CN109670046A - 一种舆情监控方法、存储介质和终端设备 - Google Patents
一种舆情监控方法、存储介质和终端设备 Download PDFInfo
- Publication number
- CN109670046A CN109670046A CN201811340229.4A CN201811340229A CN109670046A CN 109670046 A CN109670046 A CN 109670046A CN 201811340229 A CN201811340229 A CN 201811340229A CN 109670046 A CN109670046 A CN 109670046A
- Authority
- CN
- China
- Prior art keywords
- public sentiment
- default
- propagation
- event
- network topology
- 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
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种舆情监控方法,包括:采集与预设舆情事件相关的舆情发布行为数据,并根据舆情发布行为数据获取舆情发布行为之间的关联性;根据舆情发布行为之间的关联性,构建预设舆情事件传输的网络拓扑关系图;基于网络拓扑关系图确定预设舆情事件的传播源头,以及基于网络拓扑关系图确定预设舆情事件的传播路径,并监控传输源头和传输路径。本发明可通过所采集的舆情发布行为数据来获取舆情发布行为之间的关联性,以构建出预设舆情事件传输的网络拓扑关系图,从而可根据网络拓扑关系图准确定位出预设舆情事件的传播源头和传播路径,并可对传播源头和传播路径进行及时、有效地监控,以正确掌握舆情导向。本发明还提供一种存储介质和终端设备。
Description
技术领域
本发明涉及网络信息处理技术领域,尤其涉及一种舆情监控方法、存储介质和终端设备。
背景技术
舆情是舆论情况的简称,是指在一定的社会空间内,围绕中介性社会事件的发生、发展和变化,作为主体的民众对作为客体的社会管理者、企业、个人及其他各类组织及其政治、社会、道德等方面的取向产生和持有的社会态度,它是较多群众关于社会中各种现象、问题所表达的信念、态度、意见和情绪等等表现的总和。在实际应用中,通常通过舆情系统来对舆情进行监控,以了解民众的思想动态,掌握大众需求,从而准确掌握舆情导向,以正确做出舆论引导。
目前的舆情系统虽然可通过对舆情进行分析,来确定舆情所属的事件类型、舆情的发展热度等,但并不能舆情事件进行深层次的信息挖掘,无法准确分析出该舆情事件所涉及的参与者,无法准确定位该舆情事件产生的源头以及无法准确获取该舆情事件的传播路径,进而导致不能及时准确地监控该舆情事件,从而不能准确掌握舆情导向。
发明内容
本发明实施例提供了一种舆情监控方法、存储介质和终端设备,能够准确定位出舆情事件的传播源头和传播路径,并能够对传播源头和传播路径进行及时、有效地监控,以正确掌握舆情导向,从而可对舆情事件做出正确的舆论引导。
本发明实施例的第一方面,提供了一种舆情监控方法,包括:
采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
根据所述舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
本发明实施例的第二方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如前述第一方面所述舆情监控方法的步骤。
本发明实施例的第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如下步骤:
采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
根据舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,通过采集与预设舆情事件相关的舆情发布行为数据,并根据舆情发布行为数据获取舆情发布行为之间的关联性,以根据关联性构建出该预设舆情事件传输的网络拓扑关系图,从而可根据网络拓扑关系图准确定位出该预设舆情事件的传播源头和传播路径,并可对该预设舆情事件的传播源头和传播路径进行及时、有效地监控,从而可正确掌握舆情导向,使得可对该预设舆情事件做出正确的舆论引导。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种舆情监控方法的一个实施例流程图;
图2为本发明实施例中一种舆情监控方法在一个应用场景下确定的网络拓扑关系图;
图3为本发明实施例中一种舆情监控方法在一个应用场景下确定重要传播主体的流程示意图;
图4为本发明实施例中一种舆情监控方法在另一个应用场景下确定重要传播主体的流程示意图;
图5为本发明实施例中一种舆情监控方法在一个应用场景下确定传播度的流程示意图;
图6为本发明实施例中一种舆情监控装置的一个实施例结构图;
