CN111581945B - 一种基于舆情分析的数据分析方法、装置和系统 - Google Patents
一种基于舆情分析的数据分析方法、装置和系统 Download PDFInfo
- Publication number
- CN111581945B CN111581945B CN202010275294.4A CN202010275294A CN111581945B CN 111581945 B CN111581945 B CN 111581945B CN 202010275294 A CN202010275294 A CN 202010275294A CN 111581945 B CN111581945 B CN 111581945B
- Authority
- CN
- China
- Prior art keywords
- risk
- public opinion
- data
- industry
- sample
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000012502 risk assessment Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000013135 deep learning Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims 2
- 238000011161 development Methods 0.000 description 11
- 230000018109 developmental process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006855 networking Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000008909 emotion recognition Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 240000005572 Syzygium cordatum Species 0.000 description 2
- 235000006650 Syzygium cordatum Nutrition 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
Abstract
本发明公开了一种基于舆情分析的数据分析方法、装置、系统和存储介质，通过获取行业相关的舆情信息对行业进行风险评估，方法包括：获取与行业有关的行业舆情数据；对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级；根据所述风险等级执行相应的预警操作。采用该技术方案，通过对行业舆情数据进行分析，及时发现行业存在的风险，提前进行预警调整策略，避免行业风险扩大导致的损失。
Description
技术领域
本发明涉及智能识别技术领域，具体而言，涉及一种基于舆情分析的数据分析方法、装置和系统。
背景技术
随着互联网技术和金融业务的不断发展，越来越多的银行和金融机构为用户开通了网上银行或互联网金融，为用户的信贷业务的申请和办理带来了极大的方便。
在对用户的信贷进行审批时要对用户信用相关的数据进行审核，判断用户是否满足条件。审核中的重要一项就是用户所在的行业。目前关于行业的风险主要根据行业相关的经济数据以及各种报表进行评估，存在一定的滞后性，不能及时发现行业存在的风险，避免风险扩大导致的损失。
发明内容
本发明旨在解决现有信贷审核中对行业的风险评估存在一定滞后性，无法及时发现风险的问题。
为了解决上述技术问题，本发明第一方面提出一种基于舆情分析的数据分析方法，包括：
获取与行业有关的行业舆情数据；
对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级；
根据所述风险等级执行相应的预警操作。
根据本发明的一种优选实施方式，获取与行业有关的行业舆情数据具体包括，预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
根据本发明的一种优选实施方式，对所述行业舆情数据进行数据处理具体为将所述行业舆情数据转化为舆情文本数据。
根据本发明的一种优选实施方式，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据向量化并输入风险判断模型。
根据本发明的一种优选实施方式，所述风险判断模型为基于深度学习的TextCNN模型。
根据本发明的一种优选实施方式，所述风险判断模型通过历史行业舆情数据训练获得。
根据本发明的一种优选实施方式，所述风险判断模型为孪生网络模型。
根据本发明的一种优选实施方式，根据所述风险等级执行相应的预警操作具体为：
风险等级为零风险时，不进行预警；
风险等级为低风险时，通过邮件进行预警；
风险等级为中风险时，通过短信进行预警；
风险等级为高风险时，通过电话进行预警。
本发明第二方面提出一种基于舆情分析的数据分析装置包括：
舆情获取模块，用于获取与行业有关的行业舆情数据；
风险判断模块，对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级；
