所述的客户端,其特征在于,所述媒体数据处理请求为针对微博平台的媒体数据处理请求,所述指定参数为微博指数ZBI时,所述显示单元根据预先确定的数据模型,利用所述媒体数据确定指定参数包括:
根据原创微博传播度、综合传播度、活跃度、关注度确定微信指数ZBI;
其中,所述原创微博传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博总转发数之和、原创微博总评论数之和以及原创微博总点赞数之和确定;
所述综合传播度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的微博的总转发数之和、平均转发数之和、总评论数之和、平均评论数之和、总点赞数之和以及平均点赞数之和确定;
所述活跃度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上发布的原创微博个数之和以及发微博总个数之和确定;
所述关注度根据一个指定时长内,一个子分类对应的所有微博账号在每个对应微博平台上的粉丝数之和确定。
14.如权利要求13所述的客户端,其特征在于,所述显示单元通过以下公式确定微博指数ZBI:
ZBI=R1×zbi1+R2×zbi2+R3×zbi3+R4×zbi4
其中,R1,R2,R3,R4均为大于0小于1的系数;
R1+R2+R3+R4=1;
zbi1表示原创微博传播度;
zbi2表示综合传播度;
zbi3表示活跃度;
zbi4表示关注度;
zbi1=(S1×Lg(s1×1+1)+S2×Lg(s2×1+1)+S3×Lg(s3×1+1))×200
S1,S2,S3均为大于0小于1的系数;
S1+S2+S3=1;
s1表示原创微博总转发数之和;
s2表示原创微博总评论数之和;
s3表示原创微博总点赞数之和;
zbi2=(T1×Lg(t1×1+1)+T2×Lg(t2×100+1)+T3×Lg(t3×100+1)
+T4×Lg(t4×100+1)+T5×Lg(t5×1+1)+T6×Lg(t6×100+1))×200
T1,T2,T3,T4,T5,T6均为大于0小于1的系数;
T1+T2+T3+T4+T5+T6=1;
t1表示总转发数之和;
t2表示平均转发数之和;
t3表示总评论数之和;
t4表示平均评论数之和;
t5表示总点赞数之和;
t6表示平均点赞数之和;
zbi3=(U1×Lg(u1×1+1)+U2×Lg(u2×1+1))×200
U1,U2均为大于0小于1的系数;
U1+U2=1;
u1表示原创微博个数之和;
u2表示发微博总个数之和;
zbi4=(Lg(v1×1+1))×200
v1表示粉丝数之和。
15.一种非易失性计算机存储介质,其特征在于,所述计算机存储介质存储有可执行程序,该可执行程序被处理器执行实现权利要求1~8任一所述方法的步骤。
16.一种媒体数据处理设备,其特征在于,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述程序时实现权利要求1~8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810579125.2A CN109086289A (zh) | 2018-06-07 | 2018-06-07 | 一种媒体数据处理方法、客户端、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810579125.2A CN109086289A (zh) | 2018-06-07 | 2018-06-07 | 一种媒体数据处理方法、客户端、介质和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109086289A true CN109086289A (zh) | 2018-12-25 |
Family
ID=64839460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810579125.2A Pending CN109086289A (zh) | 2018-06-07 | 2018-06-07 | 一种媒体数据处理方法、客户端、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086289A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727713A (zh) * | 2019-10-16 | 2020-01-24 | 杜泽壮 | 时政新闻的传播指数查询方法、装置以及存储介质 |
CN110795658A (zh) * | 2019-09-25 | 2020-02-14 | 北京三快在线科技有限公司 | 用户评分方法、装置、电子设备及计算机存储介质 |
CN111177508A (zh) * | 2019-10-16 | 2020-05-19 | 李多 | 指定新闻主题的传播指数查询方法、装置以及存储介质 |
CN112559679A (zh) * | 2020-11-19 | 2021-03-26 | 北京易标智科技有限公司 | 政法新媒体传播力的检测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455536A (zh) * | 2012-05-28 | 2013-12-18 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN104063390A (zh) * | 2013-03-20 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 一种微博数据处理方法及系统 |
CN105117484A (zh) * | 2015-09-17 | 2015-12-02 | 广州银讯信息科技有限公司 | 一种互联网舆情监测方法和系统 |
CN105718587A (zh) * | 2016-01-26 | 2016-06-29 | 王薇 | 一种网络内容资源评估方法及评估系统 |
CN106909637A (zh) * | 2017-02-14 | 2017-06-30 | 国家计算机网络与信息安全管理中心 | 微信公众号的影响力分析方法和系统 |