图7为本发明一实施例提供的一种终端设备的示意图。
具体实施方式
本发明实施例提供了一种舆情监控方法、存储介质和终端设备,用于准确定位出预设舆情事件的传播源头和传播路径,并对传播源头和传播路径进行及时、有效地监控,以正确掌握舆情导向,从而可对舆情事件做出正确的舆论引导。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供了一种舆情监控方法,所述舆情监控方法包括:
步骤S101、采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
本发明实施例中,当需要监测某一预设舆情事件时,可首先获取与该预设舆情事件相对应的关键词,随后则可通过分布式爬虫技术从社交媒体、新闻媒体、论坛等渠道中采集与所述关键词相匹配的舆情发布行为数据,其中,所述舆情发布行为数据是指用户进行某一舆情发布行为时所产生的行为数据,包括所发布的舆情内容、发布主体、发布时间、发布平台以及所发布的舆情内容的来源,等等。因而,在采集到舆情发布行为数据后,即可根据该舆情发布行为数据获取各舆情发布行为之间的关联性,如根据舆情内容的来源获取各舆情发布行为之间的关联性。
步骤S102、根据所述舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
可以理解的是,本发明实施例中,在确定了各舆情发布行为之间的关联性后,即可根据该关联性构建出该预设舆情事件传输的网络拓扑关系图,如当根据舆情内容的来源确定所有舆情发布行为之间的转发关系后,则可根据该转发关系构建出该预设舆情事件传输的网络拓扑关系图。
如在某一具体应用中,当确定Q、R、S、T处的舆情发布行为是由K处转发而来的,O处和P处的舆情发布行为是由F处转发而来的,I、J、K、L、M、N处的舆情发布行为是由C处转发而来的,D、E、F、G、H处的舆情发布行为是由B处转发而来的,而B处和C处的舆情发布行为则是由A处转发而来时,则可确定该预设舆情事件是先由A处传播至B处和C处,随后,再由B处传播至D、E、F、G及H处,同时,还由C处传播至I、J、K、L、M及N处,并进一步由F处传播至O处和P处,同时,也由K处传播至Q、R、S及T处,因而,根据各处舆情发布行为之间的这种转发关系,则可构建出该预设舆情事件传输的网络拓扑关系图如图2中所示。
步骤S103、基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
本发明实施例中,所述基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,可以包括:步骤a、遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点;步骤b、将所述根节点所对应的舆情发布行为确定为所述预设舆情事件的传播源头。
可以理解的是,在构建出该预设舆情事件传输的网络拓扑关系图后,则可通过深度遍历或者广度遍历找到该网络拓扑关系图中的根节点,而所找到的根节点所对应的舆情发布行为即为初始的舆情发布行为,后续所有的舆情发布行为均直接或者间接转发自于该初始的舆情发布行为处,因而,该根节点所对应的舆情发布行为即为该预设舆情事件的传播源头。如遍历图2中所示的网络拓扑关系图,可得到该网络拓扑关系图中的根节点为A,因此,可确定A处的舆情发布行为为该预设舆情事件的传播源头。
进一步地,本发明实施例中,所述基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,可以包括:步骤c、遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点和叶子节点;步骤d、根据所述叶子节点与所述根节点之间的传输关系,确定所述预设舆情事件的传播路径。
可以理解的是,在构建出该预设舆情事件传输的网络拓扑关系图后,还可通过深度遍历或者广度遍历找到该网络拓扑关系图中的根节点和所有的叶子节点,从而可根据根节点到各叶子节点之间的传输过程,即根节点到各叶子节点所经过的各节点,找出该预设舆情事件的所有传播路径。
如遍历图2中所示的网络拓扑关系图,可以找到该网络拓扑关系图中的根节点为A和叶子节点包括有:D、E、G、H、I、J、L、M、N、O、P、Q、R、S及T,从而可进一步基于该网络拓扑关系图找到根节点A分别到各叶子节点D、E、G、H、I、J、L、M、N、O、P、Q、R、S、T的传输过程,进而可以确定出该预设舆情事件的所有传输路径,可以包括:A-B-D,A-B-E,A-B-G,A-B-H,A-C-I,A-C-J,A-C-L,A-C-M,A-C-N,A-B-F-O,A-B-F-P,A-C-K-Q,A-C-K-R,A-C-K-S,A-C-K-T。
优选地,本发明实施例中,所述舆情发布行为包括发布主体;相应地,如图3所示,所述监控所述传输源头和所述传输路径,可以包括:
步骤S301、根据所述网络拓扑关系图,统计各父节点下的子节点的节点数;
步骤S302、判断所述子节点的节点数是否超过预设数量阈值;