预警执行模块，根据所述风险等级执行相应的预警操作。
根据本发明的一种优选实施方式，获取与行业有关的行业舆情数据具体包括，预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
根据本发明的一种优选实施方式，对所述行业舆情数据进行数据处理具体为将所述行业舆情数据转化为舆情文本数据。
根据本发明的一种优选实施方式，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据向量化并输入风险判断模型。
根据本发明的一种优选实施方式，所述风险判断模型为基于深度学习的TextCNN模型。
根据本发明的一种优选实施方式，所述风险判断模型通过历史行业舆情数据训练获得。
根据本发明的一种优选实施方式，所述风险判断模型为孪生网络模型。
根据本发明的一种优选实施方式，根据所述风险等级执行相应的操作具体为：
风险等级为零风险时，不进行预警；
风险等级为低风险时，通过邮件进行预警；
风险等级为中风险时，通过短信进行预警；
风险等级为高风险时，通过电话进行预警。
本发明第三方面提出一种基于舆情分析的数据分析装置系统，包括：
存储单元，用于存储计算机可执行程序；
处理单元，用于读取所述存储单元中的计算机可执行程序，以执行基于舆情分析的数据分析方法。
本发明第四方面提出一种计算机可读介质，用于存储计算机可读程序，所述计算机可读程序用于执行基于舆情分析的数据分析方法。
采用该技术方案，通过对行业舆情数据进行分析，及时发现行业存在的风险，提前进行预警调整策略，避免行业风险扩大导致的损失。。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明实施例中基于舆情分析的数据分析方法的流程示意图；
图2是本发明实施例中孪生网络的模型的结构示意图；
图3是本发明实施例中基于舆情分析的数据分析装置的结构示意图；
图4是本发明实施例中基于舆情分析的数据分析系统的框架示意图；
图5是本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
图1是本发明一种基于舆情分析的数据分析方法的流程示意图，如图1所示，本发明具有如下步骤：
S101、获取与行业有关的行业舆情数据。
随着互联网的发展，人们的社交活动也逐渐从现实世界向网络世界转移，越来越多的人在网站或社交APP，发表自己的观点或者跟其他人进行互动。很多关于行业的发展信息往往都是第一时间在网站或者社交APP中出现，如果对这些进行信息数据进行分析和提取，就能够及时对行业的发展进行判断，判断一段时期内行业的发展情况，避免行业风险扩到对信贷业务造成影响。
在上述方案的基础上，进一步地，获取与行业有关的行业舆情数据具体包括，预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
在本实施方式中，社交网站和社交APP非常多，例如微博、知乎、水木BBS、脉脉等等，每个人根据自己的喜好会使用不同的社交网站或社交APP。同样不同行业的从业人员会有不同的社交圈，媒体行业从业人员使用微博较多，IT相关从业人员使用CSDN社区较多等等。分析某个行业的舆情数据时，如果从所有社交网站或社交APP获取舆情数据进行分析，一是数据量庞大，风险判断模型的计算负担过大，二是干扰信息过多，会对判断结果造成一定影响。因此预先设置相对应的社交网站或社交APP，从行业从业人员相对集中的社交网站或社交APP获取舆情数据能够更快速更准去的进行判断。
S102、对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级。
在上述方案的基础上，进一步地，对所述行业舆情数据进行数据处理具体为将所述行业舆情数据转化为舆情文本数据。
在本实施方式，随着移动通信技术不断发展，中国的网速不断提升，人们在社交网站和社交APP上不仅仅限于使用文字或图片进行交流，音频数据和视频数据所占比重越来越大，因此需要将获取的行业舆情数据统一转化为舆情文本数据，便于下一步输入到风险模型进行判断。
在上述方案的基础上，进一步地，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据向量化并输入风险判断模型。
文本的向量化，即使用数字特征来代表文本，因为计算机无法直接理解人类创造的语言和文字。为了让计算机能够理解文本，我们需要将文本信息映射到一个数值化的语义空间中，这个语义空间我们可以称之为词向量空间。将文本转化为向量有多种算法，比如TF-IDF、BOW、One-Hot、word2vec等等。在本实施方式中，文本的向量化采用word2vec算法，word2vec模型是一个无监督的学习模型，使用未标引的语料集的训练就可以实现文本信息到语义空间的映射。
在上述方案的基础上，进一步地，所述风险判断模型为基于深度学习的TextCNN模型。
在上述方案的基础上，进一步地，所述风险判断模型通过历史行业舆情数据训练获得。
基于深度学习的TextCNN模型的建立可以采用有监督学习方式或无监督学习方式。在本实施方式中，采用有监督学习的方式进行模型训练。预先收集大量行业相关的舆情数据作为历史舆情数据。
将历史舆情数据分成三组样本，分别为训练样本、纠正样本和测试样本。采用人工评估的方式，分别对三组样本进行评估，评估风险等级，分别给出零风险、低风险、中风险以及高风险的风险评级。
