CN111666428B - 网络媒体传播力评估方法 - Google Patents

网络媒体传播力评估方法 Download PDF

Info

Publication number
CN111666428B
CN111666428B CN202010499033.0A CN202010499033A CN111666428B CN 111666428 B CN111666428 B CN 111666428B CN 202010499033 A CN202010499033 A CN 202010499033A CN 111666428 B CN111666428 B CN 111666428B
Authority
CN
China
Prior art keywords
articles
network
original
media
database
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
Application number
CN202010499033.0A
Other languages
English (en)
Other versions
CN111666428A (zh
Inventor
姚洲鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Fanews Technology Co ltd
Original Assignee
Hangzhou Fanews Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Fanews Technology Co ltd filed Critical Hangzhou Fanews Technology Co ltd
Priority to CN202010499033.0A priority Critical patent/CN111666428B/zh
Publication of CN111666428A publication Critical patent/CN111666428A/zh
Application granted granted Critical
Publication of CN111666428B publication Critical patent/CN111666428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F16/353—Clustering; Classification into predefined classes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种网络媒体传播力评估方法，包含以下步骤：获取若干网络媒体的所有的文章建立数据库；从数据库中选取出一个网络媒体的所有原创文章；对选取出的该网络媒体的所有原创文章进行去重操作去除重复的文章；从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据；根据转载数据计算该网络媒体的传播力。本发明的有益之处在于提供的网络媒体传播力评估方法，能够通过待评估网络媒体的所有原创文章被其他网络媒体的转载数据计算出该网络媒体的传播力，该传播力值的大小能够直接反应出该网络媒体的影响力。