步骤S303、若所述子节点的节点数超过所述预设数量阈值,则将对应的所述父节点中的发布主体确定为所述传播路径中的重要传播主体;
步骤S304、监控所述传输源头,并监控所述传播路径中的重要传播主体。
对于上述步骤S301至步骤S304,可以理解的是,在构建出该预设舆情事件传输的网络拓扑关系图后,还可以通过分析该网络拓扑关系图来统计出每一个父节点下的子节点的节点数,其中,每一个父节点下的子节点的节点数则可以表明在该预设舆情事件的传播过程中有多少舆情发布行为是由该父节点传播出去的,从而可评估各父节点在该预设舆情事件的传播过程中所其到的传播作用,如是否是促进了该预设舆情事件的广泛传播,以造成了该预设舆情事件的爆发,若该父节点为促进该预设舆情事件广泛传播的节点,则表明该父节点在该预设舆情事件的传播过程中处于重要位置,该父节点的发布主体则可为该预设舆情事件在对应传播路径中的重要传播主体,因而,即可对该父节点中的发布主体进行有效地监控,以准确掌握舆情导向,便于及时对该预设舆情事件做出正确的舆论引导。
具体地,本发明实施例中,可根据该预设舆情事件的具体情况预先设置一预设数量阈值,当由某一父节点传输出来的舆情发布行为超过该预设数量阈值时,即当某一父节点下的子节点的节点数大于或者等于该预设数量阈值时,则可认为该父节点所对应的发布主体促进了该预设舆情事件的广泛传播,从而造成了该预设舆情事件的爆发,需要对该父节点所对应的发布主体进行监控,以准确掌握舆情的发展态势。例如,当预设设置的预设数量阈值为500个,而统计得到父节点A具有600个子节点,父节点B具有670个子节点时,则可以确定父节点A和父节点B均促进了该预设舆情事件的广泛传播,父节点A所对应的发布主体A为该预设舆情事件在传播路径A中的重要传播主体,父节点B所对应的发布主体B则为该预设舆情事件在传播路径B中的重要传播主体,因而,可分别对父节点A所对应的发布主体A和父节点B所对应的发布主体B进行监控。
在此,统计父节点下的子节点的节点数是指统计由该父节点直接传播出去的子节点的节点数,如在图2所示的网络拓扑关系图中,父节点A下的子节点的节点数为2个,父节点B下的子节点的节点数为5个,父节点C下的子节点的节点数为6个,父节点F下的子节点的节点数为2个,父节点K下的子节点的节点数为4个。
需要说明的是,本发明实施例中,还可直接将具有最多子节点的预设数量的父节点确定为该预设舆情事件的重要传播主体,即可以先统计出所有父节点下的子节点的节点数,然后可对所统计出的各个节点数进行降序排列,得到降序排列数组,然后可将数组中前预设数量的节点数所对应的父节点确定为促进该预设舆情事件广泛传播的节点,并对其进行监控,其中,该预设数量的设置可根据该预设舆情事件的具体情况进行确定。如在图2所示的网络拓扑关系图中,对节点数降序排列后得到的数组为{6,5,4,2,2},而当根据该预设舆情事件所确定的预设数量为3时,则可确定节点数6所对应的父节点C、节点数5所对应的父节点B以及节点数4所对应的父节点K均促进了该预设舆情事件广泛传播的节点,因而,可分别对父节点C的发布主体、父节点B的发布主体以及父节点K的发布主体进行监控。
进一步地,本发明实施例中,还可以实时统计出该网络拓扑关系图中所有节点(包括父节点和子节点)的总节点数,以根据所有节点的总节点数来确定出该预设舆情事件在某一时刻所处的发展周期,如是处于该预设舆情事件的发生期,或者是处于该预设舆情事件的酝酿期,还是处于该预设舆情事件的爆发期,等等。其中,对于发展周期的确定可根据总节点数所在的数量范围来确定,如可先通过对历史预设舆情事件进行大数据分析,来构建出预设舆情事件处于发生期所对应的第一数量范围、处于酝酿期所对应的第二数量范围,以及处于爆发期所对应的第三数量范围,因而,当在第一时刻统计出总节点数位于第一数量范围时,则可认为该预设舆情事件在该第一时刻时处于发生期;当在第二时刻统计出总节点数位于第二数量范围时,则可认为该预设舆情事件在该第二时刻时进入了酝酿期;当在第三时刻进一步统计出总节点数位于第三数量范围时,则可认为该预设舆情事件在该第三时刻进入了爆发期,从而,可清晰知晓该预设舆情事件的发展趋向,以方便管理者或者用户全面了解该预设舆情事件的发展进程,从而方便对该预设舆情事件的发展进行有效监控。
进一步地,如图4所示,所述监控所述传播路径中的重要传播主体,可以包括:
步骤S401、获取所述传播路径中的重要传播主体的网络行为数据;
步骤S402、根据所述网络行为数据确定所述重要传播主体的传播度,所述传播度用于指示传播主体对所述预设舆情事件的传播影响;
步骤S403、判断所述传播度是否大于预设传播度阈值;
步骤S404、当所述传播度大于预设传播度阈值时,监控所述传播路径中的重要传播主体。
对于上述步骤S401至步骤S404,可以理解的是,本发明实施例,在确定重要传播主体后,还可进一步获取该重要传播主体的网络行为数据,以根据网络行为数据来确定该重要传播主体的传播度,从而可根据传播度来确定是否确实需要监控该重要传播主体,其中,传播度用于指示各传播主体对该预设舆情事件的传播影响。具体地,可事先根据该预设舆情事件的具体情况确定重要传播主体需要被监控所应当达到的预设传播度阈值,因而,当根据某一重要传播主体的网络行为数据确定该重要传播主体的传播度大于或者等于该预设传播度阈值时,则表明确实需要监控该重要传播主体。