使用训练样本对风险判断模型进行训练，获得风险判断模型的参数。
使用纠正样本对风险判断模型进行优化，调整模型的参数，比如正则化参数。
使用测试样本对优化后的风险判断模型进行测试，获得测试结果，将测试结果和人工审核给出的意图标签进行比较，判断风险判断模型及参数是否符合预设的要求。如果符合要求则将当年的风险判断模型用于风险判断；如果不符合要求，则继续对当前模型进行优化和调整，或者重新对样本进行分组建立风险判断模型。
风险判断模型可以采用多种方式，当风险判断模型采用基于深度学习文本分类模型TextCNN时，模型包括卷积层、池化层和输出层。输入经过向量化的舆情文本数据，经过卷积层和池化层的计算，最后输出层输出风险等级，根据最后输出的风险等级执行相应的预警操作。
在上述方案的基础上，进一步地，所述风险判断模型为孪生网络模型。
图2为本实施方式中孪生网络模型的结构示意图，如图2所示，孪生网络模型有两个结构相同，并且共享权值W的子网络，其中权值W也是模型参数。两个子网络可以是LSTM网络或CNN网络，在本实施方式中为LSTM网络。两个子网络分别接收两个输入X1和X2将其转换为向量Gw(X1)与Gw(X2)。在匹配层通过距离度量算法计算向量Gw(X1)与Gw(X2)之间的距离，根据所述距离确定输入的X1和X2相似度。距离度量算法有很多种，比如欧氏距离算法、余弦距离算法、曼哈顿距离算法等等，在本实施方式中采用余弦距离算法。输出层输出判断结果，匹配层计算获得的Gw(X1)与Gw(X2)之间的距离大时，说明两个输入X1和X2不相似，输出值为0；当Gw(X1)与Gw(X2)之间的距离小时，说明两个输入X1和X2相似，输出值为1。
孪生网络模型也通过历史舆情数据进行训练获得，训练过程与TextCNN模型相同。
在本实施方式中，预先设置经过人工评估的舆情风险样本，分别为零风险样本、低风险样本、中风险样本和高风险样本。一个输入端输入数据处理后的行业舆情数据，另一个输入端分别输入零风险样本、低风险样本、中风险样本和高风险样本，通过计算行业舆情数据与零风险样本、低风险样本、中风险样本和高风险样本之间的距离，确定行业舆情数据的风险等级。
S103、根据所述风险等级执行相应的预警操作。
在上述方案的基础上，进一步地，根据所述风险等级执行相应的预警操作具体为：
风险等级为零风险时，不进行预警；
风险等级为低风险时，通过邮件进行预警；
风险等级为中风险时，通过短信进行预警；
风险等级为高风险时，通过电话进行预警。
在本实施方式中，不同风险等级的舆情数据回来带的危害程度不同。当风险等级为零风险时，说明该行业较为安全，没有太大的波动，不需要进行预警。当风险等级判断为低风险时，说明该行业有一定风险，需要风险管控人员调整策略，但并不迫切，因此通过邮件向风险管控人员预警。当风险等级判断为中风险时，说明该行业未来一段时间存在风险，需要风险管控人员及时调整策略，因此通过短信的方式进行预警。当风险等级判断为高风险时，说明该行业波动较大，需要风险管控人员立刻调整策略，因此需要通过电话的方式进行预警。
图3是本发明实施例中基于舆情分析的数据分析装置的结构示意图，如图3所示，本发明提供一种基于舆情分析的数据分析装置400，包括：
舆情获取模块301，用于获取与行业有关的行业舆情数据。
随着互联网的发展，人们的社交活动也逐渐从现实世界向网络世界转移，越来越多的人在网站或社交APP，发表自己的观点或者跟其他人进行互动。很多关于行业的发展信息往往都是第一时间在网站或者社交APP中出现，如果对这些进行信息数据进行分析和提取，就能够及时对行业的发展进行判断，判断一段时期内行业的发展情况，避免行业风险扩到对信贷业务造成影响。
在上述方案的基础上，进一步地，获取与行业有关的行业舆情数据具体包括，预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
在本实施方式中，社交网站和社交APP非常多，例如微博、知乎、水木BBS、脉脉等等，每个人根据自己的喜好会使用不同的社交网站或社交APP。同样不同行业的从业人员会有不同的社交圈，媒体行业从业人员使用微博较多，IT相关从业人员使用CSDN社区较多等等。分析某个行业的舆情数据时，如果从所有社交网站或社交APP获取舆情数据进行分析，一是数据量庞大，风险判断模型的计算负担过大，二是干扰信息过多，会对判断结果造成一定影响。因此预先设置相对应的社交网站或社交APP，从行业从业人员相对集中的社交网站或社交APP获取舆情数据能够更快速更准去的进行判断。
风险判断模块302，对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级。
在上述方案的基础上，进一步地，对所述行业舆情数据进行数据处理具体为将所述行业舆情数据转化为舆情文本数据。
在本实施方式，随着移动通信技术不断发展，中国的网速不断提升，人们在社交网站和社交APP上不仅仅限于使用文字或图片进行交流，音频数据和视频数据所占比重越来越大，因此需要将获取的行业舆情数据统一转化为舆情文本数据，便于下一步输入到风险模型进行判断。
在上述方案的基础上，进一步地，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据向量化并输入风险判断模型。