CN107577688A (zh) * | 2017-04-25 | 2018-01-12 | 上海市互联网信息办公室 | 基于媒体信息采集的原创文章影响力分析系统 |
-
2018
- 2018-06-07 CN CN201810579125.2A patent/CN109086289A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455536A (zh) * | 2012-05-28 | 2013-12-18 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN104063390A (zh) * | 2013-03-20 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 一种微博数据处理方法及系统 |
CN105117484A (zh) * | 2015-09-17 | 2015-12-02 | 广州银讯信息科技有限公司 | 一种互联网舆情监测方法和系统 |
CN105718587A (zh) * | 2016-01-26 | 2016-06-29 | 王薇 | 一种网络内容资源评估方法及评估系统 |
CN106909637A (zh) * | 2017-02-14 | 2017-06-30 | 国家计算机网络与信息安全管理中心 | 微信公众号的影响力分析方法和系统 |
CN107577688A (zh) * | 2017-04-25 | 2018-01-12 | 上海市互联网信息办公室 | 基于媒体信息采集的原创文章影响力分析系统 |
Non-Patent Citations (3)
Title |
---|
吴伟: "《你还在相信微信第三⽅监测平台的⼤数据⿁话吗?》", 《INEWS.IFENG.COM/MIP/48144353/NEWS.SHTML 1/11》 * |
太原科技大学: "《清博指数(第三期)》", 《微信公众号》 * |
王鲁峰 等: "《关注多元 意向深远 中国教育网络舆情研究报告 2016版》", 31 January 2018 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795658A (zh) * | 2019-09-25 | 2020-02-14 | 北京三快在线科技有限公司 | 用户评分方法、装置、电子设备及计算机存储介质 |
CN110727713A (zh) * | 2019-10-16 | 2020-01-24 | 杜泽壮 | 时政新闻的传播指数查询方法、装置以及存储介质 |
CN111177508A (zh) * | 2019-10-16 | 2020-05-19 | 李多 | 指定新闻主题的传播指数查询方法、装置以及存储介质 |
CN112559679A (zh) * | 2020-11-19 | 2021-03-26 | 北京易标智科技有限公司 | 政法新媒体传播力的检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086289A (zh) | 一种媒体数据处理方法、客户端、介质和设备 | |
CN106228386A (zh) | 一种信息推送方法及装置 | |
CN107909471A (zh) | 一种业务处理的方法、装置、自助终端设备及存储介质 | |
CN106503006A (zh) | 应用App中子应用的排序方法及装置 | |
CN107545315A (zh) | 订单处理方法及装置 | |
CN110838031A (zh) | 一种基于ABtest的数据运营方法和装置 | |
CN110162292A (zh) | 语音播报方法及装置 | |
CN110502321A (zh) | 一种资源调度方法及系统 | |
CN110909034A (zh) | 一种业务数据的分配方法、装置、终端设备及存储介质 | |
CN108140176A (zh) | 从对通信的本地搜索和远程搜索中并行地识别搜索结果 | |
CN110097302A (zh) | 分配订单的方法和装置 | |
CN110297959A (zh) | 数据存储方法、装置、存储介质及边缘服务器 | |
CN103634470A (zh) | 一种基于终端移动数据接入网Qos的人机交互预测方法 | |
CN109800074A (zh) | 任务数据并发执行方法、装置以及电子设备 | |
CN109658187A (zh) | 推荐云服务商的方法、装置、存储介质及电子设备 | |
CN105681287A (zh) | 基于筛选规则的用户服务分配筛选方法 | |
CN109862399A (zh) | 显示富媒体信息的方法、处理富媒体信息的方法、计算机装置及计算机可读存储介质 | |
CN113837793A (zh) | 一种供应商推荐方法、装置、存储介质及终端 | |
CN113609409A (zh) | 一种推荐浏览信息的方法及其系统、电子设备、存储介质 | |
CN113221005A (zh) | 客服推送方法、服务器及相关产品 | |
CN106982126A (zh) | 一种资源共享计费方法及计费装置、内存库 | |
CN111124209A (zh) | 一种界面的显示调整方法及装置 | |
CN107105440A (zh) | 一种信息处理方法、装置和业务运营支撑系统 | |
US11950173B2 (en) | Method of determining shared service index based on shared service of communication credential | |
CN110781384B (zh) | 一种基于优先级的内容推荐方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181225 |
|
RJ01 | Rejection of invention patent application after publication |