优选地,本发明实施例中,所述舆情发布行为包括舆情内容,所述网络行为数据包括所述重要传播主体的粉丝数以及所述重要传播主体中所述舆情内容的评论数和转发数;
所述根据所述网络行为数据确定所述重要传播主体的传播度的确定公式为:
Weight=f*Follower+r*Repost+c*Comments;
其中,Weight为传播度,Follower为粉丝数,f为粉丝数的预设权重,Repost为转发数,r为转发数的预设权重,Comments为评论数,c为评论数的预设权重。
可以理解的是,在预设舆情事件的传播过程中,转发的重要性往往大于评论,而评论的重要性则往往大于查看,其中,传播主体所具有的粉丝数则可用于表明该传播主体所发布的舆情内容在传播过程中可能被查看到的查看量,因而,本发明实施例中,在进行预设权重的设置时,可设置转发数的预设权重r大于评论数的预设权重c,并可设置评论数的预设权重c大于粉丝数的预设权重f,如可将转发数的预设权重r设置为0.6,将评论数的预设权重c设置为0.39,而将粉丝数的预设权重f设置为0.01,以在获取到某一重要传播主体的粉丝数Follower,以及该重要传播主体所发布的舆情内容被转发的转发数Repost和被评论的评论数Comments后,可根据公式Weight=f*Follower+r*Repost+c*Comments,来计算得到该重要传播主体的传播度。
可选地,本发明实施例中,所述舆情发布行为包括舆情内容,所述网络行为数据包括对所述重要传播主体中所述舆情内容的评论内容;
相应地,如图5所示,所述根据所述网络行为数据确定所述重要传播主体的传播度,可以包括:
步骤S501、采用预设文本情感分析模型分别对所述舆情发布内容和所述评论内容进行情感分析,得到舆情情感分析结果和评论情感分析结果;
步骤S502、统计与所述舆情情感分析结果相同的评论情感分析结果的第一数量,以及与所述舆情情感分析结果不相同的评论情感分析结果的第二数量;
步骤S503、根据所述第一数量和所述第二数量确定所述重要传播主体的传播度。
其中,所述根据所述第一数量和所述第二数量确定所述重要传播主体的传播度的确定公式为:
Weight=a*Positive+b*Negative;
其中,Weight为传播度,Positive为所述第一数量,a为Positive的预设权重,Negative为所述第二数量,b为Negative的预设权重。
可以理解的是,本发明实施例中,可通过采集历史预设舆情事件的舆情内容以及所对应的评论内容等样本数据作为训练集,通过对该训练集中的样本数据进行切词等处理,得到各个分词后,分析各个分词所对应的情感倾向,并以具有情感倾向的分词为特征构建出文本情感分析模型,以作为后续获取情感分析结果的预设文本情感分析模型。因而,当获取了该重要传播主体所发布的舆情内容以及获取了与该舆情内容相对应的评论内容后,可将该舆情内容和所对应的评论内容分别投入至该预设文本情感分析模型中,从而可得到该预设文本情感分析模型输出的舆情情感分析结果和评论情感分析结果,其中,舆情情感分析结果和评论情感分析结果均可以包括正面情感分析结果和负面情感分析结果。
在此,若舆情情感分析结果为正面情感分析结果,则分别统计评论情感分析结果中正面情感分析结果的第一数量Positive和评论情感分析结果中负面情感分析结果的第二数量Negative,并将第一数量Positive和第二数量Negative带入公式Weight=a*Positive+b*Negative中,以此得到该重要传播主体的传播度;若舆情情感分析结果为负面情感分析结果,则分别统计评论情感分析结果中负面情感分析结果的第一数量Positive和评论情感分析结果中正面情感分析结果的第二数量Negative,并将第一数量Positive和第二数量Negative带入公式Weight=a*Positive+b*Negative中,以此得到该重要传播主体的传播度,从而,可根据情感分析结果来确定该重要传播主体所发布的舆情内容给大众带来的情感倾向,据此可准确确定该重要传播主体对该预设舆情事件所造成的舆情导向。
本发明实施例中,通过采集与预设舆情事件相关的舆情发布行为数据,并根据舆情发布行为数据获取舆情发布行为之间的关联性,以根据关联性构建出该预设舆情事件传输的网络拓扑关系图,从而可根据网络拓扑关系图准确定位出该预设舆情事件的传播源头和传播路径,并可对该预设舆情事件的传播源头和传播路径进行及时、有效地监控,从而可正确掌握舆情导向,使得可对该预设舆情事件做出正确的舆论引导。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种舆情监控方法,下面将对一种舆情监控装置进行详细描述。
如图6所示,本发明实施例提供了一种舆情监控装置,所述舆情监控装置包括:
关联性获取模块601,用于采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
拓扑图构建模块602,用于根据所述舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