文本的向量化，即使用数字特征来代表文本，因为计算机无法直接理解人类创造的语言和文字。为了让计算机能够理解文本，我们需要将文本信息映射到一个数值化的语义空间中，这个语义空间我们可以称之为词向量空间。将文本转化为向量有多种算法，比如TF-IDF、BOW、One-Hot、word2vec等等。在本实施方式中，文本的向量化采用word2vec算法，word2vec模型是一个无监督的学习模型，使用未标引的语料集的训练就可以实现文本信息到语义空间的映射。
在上述方案的基础上，进一步地，所述风险判断模型为基于深度学习的TextCNN模型。
在上述方案的基础上，进一步地，所述风险判断模型通过历史行业舆情数据训练获得。
基于深度学习的TextCNN模型的建立可以采用有监督学习方式或无监督学习方式。在本实施方式中，采用有监督学习的方式进行模型训练。预先收集大量行业相关的舆情数据作为历史舆情数据。
将历史舆情数据分成三组样本，分别为训练样本、纠正样本和测试样本。采用人工评估的方式，分别对三组样本进行评估，评估风险等级，分别给出零风险、低风险、中风险以及高风险的风险评级。
使用训练样本对风险判断模型进行训练，获得风险判断模型的参数。
使用纠正样本对风险判断模型进行优化，调整模型的参数，比如正则化参数。
使用测试样本对优化后的风险判断模型进行测试，获得测试结果，将测试结果和人工审核给出的意图标签进行比较，判断风险判断模型及参数是否符合预设的要求。如果符合要求则将当年的风险判断模型用于风险判断；如果不符合要求，则继续对当前模型进行优化和调整，或者重新对样本进行分组建立风险判断模型。
风险判断模型可以采用多种方式，当风险判断模型采用基于深度学习文本分类模型TextCNN时，模型包括卷积层、池化层和输出层。输入经过向量化的舆情文本数据，经过卷积层和池化层的计算，最后输出层输出风险等级，根据最后输出的风险等级执行相应的预警操作。
在上述方案的基础上，进一步地，所述风险判断模型为孪生网络模型。
孪生网络模型有两个结构相同，并且共享权值W的子网络，其中W也是模型参数。两个子网络可以是LSTM网络或CNN网络，在本实施方式中为LSTM网络。两个子网络分别接收两个输入X1和X2将其转换为向量Gw(X1)与Gw(X2)。在匹配层通过距离度量算法计算向量Gw(X1)与Gw(X2)之间的距离，根据所述距离确定输入的X1和X2相似度。距离度量算法有很多种，比如欧氏距离算法、余弦距离算法、曼哈顿距离算法等等，在本实施方式中采用余弦距离算法。输出层输出判断结果，匹配层计算获得的Gw(X1)与Gw(X2)之间的距离大时，说明两个输入X1和X2不相似，输出值为0；当Gw(X1)与Gw(X2)之间的距离小时，说明两个输入X1和X2相似，输出值为1。
孪生网络模型也通过历史舆情数据进行训练获得，训练过程与TextCNN模型相同。
在本实施方式中，预先设置经过人工评估的舆情风险样本，分别为零风险样本、低风险样本、中风险样本和高风险样本。一个输入端输入数据处理后的行业舆情数据，另一个输入端分别输入零风险样本、低风险样本、中风险样本和高风险样本，通过计算行业舆情数据与零风险样本、低风险样本、中风险样本和高风险样本之间的距离，确定行业舆情数据的风险等级。
预警执行模块303，根据所述风险等级执行相应的预警操作。
在上述方案的基础上，进一步地，根据所述风险等级执行相应的预警操作具体为：
风险等级为零风险时，不进行预警；
风险等级为低风险时，通过邮件进行预警；
风险等级为中风险时，通过短信进行预警；
风险等级为高风险时，通过电话进行预警。
在本实施方式中，不同风险等级的舆情数据回来带的危害程度不同。当风险等级为零风险时，说明该行业较为安全，没有太大的波动，不需要进行预警。当风险等级判断为低风险时，说明该行业有一定风险，需要风险管控人员调整策略，但并不迫切，因此通过邮件向风险管控人员预警。当风险等级判断为中风险时，说明该行业未来一段时间存在风险，需要风险管控人员及时调整策略，因此通过短信的方式进行预警。当风险等级判断为高风险时，说明该行业波动较大，需要风险管控人员立刻调整策略，因此需要通过电话的方式进行预警。
如图4所示，本发明的一个实施例中还公开一种基于舆情分析的数据分析系统，图4显示的信息处理系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
基于语音波形脉冲的图片的情绪识别系统400，包括存储单元420，用于存储计算机可执行程序；处理单元410，用于读取所述存储单元中的计算机可执行程序，以执行本发明各种实施方式的步骤。
在本实施方式中基于语音波形脉冲的图片的情绪识别系统400还包括，连接不同系统组件(包括存储单元420和处理单元410)的总线340、显示单元440等。
其中，所述存储单元420存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行，使得所述处理单元410执行本发明各种实施方式的步骤。例如，所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线440可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