Description

网络媒体传播力评估方法
技术领域
本发明涉及一种网络媒体传播力评估方法。
背景技术
网络媒体和传统的电视、报纸、广播等媒体一样，都是传播信息的渠道，是交流、传播信息的工具，信息载体。与其它媒体比较，网络媒体具有非常大的优势，比如：传播范围最广、信息保留时间长、信息数据庞大、开放性强、成本低以及效率高。随着互联网行业日益发展，网络媒体在信息传播领域的重要性日渐增长。
在互联网信息传播领域，网络媒体的数量众多，且质量层次不齐。对这些网络媒体，如何能够有效的评价其传播力是该领域的从业者较为关注的点。
发明内容
为解决现有技术的不足，本发明提供了一种可以解决上述问题的网络媒体传播力评估方法。
为了实现上述目标，本发明采用如下的技术方案：
一种网络媒体传播力评估方法，包含以下步骤：
获取若干网络媒体的所有的文章建立数据库，每篇文章均包含对应的标签，标签包括媒体名称、栏目明细和原创类型；
从数据库中选取出一个网络媒体的所有原创文章；
对选取出的该网络媒体的所有原创文章进行去重操作去除重复的文章；
从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据；
根据转载数据计算该网络媒体的传播力。
进一步地，转载数据包括：
转载总数，用于表示所有原创文章被其他网络媒体转载的总次数；
最大转载数，用于表示单篇原创文章被转载的最大次数；
转载媒体总数，用于表示转载这些原创文章的网络媒体的数量总数；
最大媒体数，用于表示转载单篇原创文章的网络媒体的最大数量。
进一步地，根据转载数据计算该网络媒体的传播力的具体方法为：
根据下述公式计算该网络媒体的传播力，
A＝0.25*(0.4*ln(a+1)+0.45*ln(b+1)+0.15*ln(c+1))+0.25*(0.7*ln(d+1)+0.3*ln(f+1))+0.5*ln(g+1)，
其中，A表示该网络媒体的传播力，a表示转载总数，b表示该网络媒体的原创文章的数量，c表示最大转载数，d表示转载媒体总数，f表示最大媒体数，g表示该网络媒体的权重。
进一步地，在根据转载数据计算该网络媒体的传播力之后，网络媒体传播力评估方法还包括：
计算多个网络媒体的传播力；
根据网络媒体的传播力大小对这些网络媒体进行排序。
进一步地，从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
对于每一篇原创文章，通过相似度算法从数据库中识别出与其相似的文章；
将识别出的文章中属于该网络媒体的文章去除；
将剩余的文章作为其他网络媒体对该原创文章的转载结果；
对每篇原创文章的转载结果进行统计得到转载数据。
进一步地，从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
通过分类算法对数据库中的文章进行分析得到每篇文章的类型；
根据文章的类型对数据库中的文章进行分类将数据库中的文章划分在不同的类别中；
通过分类算法对所有原创文章进行分析得到每篇原创文章的类型；
对于每一篇原创文章，通过相似度算法从数据库的与该原创文章的类型相对应的类别的文章中识别出与其相似的文章；
将识别出的文章中属于该网络媒体的文章去除；
将剩余的文章作为其他网络媒体对该原创文章的转载结果；
对每篇原创文章的转载结果进行统计得到转载数据。
进一步地，在获取若干网络媒体的所有的文章建立数据库之前，媒体传播力评估方法还包括：
确定所有被选中作为数据库的文章来源的网络媒体的名称。
进一步地，在获取若干网络媒体的所有的文章建立数据库之后，媒体传播力评估方法还包括：
对数据库中的每篇文章进行预处理。
进一步地，对数据库中的每篇文章进行预处理的具体方法为：
对数据库中的每篇文章进行数据清洗。
进一步地，数据清洗包含机器清洗和人工清洗。