舆情监控模块603,用于基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
进一步地,所述舆情监控模块603,包括:
第一拓扑图遍历单元,用于遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点;
传播源头确定单元,用于将所述根节点所对应的舆情发布行为确定为所述预设舆情事件的传播源头。
优选地,所述舆情监控模块603,包括:
第一拓扑图遍历单元,用于遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点和叶子节点;
传播路径确定单元,用于根据所述叶子节点与所述根节点之间的传输关系,确定所述预设舆情事件的传播路径。
可选地,所述舆情发布行为包括发布主体;
所述舆情监控模块603,包括:
节点数统计单元,用于根据所述网络拓扑关系图,统计各父节点下的子节点的节点数;
节点数判断单元,用于判断所述子节点的节点数是否超过预设数量阈值;
重要传播主体确定单元,用于若所述子节点的节点数超过所述预设数量阈值,则将对应的所述父节点中的发布主体确定为所述传播路径中的重要传播主体
重要传播主体监控单元,用于监控所述传输源头,并监控所述传播路径中的重要传播主体。
进一步地,所述重要传播主体监控单元,包括:
网络行为数据获取子单元,用于获取所述传播路径中的重要传播主体的网络行为数据;
传播度确定子单元,用于根据所述网络行为数据确定所述重要传播主体的传播度,所述传播度用于指示传播主体对所述预设舆情事件的传播影响;
重要传播主体监控子单元,用于当所述传播度大于预设传播度阈值时,监控所述传播路径中的重要传播主体。
优选地,所述舆情发布行为包括舆情发布内容,所述网络行为数据包括所述重要传播主体的粉丝数,以及所述重要传播主体中所述舆情发布内容的评论数和转发数;
所述根据所述网络行为数据确定所述重要传播主体的传播度的确定公式为:
Weight=f*Follower+r*Repost+c*Comments;
其中,Weight为传播度,Follower为粉丝数,f为粉丝数的预设权重,Repost为转发数,r为转发数的预设权重,Comments为评论数,c为评论数的预设权重。
可选地,所述舆情发布行为包括舆情发布内容,所述网络行为数据包括对所述重要传播主体中所述舆情发布内容的评论内容;
所述传播度确定子单元,包括:
情感分析分单元,用于采用预设文本情感分析模型分别对所述舆情发布内容和所述评论内容进行情感分析,得到舆情情感分析结果和评论情感分析结果;
结果统计分单元,用于统计与所述舆情情感分析结果相同的评论情感分析结果的第一数量,以及与所述舆情情感分析结果不相同的评论情感分析结果的第二数量;
传播度确定分单元,用于根据所述第一数量和所述第二数量确定所述重要传播主体的传播度。
进一步地,所述根据所述第一数量和所述第二数量确定所述重要传播主体的传播度的确定公式为:
Weight=a*Positive+b*Negative;
其中,Weight为传播度,Positive为所述第一数量,a为Positive的预设权重,Negative为所述第二数量,b为Negative的预设权重
图7是本发明一实施例提供的一种终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机可读指令72,例如舆情监控程序。所述处理器70执行所述计算机可读指令72时实现上述各个舆情监控方法实施例中的步骤,例如图1所示的步骤S101至步骤S103。或者,所述处理器70执行所述计算机可读指令72时实现上述各装置实施例中各模块/单元的功能,例如图6所示的模块601至模块603的功能。
示例性的,所述计算机可读指令72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令72在所述终端设备7中的执行过程。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机可读指令以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该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(可以是个人计算机,服务器,或者网络设备等)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:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、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介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种舆情监控方法,其特征在于,包括:
采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