基于语音波形脉冲的图片的情绪识别系统400也可以与一个或多个外部设备470(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备470通过输入/输出(I/O)接口450进行与处理单元410进行交互，还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)进行。网络适配器460可以通过总线440与基于语音波形脉冲的图片的情绪识别系统400的其它模块通信。应当明白，尽管图中未示出，基于运营平台的信息处理系统400中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图5是本发明的一个计算机可读介质实施例的示意图。如图4所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储单元(RAM)、只读存储单元(ROM)、可擦式可编程只读存储单元(EPROM或闪存)、光纤、便携式紧凑盘只读存储单元(CD-ROM)、光存储单元件、磁存储单元件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：
S101、获取与行业有关的行业舆情数据；
S102、对所述行业舆情数据进行数据处理，将数据处理后的行业舆情数据输入风险判断模型，输出风险等级；
S103、根据所述风险等级执行相应的预警操作。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，还包括常规的过程式程序设计语言一诸如“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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理单元或者数字信号处理单元(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于舆情分析的数据分析方法，其特征在于，包括：
获取与行业有关的行业舆情数据；
对所述行业舆情数据进行数据处理，将包含文字、图片、音频数据或视频数据的所述行业舆情数据统一转化为舆情文本数据，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据通过训练的无监督学习模型算法进行向量化并输入通过有监督学习方式或无监督学习方式构建并训练的风险判断模型中，输出风险等级；
所述风险判断模型通过预先收集的大量行业相关的舆情数据作为历史行业舆情数据训练获得，包括：所述历史行业舆情数据分成训练样本、纠正样本和测试样本三组样本，采用人工评估方式分别对三组样本进行评估，评估出风险等级，分别给出零风险、低风险、中风险以及高风险的风险等级；使用训练样本对风险判断模型进行训练获得风险判断模型的参数，使用修正样本对风险判断模型进行优化调整模型的参数，使用测试样本对优化后的风险判断模型进行测试获得测试结果，以及，将测试结果与人工审核给出的意图标签进行比较判断风险判断模型及参数是否符合预设的要求，如果符合预设的要求则将当前的风险判断模型用于风险判断；以及，当前的风险判断模型的一个输入端输入获取的进行数据处理后的行业舆情数据的向量，另一个输入端分别输入零风险等级的样本、低风险等级的样本、中风险等级的样本和高风险等级的样本，并且，通过分别计算获取的行业舆情数据与零风险等级的样本、低风险等级的样本、中风险等级的样本和高风险等级的样本之间的距离，确定获取的所述行业舆情数据的风险等级；
根据所述风险等级执行相应的预警操作：当风险等级为零风险时，不进行预警；当风险等级为低风险时，通过邮件进行预警；当风险等级为中风险时，通过短信进行预警；当风险等级为高风险时，通过电话进行预警。
2.如权利要求1所述的方法，其特征在于，获取与行业有关的行业舆情数据具体包括：预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
3.如权利要求1所述的方法，其特征在于，判断风险判断模型及参数是否符合预设的要求还包括：如果不符合要求，则继续对当前风险判断模型进行优化和调整，或者重新对样本进行分组建立风险判断模型。
4.如权利要求1所述的方法，其特征在于，所述风险判断模型为基于深度学习的TextCNN模型。
5.如权利要求1所述的数据分析方法，其特征在于，所述风险判断模型为孪生网络模型。
6.一种基于舆情分析的数据分析装置，其特征在于，包括：
舆情获取模块，用于获取与行业有关的行业舆情数据；
风险判断模块，用于对所述行业舆情数据进行数据处理，将包含文字、图片、音频数据或视频数据的所述行业舆情数据统一转化为舆情文本数据，对所述舆情文本数据进行划词处理，将划词后的舆情文本数据通过训练的无监督学习模型算法进行向量化并输入通过有监督学习方式或无监督学习方式构建并训练的风险判断模型中，输出风险等级；
所述风险判断模型通过预先收集的大量行业相关的舆情数据作为历史行业舆情数据训练获得，包括：所述历史行业舆情数据分成训练样本、纠正样本和测试样本三组样本，采用人工评估方式分别对三组样本进行评估，评估出风险等级，分别给出零风险、低风险、中风险以及高风险的风险等级；使用训练样本对风险判断模型进行训练获得风险判断模型的参数，使用修正样本对风险判断模型进行优化调整模型的参数，使用测试样本对优化后的风险判断模型进行测试获得测试结果，以及，将测试结果与人工审核给出的意图标签进行比较判断风险判断模型及参数是否符合预设的要求，如果符合预设的要求则将当前的风险判断模型用于风险判断；以及，当前的风险判断模型的一个输入端输入获取的进行数据处理后的行业舆情数据的向量，另一个输入端分别输入零风险等级的样本、低风险等级的样本、中风险等级的样本和高风险等级的样本，并且，通过分别计算获取的行业舆情数据与零风险等级的样本、低风险等级的样本、中风险等级的样本和高风险等级的样本之间的距离，确定获取的所述行业舆情数据的风险等级；