本发明的有益之处在于提供的网络媒体传播力评估方法，能够通过待评估网络媒体的所有原创文章被其他网络媒体的转载数据计算出该网络媒体的传播力，该传播力值的大小能够直接反应出该网络媒体的影响力。
本发明的有益之处还在于提供的网络媒体传播力评估方法，通过分类方法将数据库中的文章进行分类。在进行相似度算法识别相似文章时，确定了该原创文章的类别后，仅从同类别的文章中进行计算对比，无需将该原创文章与数据库中的每一份篇文章进行对比，节省了大量的计算时间。
附图说明
图1是本发明的网络媒体传播力评估方法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本发明的一种网络媒体传播力评估方法，包含以下步骤：S1:获取若干网络媒体的所有的文章建立数据库，每篇文章均包含对应的标签，标签包括媒体名称、栏目明细和原创类型。S2:从数据库中选取出一个网络媒体的所有原创文章。S3:对选取出的该网络媒体的所有原创文章进行去重操作去除重复的文章。S4:从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据。S5:根据转载数据计算该网络媒体的传播力。通过以上步骤，首先获取到若干网络媒体发布的所有文章，从这些文章中挑选出某一个待评估的网络媒体的原创文章，通过分析其他网络媒体对该网络媒体的原创文章的转载情况计算该待评估网络媒体的传播力。以下具体介绍上述步骤。
对于步骤S1:获取若干网络媒体的所有的文章建立数据库，每篇文章均包含对应的标签，标签包括媒体名称、栏目明细和原创类型。
首先，先建立一个本地数据库，从我们关注的网络媒体中获取这些网络媒体发布的所有文章。在获取文章时，整理并保留该文章对应的标签。标签至少包含文章的媒体名称、栏目明细和原创类型。媒体名称表示发布该文章的网络媒体的名字。原创类型表示该文章是否为该网络媒体原创首发。栏目明显表示该文章发布在其对应的网络媒体的具体的哪一个栏目下。可以理解的是，同一个网络媒体可能将某一份文章在其不同的栏目下发布多次，为了能够准确的反应网络媒体转载情况，数据库在收集某一个网络媒体中的多份相同文章时，将这些文章作为独立的个体进行保存。举例说明，假设新浪网将《最美中国》这篇文章在“人文”和“环境”栏目下都发布了1次，则数据库中将保存2份新浪网的《最美中国》。为了使这2份同样内容而文章能够被区分出来，在获取文章时，保留文章的栏目明细，即分别是“人文”和“环境”，作为其标签的一部分。
作为一种优选的实施方式，在获取若干网络媒体的所有的文章建立数据库之前，媒体传播力评估方法还包括：确定所有被选中作为数据库的文章来源的网络媒体的名称。网络媒体的数量繁多，在从网络中获取文章时，首先需要对这些网络媒体进行统计，确定作为数据库文章来源的网络媒体的名称。可以理解的是，可以将现有的所有的网络媒体作为数据来源，也可以从现有的网络媒体中挑选出关注的重要的网络媒体作为数据来源。
作为一种优选的实施方式，在获取若干网络媒体的所有的文章并建立了数据库之后，媒体传播力评估方法还包括：对数据库中的每篇文章进行预处理。在本发明中，对数据库中的每篇文章进行预处理的具体方法为：对数据库中的每篇文章进行数据清洗。
具体而言，数据清洗包含机器清洗和人工清洗。机器清洗是指对获取到的文章进行通用的常规清洗，比如去除文章的HTML标签、纯进化所有段落、去除文章图片和去除文章末尾可能带有的杂质等。这种清洗方式针对所有文章均有效，可以通过软件自动处理。可以理解的是，有些网络媒体，在处理发布的文章时，可能会对文章进行特殊的处理。这种处理方式是该网络媒体或某几个网络媒体特有的，一般的机器清洗无法应对。此时，需要对文章进行人工清洗。人工清洗是清洗管理人员根据不同网络媒体发布的文章所具有的特性有针对性的配置正则规则对来自该网络媒体的文章进行进一步清洗。配置的正则规则并非一成不变，当网络媒体对文章的特殊处理的方式改变时，清洗管理人员需要及时修改正则规则。
对于步骤S2:从数据库中选取出一个网络媒体的所有原创文章。
当需要评估某一个网络媒体时，首先从数据库中选取出所有属于该网络媒体的原创文章。由于每篇文章的标签均包含媒体名称和原创类型，因此可以快速从数据库中筛选出待评估的网络媒体的原创文章。
对于步骤S3:对选取出的该网络媒体的所有原创文章进行去重操作去除重复的文章。
前面提到，该网络媒体可能将其原创文章在其不同栏目上发布多次，因此，步骤S2中筛选出的该网络媒体的原创文章可能存在内容重复的情况。在步骤S3中，将这些重复的文章去除，同样内容的文章仅保留一份。
对于步骤S4:从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据。
经过步骤S3后，剩下的是不重复的属于该网络媒体的原创文章，对于每一份原创文章，从数据库中识别出其他网络媒体对该原创文章进行转载的转载情况，并统计为转载数据。
转载数据包括：转载总数、最大转载数、转载媒体总数和最大媒体数。转载总数表示所有原创文章被其他网络媒体转载的总次数，某个网络媒体转载了同一篇原创文章多次，则进行重复统计。最大转载数表示单篇原创文章被转载的最大次数。转载媒体总数表示转载这些原创文章的网络媒体的数量总数。最大媒体数表示转载单篇原创文章的网络媒体的最大数量。
作为一种优选的实施方式，从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
对于每一篇原创文章，通过相似度算法从数据库中识别出与其相似的文章。将识别出的文章中属于该网络媒体的文章去除，即将该网络媒体自己发布的文章的这部分数据去除。将剩余的文章作为其他网络媒体对该原创文章的转载结果。对每篇原创文章的转载结果进行统计得到转载数据。
作为一种可选的实施方式，从数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
通过语义算法对数据库中的文章进行语义分析得到每篇文章的类型。根据文章的类型对数据库中的文章进行分类将数据库中的文章划分在不同的类别中。通过语义算法对所有原创文章进行语义分析得到每篇原创文章的类型。对于每一篇原创文章，通过相似度算法从数据库的与该原创文章的类型相对应的类别的文章中识别出与其相似的文章。将识别出的文章中属于该网络媒体的文章去除。将剩余的文章作为其他网络媒体对该原创文章的转载结果。对每篇原创文章的转载结果进行统计得到转载数据。可选的，分类算法为贝叶斯分类算法。
该处理方法与上一处理方法的区别在于，在本方法中，首先将数据库中的文章通过分类算法进行分类，对原创文章也采用同样的方法确认类别。在通过相似度算法识别相似文章时，仅从同类别的文章中进行计算对比，无需将该原创文章与数据库中的每一份篇文章进行对比，节省了大量的计算时间。
对于步骤S5:根据转载数据计算该网络媒体的传播力。
根据转载数据计算该网络媒体的传播力的具体方法为：根据下述公式计算该网络媒体的传播力，
A＝0.25*(0.4*ln(a+1)+0.45*ln(b+1)+0.15*ln(c+1))+0.25*(0.7*ln(d+1)+0.3*ln(f+1))+0.5*ln(g+1)，
其中，A表示该网络媒体的传播力，a表示转载总数，b表示该网络媒体的原创文章的数量，c表示最大转载数，d表示转载媒体总数，f表示最大媒体数，g表示该网络媒体的权重。网络媒体的权重g为评估单位根据其掌握的网络媒体领域的实际情况，预先对每个网络媒体设置的一个权重值。在该领域影响越大，网络媒体的权重g越大。网络媒体的权重g的取值一般为0-1之间。
进一步地，在根据转载数据计算该网络媒体的传播力之后，网络媒体传播力评估方法还包括：
计算多个网络媒体的传播力。根据网络媒体的传播力大小对这些网络媒体进行排序。可以直观看到不同的网络媒体的传播力排行情况。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (8)

1.一种网络媒体传播力评估方法，其特征在于，包含以下步骤：
获取若干网络媒体的所有的文章建立数据库，每篇文章均包含对应的标签，所述标签包括媒体名称、栏目明细和原创类型；
从所述数据库中选取出一个网络媒体的所有原创文章；
对选取出的该网络媒体的所有原创文章进行去重操作去除重复的文章；
从所述数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据；
根据所述转载数据计算该网络媒体的传播力；
所述转载数据包括：
转载总数，用于表示所有原创文章被其他网络媒体转载的总次数；
最大转载数，用于表示单篇原创文章被转载的最大次数；
转载媒体总数，用于表示转载这些原创文章的网络媒体的数量总数；
最大媒体数，用于表示转载单篇原创文章的网络媒体的最大数量；
所述根据所述转载数据计算该网络媒体的传播力的具体方法为：
根据下述公式计算该网络媒体的传播力，
A＝0.25*(0.4*ln(a+1)+0.45*ln(b+1)+0.15*ln(c+1))+0.25*(0.7*ln(d+1)+0.3*ln(f+1))+0.5*ln(g+1)，
其中，A表示该网络媒体的传播力，a表示所述转载总数，b表示该网络媒体的原创文章的数量，c表示所述最大转载数，d表示所述转载媒体总数，f表示所述最大媒体数，g表示该网络媒体的权重。
2.根据权利要求1所述的网络媒体传播力评估方法，其特征在于，
在所述根据所述转载数据计算该网络媒体的传播力之后，所述网络媒体传播力评估方法还包括：
计算多个网络媒体的传播力；
根据网络媒体的传播力大小对这些网络媒体进行排序。
3.根据权利要求1所述的网络媒体传播力评估方法，其特征在于，
所述从所述数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
对于每一篇原创文章，通过相似度算法从所述数据库中识别出与其相似的文章；
将识别出的文章中属于该网络媒体的文章去除；
将剩余的文章作为其他网络媒体对该原创文章的转载结果；
对每篇原创文章的转载结果进行统计得到所述转载数据。
4.根据权利要求1所述的网络媒体传播力评估方法，其特征在于，
所述从所述数据库中识别其他网络媒体对进行了去重操作后的每一篇原创文章进行转载的转载数据的具体方法为：
通过分类算法对所述数据库中的文章进行分析得到每篇文章的类型；
根据文章的类型对所述数据库中的文章进行分类将所述数据库中的文章划分在不同的类别中；
通过分类算法对所有原创文章进行分析得到每篇原创文章的类型；
对于每一篇原创文章，通过相似度算法从所述数据库的与该原创文章的类型相对应的类别的文章中识别出与其相似的文章；
将识别出的文章中属于该网络媒体的文章去除；
将剩余的文章作为其他网络媒体对该原创文章的转载结果；
对每篇原创文章的转载结果进行统计得到所述转载数据。
5.根据权利要求1所述的网络媒体传播力评估方法，其特征在于，
在所述获取若干网络媒体的所有的文章建立数据库之前，所述媒体传播力评估方法还包括：
确定所有被选中作为所述数据库的文章来源的网络媒体的名称。
6.根据权利要求1所述的网络媒体传播力评估方法，其特征在于，
在所述获取若干网络媒体的所有的文章建立数据库之后，所述媒体传播力评估方法还包括：
对所述数据库中的每篇文章进行预处理。
7.根据权利要求6所述的网络媒体传播力评估方法，其特征在于，
所述对所述数据库中的每篇文章进行预处理的具体方法为：
对所述数据库中的每篇文章进行数据清洗。
8.根据权利要求7所述的网络媒体传播力评估方法，其特征在于，
所述数据清洗包含机器清洗和人工清洗。
CN202010499033.0A 2020-06-04 2020-06-04 网络媒体传播力评估方法 Active CN111666428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010499033.0A CN111666428B (zh) 2020-06-04 2020-06-04 网络媒体传播力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010499033.0A CN111666428B (zh) 2020-06-04 2020-06-04 网络媒体传播力评估方法