根据所述舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
2.根据权利要求1所述的舆情监控方法,其特征在于,所述基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,包括:
遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点;
将所述根节点所对应的舆情发布行为确定为所述预设舆情事件的传播源头。
3.根据权利要求1所述的舆情监控方法,其特征在于,所述基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,包括:
遍历所述网络拓扑关系图,得到所述网络拓扑关系图中的根节点和叶子节点;
根据所述叶子节点与所述根节点之间的传输关系,确定所述预设舆情事件的传播路径。
4.根据权利要求1至3中任一项所述的舆情监控方法,其特征在于,所述舆情发布行为包括发布主体;
所述监控所述传输源头和所述传输路径,包括:
根据所述网络拓扑关系图,统计各父节点下的子节点的节点数;
判断所述子节点的节点数是否超过预设数量阈值;
若所述子节点的节点数超过所述预设数量阈值,则将对应的所述父节点中的发布主体确定为所述传播路径中的重要传播主体;
监控所述传输源头,并监控所述传播路径中的重要传播主体。
5.根据权利要求4所述的舆情监控方法,其特征在于,所述监控所述传播路径中的重要传播主体,包括:
获取所述传播路径中的重要传播主体的网络行为数据;
根据所述网络行为数据确定所述重要传播主体的传播度,所述传播度用于指示传播主体对所述预设舆情事件的传播影响;
当所述传播度大于预设传播度阈值时,监控所述传播路径中的重要传播主体。
6.根据权利要求5所述的舆情监控方法,其特征在于,所述舆情发布行为包括舆情内容,所述网络行为数据包括所述重要传播主体的粉丝数以及所述重要传播主体中所述舆情内容的评论数和转发数;
所述根据所述网络行为数据确定所述重要传播主体的传播度的确定公式为:
Weight=f*Follower+r*Repost+c*Comments;
其中,Weight为传播度,Follower为粉丝数,f为粉丝数的预设权重,Repost为转发数,r为转发数的预设权重,Comments为评论数,c为评论数的预设权重。
7.根据权利要求5所述的舆情监控方法,其特征在于,所述舆情发布行为包括舆情内容,所述网络行为数据包括对所述重要传播主体中所述舆情内容的评论内容;
所述根据所述网络行为数据确定所述重要传播主体的传播度,包括:
采用预设文本情感分析模型分别对所述舆情内容和所述评论内容进行情感分析,得到舆情情感分析结果和评论情感分析结果;
统计与所述舆情情感分析结果相同的评论情感分析结果的第一数量,以及与所述舆情情感分析结果不相同的评论情感分析结果的第二数量;
根据所述第一数量和所述第二数量确定所述重要传播主体的传播度。
8.根据权利要求7所述的舆情监控方法,其特征在于,所述根据所述第一数量和所述第二数量确定所述重要传播主体的传播度的确定公式为:
Weight=a*Positive+b*Negative;
其中,Weight为传播度,Positive为所述第一数量,a为Positive的预设权重,Negative为所述第二数量,b为Negative的预设权重。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至8中任一项所述舆情监控方法的步骤。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
采集与预设舆情事件相关的舆情发布行为数据,并根据所述舆情发布行为数据获取舆情发布行为之间的关联性;
根据舆情发布行为之间的关联性,构建所述预设舆情事件传输的网络拓扑关系图;
基于所述网络拓扑关系图确定所述预设舆情事件的传播源头,以及基于所述网络拓扑关系图确定所述预设舆情事件的传播路径,并监控所述传输源头和所述传输路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811340229.4A CN109670046A (zh) | 2018-11-12 | 2018-11-12 | 一种舆情监控方法、存储介质和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811340229.4A CN109670046A (zh) | 2018-11-12 | 2018-11-12 | 一种舆情监控方法、存储介质和终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670046A true CN109670046A (zh) | 2019-04-23 |
Family
ID=66141716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811340229.4A Pending CN109670046A (zh) | 2018-11-12 | 2018-11-12 | 一种舆情监控方法、存储介质和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670046A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704289A (zh) * | 2019-09-25 | 2020-01-17 | 数熙科技(北京)有限公司 | 监控kol账户的方法、装置以及存储介质 |
CN111160738A (zh) * | 2019-12-18 | 2020-05-15 | 上海秒针网络科技有限公司 | 事件处理方法、装置、存储介质及电子装置 |
CN111784492A (zh) * | 2020-07-10 | 2020-10-16 | 讯飞智元信息科技有限公司 | 舆情分析和财务预警方法、装置、电子设备和存储介质 |
CN112711691A (zh) * | 2021-01-08 | 2021-04-27 | 深圳市网联安瑞网络科技有限公司 | 网络舆情引导效果数据信息处理方法、系统、终端及介质 |
CN117150104A (zh) * | 2023-10-23 | 2023-12-01 | 西安康奈网络科技有限公司 | 一种基于互联网的多路径舆情话题溯源追踪系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186600A (zh) * | 2011-12-28 | 2013-07-03 | 北大方正集团有限公司 | 互联网舆情的专题分析方法和装置 |
CN103885993A (zh) * | 2012-12-24 | 2014-06-25 | 北大方正集团有限公司 | 用于微博的舆情监控方法和装置 |
CN104092598A (zh) * | 2014-07-03 | 2014-10-08 | 厦门欣欣信息有限公司 | 一种消息传播路径提取方法及其系统 |
CN104954236A (zh) * | 2015-06-19 | 2015-09-30 | 百度在线网络技术(北京)有限公司 | 为主题事件生成传播路径的信息的方法和装置 |
CN106776841A (zh) * | 2016-11-28 | 2017-05-31 | 福建亿榕信息技术有限公司 | 一种互联网舆情事件传播指数的获取方法和系统 |
CN107633044A (zh) * | 2017-09-14 | 2018-01-26 | 国家计算机网络与信息安全管理中心 | 一种基于热点事件的舆情知识图谱构建方法 |
CN107908619A (zh) * | 2017-11-15 | 2018-04-13 | 中国平安人寿保险股份有限公司 | 基于舆情监控的处理方法、装置、终端及计算机存储介质 |
CN108762792A (zh) * | 2018-06-21 | 2018-11-06 | 普联技术有限公司 | 网络设备升级方法、升级服务器、终端设备及存储介质 |
-
2018
- 2018-11-12 CN CN201811340229.4A patent/CN109670046A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186600A (zh) * | 2011-12-28 | 2013-07-03 | 北大方正集团有限公司 | 互联网舆情的专题分析方法和装置 |
CN103885993A (zh) * | 2012-12-24 | 2014-06-25 | 北大方正集团有限公司 | 用于微博的舆情监控方法和装置 |
CN104092598A (zh) * | 2014-07-03 | 2014-10-08 | 厦门欣欣信息有限公司 | 一种消息传播路径提取方法及其系统 |
CN104954236A (zh) * | 2015-06-19 | 2015-09-30 | 百度在线网络技术(北京)有限公司 | 为主题事件生成传播路径的信息的方法和装置 |
CN106776841A (zh) * | 2016-11-28 | 2017-05-31 | 福建亿榕信息技术有限公司 | 一种互联网舆情事件传播指数的获取方法和系统 |
CN107633044A (zh) * | 2017-09-14 | 2018-01-26 | 国家计算机网络与信息安全管理中心 | 一种基于热点事件的舆情知识图谱构建方法 |
CN107908619A (zh) * | 2017-11-15 | 2018-04-13 | 中国平安人寿保险股份有限公司 | 基于舆情监控的处理方法、装置、终端及计算机存储介质 |
CN108762792A (zh) * | 2018-06-21 | 2018-11-06 | 普联技术有限公司 | 网络设备升级方法、升级服务器、终端设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704289A (zh) * | 2019-09-25 | 2020-01-17 | 数熙科技(北京)有限公司 | 监控kol账户的方法、装置以及存储介质 |
CN111160738A (zh) * | 2019-12-18 | 2020-05-15 | 上海秒针网络科技有限公司 | 事件处理方法、装置、存储介质及电子装置 |
CN111784492A (zh) * | 2020-07-10 | 2020-10-16 | 讯飞智元信息科技有限公司 | 舆情分析和财务预警方法、装置、电子设备和存储介质 |
CN112711691A (zh) * | 2021-01-08 | 2021-04-27 | 深圳市网联安瑞网络科技有限公司 | 网络舆情引导效果数据信息处理方法、系统、终端及介质 |
CN112711691B (zh) * | 2021-01-08 | 2024-04-30 | 深圳市网联安瑞网络科技有限公司 | 网络舆情引导效果数据信息处理方法、系统、终端及介质 |
CN117150104A (zh) * | 2023-10-23 | 2023-12-01 | 西安康奈网络科技有限公司 | 一种基于互联网的多路径舆情话题溯源追踪系统 |
CN117150104B (zh) * | 2023-10-23 | 2024-01-26 | 西安康奈网络科技有限公司 | 一种基于互联网的多路径舆情话题溯源追踪系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670046A (zh) | 一种舆情监控方法、存储介质和终端设备 | |
Yu et al. | From micro to macro: Uncovering and predicting information cascading process with behavioral dynamics | |
CN108121795B (zh) | 用户行为预测方法及装置 | |
Simma | Modeling events in time using cascades of Poisson processes | |
CN103605662B (zh) | 一种分布式计算框架参数优化方法、装置及系统 | |
EP2924579A1 (en) | Event correlation | |
Alduais et al. | RDCM: An efficient real-time data collection model for IoT/WSN edge with multivariate sensors | |
CN112054968B (zh) | 面向大规模时间敏感网络的调度方法、装置及电子设备 | |
de C Gatti et al. | A simulation-based approach to analyze the information diffusion in microblogging online social network | |
WO2013110357A1 (en) | Social network analysis | |
CN109558547A (zh) | 一种数据的过滤方法、装置、电子设备及存储介质 | |
CN107153702A (zh) | 一种数据处理方法及装置 | |
CN110300008A (zh) | 一种确定网络设备的状态的方法及装置 | |
Li et al. | Social network user influence dynamics prediction | |
CN110969252A (zh) | 基于知识库的知识推理方法、装置及电子设备 | |
Woisetschläger et al. | Federated fine-tuning of llms on the very edge: The good, the bad, the ugly | |
CN108021713B (zh) | 一种文档聚类的方法和装置 | |
CN112000866B (zh) | 互联网数据分析方法、装置、电子装置及介质 | |
CN111767739B (zh) | 一种基于pptl3的微信群在线监控方法及系统 | |
CN108494635A (zh) | 一种基于云计算的网络流量探测系统 | |
Xiong et al. | Information diffusion model in modular microblogging networks | |
Zeydan et al. | Streaming alarm data analytics for mobile service providers | |
CN104636404B (zh) | 用于测试的大规模数据生成方法和装置 | |
Salmerón et al. | Integrating model checking and simulation for protocol optimization | |
CN115580543A (zh) | 一种基于哈希计数的网络系统活跃度评估方法 |
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 |