预警执行模块，用于根据所述风险等级执行相应的预警操作：当风险等级为零风险时，不进行预警；当风险等级为低风险时，通过邮件进行预警；当风险等级为中风险时，通过短信进行预警；当风险等级为高风险时，通过电话进行预警。
7.如权利要求6所述的装置，其特征在于，获取与行业有关的行业舆情数据具体包括，预先设置与行业相关的网站和/或应用程序，从所述与行业相关的网站和/或应用程序获取行业舆情数据。
8.如权利要求6所述的装置，其特征在于，判断风险判断模型及参数是否符合预设的要求还包括：如果不符合要求，则继续对当前风险判断模型进行优化和调整，或者重新对样本进行分组建立风险判断模型。
9.如权利要求6所述的装置，其特征在于，所述风险判断模型为基于深度学习的TextCNN模型。
10.如权利要求6所述的装置，其特征在于，所述风险判断模型为孪生网络模型。
11.一种基于舆情分析的数据分析系统，其特征在于，包括：
存储单元，用于存储计算机可执行程序；
处理单元，用于读取所述存储单元中的计算机可执行程序，以执行权利要求1至5中任一项所述的方法。
12.一种计算机可读介质，用于存储计算机可读程序，其特征在于，所述计算机可读程序用于执行权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010275294.4A CN111581945B (zh) | 2020-04-09 | 2020-04-09 | 一种基于舆情分析的数据分析方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010275294.4A CN111581945B (zh) | 2020-04-09 | 2020-04-09 | 一种基于舆情分析的数据分析方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111581945A CN111581945A (zh) | 2020-08-25 |
| CN111581945B true CN111581945B (zh) | 2024-05-03 |
Family
ID=72115115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010275294.4A Active CN111581945B (zh) | 2020-04-09 | 2020-04-09 | 一种基于舆情分析的数据分析方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111581945B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112711651A (zh) * | 2020-12-30 | 2021-04-27 | 上海金仕达软件科技有限公司 | 一种舆情监测方法及系统 |
| CN112785146B (zh) * | 2021-01-20 | 2022-12-13 | 吉林省互联网传媒股份有限公司 | 一种网络舆情的评估方法及系统 |
| CN113392185B (zh) * | 2021-06-10 | 2023-06-23 | 中国联合网络通信集团有限公司 | 舆情预警方法、装置、设备及存储介质 |
| CN113869803A (zh) * | 2021-12-02 | 2021-12-31 | 云账户技术(天津)有限公司 | 企业敏感信息风险评估方法、系统和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202904579U (zh) * | 2012-11-20 | 2013-04-24 | 四川省电力公司广安电业局 | 基于互联网的电力行业风险监控搜索分析引擎装置 |
| CN109885747A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技（深圳）有限公司 | 行业舆情监控方法、装置、计算机设备及存储介质 |
| CN110009128A (zh) * | 2019-01-28 | 2019-07-12 | 平安科技（深圳）有限公司 | 行业舆情指数预测方法、装置、计算机设备及存储介质 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110443489A (zh) * | 2019-07-31 | 2019-11-12 | 北京明略软件系统有限公司 | 目标行业的获取方法及装置、存储介质、电子装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11182721B2 (en) * | 2018-05-22 | 2021-11-23 | International Business Machines Corporation | Healthcare risk analytics |
-
2020
- 2020-04-09 CN CN202010275294.4A patent/CN111581945B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202904579U (zh) * | 2012-11-20 | 2013-04-24 | 四川省电力公司广安电业局 | 基于互联网的电力行业风险监控搜索分析引擎装置 |