Publications (2)

Publication Number Publication Date
CN111666428A CN111666428A (zh) 2020-09-15
CN111666428B true CN111666428B (zh) 2023-08-08

Family

ID=72386046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010499033.0A Active CN111666428B (zh) 2020-06-04 2020-06-04 网络媒体传播力评估方法

Country Status (1)

Country Link
CN (1) CN111666428B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4550939B1 (ja) * 2009-09-17 2010-09-22 株式会社野村総合研究所 情報伝播経路特定装置、情報伝播経路特定方法、情報伝播経路特定プログラム
CN104598477A (zh) * 2013-10-31 2015-05-06 北大方正集团有限公司 一种确定新闻传播效果的方法和系统
CN106095737A (zh) * 2016-06-07 2016-11-09 杭州凡闻科技有限公司 文档相似度计算方法及相似文档全网检索跟踪方法
CN106777338A (zh) * 2017-01-13 2017-05-31 深圳市深黑科技有限公司 一种网络公众号动态传播力综合指数统计方法及其系统
CN106776609A (zh) * 2015-11-19 2017-05-31 北京国双科技有限公司 网站转载数量的统计方法及装置
CN107967364A (zh) * 2017-12-22 2018-04-27 新华网股份有限公司 网络文章传播力评估方法及装置
CN109359857A (zh) * 2018-10-12 2019-02-19 网智天元科技集团股份有限公司 一种媒体影响力评估方法、装置及电子设备
CN109388740A (zh) * 2017-08-06 2019-02-26 北京国双科技有限公司 一种网络信息传播效果的监测方法及装置
CN109698967A (zh) * 2018-12-18 2019-04-30 中央电视台 一种电视台传播效果评估方法及装置
CN111159613A (zh) * 2019-12-30 2020-05-15 江苏新华烽火数据技术有限公司 一种媒体融合传播效果评估系统及方法
CN111177533A (zh) * 2019-12-05 2020-05-19 哈勃智远(北京)科技有限公司 一种融媒体影响力分析报表生成方法及设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4550939B1 (ja) * 2009-09-17 2010-09-22 株式会社野村総合研究所 情報伝播経路特定装置、情報伝播経路特定方法、情報伝播経路特定プログラム
CN104598477A (zh) * 2013-10-31 2015-05-06 北大方正集团有限公司 一种确定新闻传播效果的方法和系统
CN106776609A (zh) * 2015-11-19 2017-05-31 北京国双科技有限公司 网站转载数量的统计方法及装置
CN106095737A (zh) * 2016-06-07 2016-11-09 杭州凡闻科技有限公司 文档相似度计算方法及相似文档全网检索跟踪方法
CN106777338A (zh) * 2017-01-13 2017-05-31 深圳市深黑科技有限公司 一种网络公众号动态传播力综合指数统计方法及其系统
CN109388740A (zh) * 2017-08-06 2019-02-26 北京国双科技有限公司 一种网络信息传播效果的监测方法及装置
CN107967364A (zh) * 2017-12-22 2018-04-27 新华网股份有限公司 网络文章传播力评估方法及装置
CN109359857A (zh) * 2018-10-12 2019-02-19 网智天元科技集团股份有限公司 一种媒体影响力评估方法、装置及电子设备
CN109698967A (zh) * 2018-12-18 2019-04-30 中央电视台 一种电视台传播效果评估方法及装置
CN111177533A (zh) * 2019-12-05 2020-05-19 哈勃智远(北京)科技有限公司 一种融媒体影响力分析报表生成方法及设备
CN111159613A (zh) * 2019-12-30 2020-05-15 江苏新华烽火数据技术有限公司 一种媒体融合传播效果评估系统及方法

Also Published As

Publication number Publication date
CN111666428A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN1445696A (zh) 自动检索图像数据库中相似图象的方法
DE112016005143T5 (de) Periodizitätsanalyse an heterogenen Protokollen
CN112241494B (zh) 基于用户行为数据的关键信息推送方法及装置
CN1991836A (zh) 用于从文本储存库里提取仿真陈述的系统和方法
CN112787860A (zh) 一种根告警分析识别方法及装置
CN114140094B (zh) 一种食品企业智能化风险监控预警系统
CN111666428B (zh) 网络媒体传播力评估方法
CN113051291A (zh) 工单信息的处理方法、装置、设备及存储介质
CN106909492B (zh) 业务数据的追踪方法及装置
CN115914022A (zh) 基于网络流量的应用关系分析方法、系统、设备及介质
CN114817681A (zh) 一种基于大数据分析的金融风控系统及其管理设备
CN112732709B (zh) 数据表管理方法、系统、电子设备和存储介质
CN113869213A (zh) 一种基于图像识别的卷烟零售商户库存盘点方法和系统
CN109902173A (zh) 一种中文文本分类方法
CN116452212B (zh) 一种智能客服商品知识库信息管理方法及系统
CN112949778A (zh) 基于局部敏感哈希的智能合约分类方法、系统及电子设备
CN107403162A (zh) 车辆公告号数据采集和分类的系统及方法
CN111461630A (zh) 派送快递包裹的监控方法、装置、设备及存储介质
CN115269438A (zh) 针对图像处理算法的自动化测试方法及装置
CN116308679A (zh) 供应链异常订单处理方法、装置、设备及存储介质
CN111026940A (zh) 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备
CN113822715B (zh) 一种数据采集训练处理一体化平台分析方法
CN116062009A (zh) 故障分析方法、装置、电子设备及存储介质
CN112506930B (zh) 一种基于机器学习技术的数据洞察系统
CN113962335A (zh) 一种可灵活配置的数据全过程处理方法

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
GR01 Patent grant
GR01 Patent grant