| CN109885747A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技（深圳）有限公司 | 行业舆情监控方法、装置、计算机设备及存储介质 |
| CN110009128A (zh) * | 2019-01-28 | 2019-07-12 | 平安科技（深圳）有限公司 | 行业舆情指数预测方法、装置、计算机设备及存储介质 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110443489A (zh) * | 2019-07-31 | 2019-11-12 | 北京明略软件系统有限公司 | 目标行业的获取方法及装置、存储介质、电子装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111581945A (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111581945B (zh) | 一种基于舆情分析的数据分析方法、装置和系统 | |
| CN111191030B (zh) | 基于分类的单句意图识别方法、装置和系统 | |
| CN112860841B (zh) | 一种文本情感分析方法、装置、设备及存储介质 | |
| CN111177186B (zh) | 基于问题检索的单句意图识别方法、装置和系统 | |
| CN112863683A (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
| CN110795568A (zh) | 基于用户信息知识图谱的风险评估方法、装置和电子设备 | |
| CN112686022A (zh) | 违规语料的检测方法、装置、计算机设备及存储介质 | |
| CN111324738B (zh) | 一种确定文本标签的方法和系统 | |
| CN111753082A (zh) | 基于评论数据的文本分类方法及装置、设备和介质 | |
| US20220391598A1 (en) | Text checking method based on knowledge graph, electronic device, and medium | |
| CN117807482B (zh) | 海关报关单的分类方法、装置、设备及存储介质 | |
| CN116821372A (zh) | 基于知识图谱的数据处理方法、装置、电子设备及介质 | |
| CN115687934A (zh) | 意图识别方法、装置、计算机设备及存储介质 | |
| CN113392920B (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
| CN112100360B (zh) | 一种基于向量检索的对话应答方法、装置和系统 | |
| CN111241273A (zh) | 文本数据分类方法、装置、电子设备及计算机可读介质 | |
| CN110929499B (zh) | 文本相似度获取方法、装置、介质及电子设备 | |
| CN111523301B (zh) | 合同文档合规性检查方法及装置 | |
| US20180342240A1 (en) | System and method for assessing audio files for transcription services | |
| EP3876228A1 (en) | Automated assessment of the quality of a dialogue system in real time | |
| CN115730590A (zh) | 意图识别方法以及相关设备 | |
| CN115470790A (zh) | 一种识别文件中的命名实体的方法和装置 | |
| CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
| CN114118526A (zh) | 一种企业风险预测方法、装置、设备及存储介质 | |
| CN114078274A (zh) | 人脸图像检测方法、装置、电子设备以及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Room 1118, No.4, Lane 800, Tongpu Road, Putuo District, Shanghai 200062 Applicant after: SHANGHAI QIYU INFORMATION TECHNOLOGY Co.,Ltd. Address before: 201500 room a1-5962, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai (Shanghai Hengtai Economic Development Zone) Applicant before: SHANGHAI QIYU INFORMATION TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |