CN111680226A - 网络舆情分析方法、装置、系统、设备及可读存储介质 - Google Patents

网络舆情分析方法、装置、系统、设备及可读存储介质 Download PDF

Info

Publication number
CN111680226A
CN111680226A CN202010548376.1A CN202010548376A CN111680226A CN 111680226 A CN111680226 A CN 111680226A CN 202010548376 A CN202010548376 A CN 202010548376A CN 111680226 A CN111680226 A CN 111680226A
Authority
CN
China
Prior art keywords
information
public opinion
hotspot
positive
hotspot information
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
Application number
CN202010548376.1A
Other languages
English (en)
Inventor
侯星良
范渊
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.)
DBAPPSecurity Co Ltd
Hangzhou Dbappsecurity Technology Co Ltd
Original Assignee
Hangzhou Dbappsecurity 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 Dbappsecurity Technology Co Ltd filed Critical Hangzhou Dbappsecurity Technology Co Ltd
Priority to CN202010548376.1A priority Critical patent/CN111680226A/zh
Publication of CN111680226A publication Critical patent/CN111680226A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种网络舆情分析方法、装置、系统、设备及可读存储介质。本申请公开的方法包括：实时获取不同传播渠道公布的网络信息；提取所述网络信息中的热点信息；利用贝叶斯算法分析所述热点信息的正负向趋势；将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。本申请可以及时预测网络信息所带来的舆情风险，因此可以提前预估风险，实现提前预警。

Description

网络舆情分析方法、装置、系统、设备及可读存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种网络舆情分析方法、装置、系统、设备及可读存储介质。
背景技术
目前，大量网络媒体活跃在互联网中，各个网络媒体的传播渠道能够使网络信息快速裂变，造成舆情压力，这些舆情压力可能会引起较大规模的群体性事件。例如：金融、证券类的不利信息大规模传播，极容易引起民众恐慌，从而给社会安定带来不利影响。
因此，如何及时预测网络信息所带来的舆情风险，是本领域技术人员需要解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种网络舆情分析方法、装置、系统、设备及可读存储介质，以及时预测网络信息所带来的舆情风险。其具体方案如下：
第一方面，本申请提供了一种网络舆情分析方法，包括：
实时获取不同传播渠道公布的网络信息；
提取所述网络信息中的热点信息；
利用贝叶斯算法分析所述热点信息的正负向趋势；
将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
优选地，所述提取所述网络信息中的热点信息，包括：
去除所述网络信息的网页标签，获得文本信息；
对所述文本信息进行分词，获得词汇信息；
利用热点词汇模型去除所述词汇信息中的非热点词汇，以保留所述热点信息。
优选地，所述利用热点词汇模型去除所述词汇信息中的无关词汇，以保留所述热点信息，包括：
利用所述热点词汇模型去除所述词汇信息中的非热点词汇，获得热点词汇；
按照所述热点词汇的出现频率从所述热点词汇中选择所述热点信息。
优选地，所述利用贝叶斯算法分析所述热点信息的正负向趋势，包括：
确定与所述热点信息关联的目标文本；
利用所述贝叶斯算法分析所述目标文本，获得所述正负向趋势。
优选地，所述根据所述预测参数预测所述热点信息的舆情风险，包括：
利用线性回归算法分析所述预测参数，获得所述舆情风险；所述预测参数包括：所述正负向趋势，所述热点信息，与所述热点信息关联的目标文本，所述目标文本的创建时间、所属的传播渠道和浏览量。
优选地，所述根据所述预测参数预测所述热点信息的舆情风险之后，还包括：
将所述热点信息、所述正负向趋势和所述舆情风险存储至KV数据库。
第二方面，本申请提供了一种网络舆情分析装置，包括：
获取模块，用于实时获取不同传播渠道公布的网络信息；
提取模块，用于提取所述网络信息中的热点信息；
分析模块，用于利用贝叶斯算法分析所述热点信息的正负向趋势；
预测模块，用于将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
第三方面，本申请提供了一种网络舆情分析系统，包括：爬虫端、消息中间件和Flink计算平台，其中：
所述爬虫端，用于爬取不同传播渠道公布的网络信息；
所述消息中间件，用于将所述网络信息从所述爬虫端传输至所述Flink计算平台；
所述Flink计算平台，用于实时获取所述网络信息；提取所述网络信息中的热点信息；利用贝叶斯算法分析所述热点信息的正负向趋势；将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
第四方面，本申请提供了一种网络舆情分析设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现前述公开的网络舆情分析方法。
第五方面，本申请提供了一种可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述公开的网络舆情分析方法。
通过以上方案可知，本申请提供了一种网络舆情分析方法，包括：实时获取不同传播渠道公布的网络信息；提取所述网络信息中的热点信息；利用贝叶斯算法分析所述热点信息的正负向趋势；将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
可见，本申请能够实时获取不同传播渠道公布的网络信息，并提取网络信息中的热点信息，进一步利用贝叶斯算法分析热点信息的正负向趋势，最后将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险，从而及时预测出了网络信息所带来的舆情风险，因此可以提前预估风险，实现提前预警。若提前进行有效干预，可能会抑制不利消息的大规模传播，从而避免引起较大规模的群体性事件，有利于社会安定团结。
相应地，本申请提供的一种网络舆情分析装置、系统、设备及可读存储介质，也同样具有上述技术效果。
附图说明
为了更清楚地说明本申请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申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请公开的第一种网络舆情分析方法流程图；
图2为本申请公开的一种网络舆情分析装置示意图；
图3为本申请公开的一种网络舆情分析系统示意图；
图4为图3所示的网络舆情分析系统处理数据的示意图；
图5为本申请公开的一种网络舆情分析设备示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
目前，大量网络媒体活跃在互联网中，各个网络媒体的传播渠道能够使网络信息快速裂变，造成舆情压力，这些舆情压力可能会引起较大规模的群体性事件。为此，本申请提供了一种网络舆情分析方案，能够及时预测网络信息所带来的舆情风险。
参见图1所示，本申请实施例公开了一种网络舆情分析方法，包括：
S101、实时获取不同传播渠道公布的网络信息。
不同传播渠道如：豆瓣、微博、贴吧、交流群、论坛等。网络信息可以是某一行业的信息，如：金融行业、互联网行业等。具体的，可以利用爬虫技术从这些传播渠道爬取相应的网络信息。
S102、提取网络信息中的热点信息。
在一种具体实施方式中，提取网络信息中的热点信息，包括：去除网络信息的网页标签，获得文本信息；对文本信息进行分词，获得词汇信息；利用热点词汇模型去除词汇信息中的非热点词汇，以保留热点信息。
其中，热点词汇模型中设置有滤除非热点词汇的相关规则，基于这些规则可以去除非热点词汇。非热点词汇包括：常用词、动词、形容词、已分析过的热点词汇等。对文本信息进行分词后，去除词汇信息中的拟声词等无关词汇。
在一种具体实施方式中，利用热点词汇模型去除词汇信息中的无关词汇，以保留热点信息，包括：利用热点词汇模型去除词汇信息中的非热点词汇，获得热点词汇；按照热点词汇的出现频率从热点词汇中选择热点信息。例如：将所有热点词汇按照出现频率从大至小排列，截取前N个热点词汇作为热点信息。N为正整数。
S103、利用贝叶斯算法分析热点信息的正负向趋势。
在一种具体实施方式中，利用贝叶斯算法分析热点信息的正负向趋势，包括：确定与热点信息关联的目标文本；利用贝叶斯算法分析目标文本，获得正负向趋势。
S104、将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险。
在一种具体实施方式中，根据预测参数预测热点信息的舆情风险，包括：利用线性回归算法分析预测参数，获得舆情风险；预测参数包括：正负向趋势，热点信息，与热点信息关联的目标文本，目标文本的创建时间、所属的传播渠道和浏览量。其中，预测参数为多维度信息，可以在一定程度上提高预测精度。正负向趋势可以表明热点信息的实时发展趋势，对包括正负向趋势的预测参数进行分析，可预测热点信息的未来发展趋势，基于未来发展趋势可预测舆情风险。
需要说明的是，获得舆情风险后，可生成包括舆情风险的风险报告进行展示，并基于舆情风险的等级给出相应的预警策略。预警策略可以提前设置，不同等级对应不同的预警策略。
在一种具体实施方式中，根据预测参数预测热点信息的舆情风险之后，还包括：将热点信息、正负向趋势和舆情风险存储至KV数据库，以供查询。KV数据库中的数据以Key-Value键值对的形式存储。
可见，本申请实施例能够实时获取不同传播渠道公布的网络信息，并提取网络信息中的热点信息，进一步利用贝叶斯算法分析热点信息的正负向趋势，最后将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险，从而及时预测出了网络信息所带来的舆情风险，因此可以提前预估风险，实现提前预警。若提前进行有效干预，可能会抑制不利消息的大规模传播，从而避免引起较大规模的群体性事件，有利于社会安定团结。
下面对本申请实施例提供的一种网络舆情分析装置进行介绍，下文描述的一种网络舆情分析装置与上文描述的一种网络舆情分析方法可以相互参照。
参见图2所示，本申请实施例公开了一种网络舆情分析装置，包括：
获取模块201，用于实时获取不同传播渠道公布的网络信息；
提取模块202，用于提取网络信息中的热点信息；
分析模块203，用于利用贝叶斯算法分析热点信息的正负向趋势；
预测模块204，用于将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险。
在一种具体实施方式中，提取模块包括：
去除单元，用于去除网络信息的网页标签，获得文本信息；
分词单元，用于对文本信息进行分词，获得词汇信息；
提取单元，用于利用热点词汇模型去除词汇信息中的非热点词汇，以保留热点信息。
在一种具体实施方式中，提取单元具体用于：
利用热点词汇模型去除词汇信息中的非热点词汇，获得热点词汇；按照热点词汇的出现频率从热点词汇中选择热点信息。
在一种具体实施方式中，分析模块具体用于：确定与热点信息关联的目标文本；利用贝叶斯算法分析目标文本，获得正负向趋势。
在一种具体实施方式中，预测模块具体用于：
利用线性回归算法分析预测参数，获得舆情风险；预测参数包括：正负向趋势，热点信息，与热点信息关联的目标文本，目标文本的创建时间、所属的传播渠道和浏览量。
在一种具体实施方式中，还包括：
存储模块，用于将热点信息、正负向趋势和舆情风险存储至KV数据库。
其中，关于本实施例中各个模块、单元更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本实施例提供了一种网络舆情分析装置，该装置能够实时获取不同传播渠道公布的网络信息，并提取网络信息中的热点信息，进一步利用贝叶斯算法分析热点信息的正负向趋势，最后将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险，从而及时预测出了网络信息所带来的舆情风险，因此可以提前预估风险，实现提前预警。若提前进行有效干预，可能会抑制不利消息的大规模传播，从而避免引起较大规模的群体性事件，有利于社会安定团结。
下面对本申请实施例提供的一种网络舆情分析系统进行介绍，下文描述的一种网络舆情分析系统与上文描述的一种网络舆情分析方法及装置可以相互参照。
参见图3所示，本申请实施例公开了一种网络舆情分析系统，包括：爬虫端、消息中间件和Flink计算平台，其中：
爬虫端，用于爬取不同传播渠道公布的网络信息；
消息中间件，用于将网络信息从爬虫端传输至Flink计算平台；
Flink计算平台，用于实时获取网络信息；提取网络信息中的热点信息；利用贝叶斯算法分析热点信息的正负向趋势；将正负向趋势添加至热点信息的预测参数，并根据预测参数预测热点信息的舆情风险。
其中，消息中间件为kafka。由于需要传输的网络信息较多，因此利用kafka进行数据传输，Kafka是一种高吞吐量的分布式发布订阅消息系统，可以满足需求。
Flink计算平台，即基于Apache Flink开发的计算平台，Apache Flink是由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。
在一种具体实施方式中，Flink计算平台具体用于：去除网络信息的网页标签，获得文本信息；对文本信息进行分词，获得词汇信息；利用热点词汇模型去除词汇信息中的非热点词汇，以保留热点信息。
在一种具体实施方式中，Flink计算平台具体用于：利用热点词汇模型去除词汇信息中的非热点词汇，获得热点词汇；按照热点词汇的出现频率从热点词汇中选择热点信息。
在一种具体实施方式中，Flink计算平台具体用于：确定与热点信息关联的目标文本；利用贝叶斯算法分析目标文本，获得正负向趋势。
在一种具体实施方式中，Flink计算平台具体用于：利用线性回归算法分析预测参数，获得舆情风险；预测参数包括：正负向趋势，热点信息，与热点信息关联的目标文本，目标文本的创建时间、所属的传播渠道和浏览量。
在一种具体实施方式中，Flink计算平台还用于：将热点信息、正负向趋势和舆情风险存储至KV数据库。
参见图4所示，本申请实施例中的网络舆情分析系统可按照图4处理数据，图4中的模型算法可以为线性回归算法或神经网络模型等。
可见，本实施例提供的网络舆情分析系统能够对网络信息进行实时监测，并及时推演预测其未来风险。
下面对本申请实施例提供的一种网络舆情分析设备进行介绍，下文描述的一种网络舆情分析设备与上文描述的一种网络舆情分析方法及装置可以相互参照。
参见图5所示，本申请实施例公开了一种网络舆情分析设备，包括：
存储器501，用于保存计算机程序；
处理器502，用于执行所述计算机程序，以实现上述任意实施例公开的方法。
下面对本申请实施例提供的一种可读存储介质进行介绍，下文描述的一种可读存储介质与上文描述的一种网络舆情分析方法、装置及设备可以相互参照。
一种可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述实施例公开的网络舆情分析方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本申请涉及的“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，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、方法或设备固有的其它步骤或单元。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的可读存储介质中。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种网络舆情分析方法，其特征在于，包括：
实时获取不同传播渠道公布的网络信息；
提取所述网络信息中的热点信息；
利用贝叶斯算法分析所述热点信息的正负向趋势；
将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
2.根据权利要求1所述的网络舆情分析方法，其特征在于，所述提取所述网络信息中的热点信息，包括：
去除所述网络信息的网页标签，获得文本信息；
对所述文本信息进行分词，获得词汇信息；
利用热点词汇模型去除所述词汇信息中的非热点词汇，以保留所述热点信息。
3.根据权利要求2所述的网络舆情分析方法，其特征在于，所述利用热点词汇模型去除所述词汇信息中的无关词汇，以保留所述热点信息，包括：
利用所述热点词汇模型去除所述词汇信息中的非热点词汇，获得热点词汇；
按照所述热点词汇的出现频率从所述热点词汇中选择所述热点信息。
4.根据权利要求1所述的网络舆情分析方法，其特征在于，所述利用贝叶斯算法分析所述热点信息的正负向趋势，包括：
确定与所述热点信息关联的目标文本；
利用所述贝叶斯算法分析所述目标文本，获得所述正负向趋势。
5.根据权利要求1所述的网络舆情分析方法，其特征在于，所述根据所述预测参数预测所述热点信息的舆情风险，包括：
利用线性回归算法分析所述预测参数，获得所述舆情风险；所述预测参数包括：所述正负向趋势，所述热点信息，与所述热点信息关联的目标文本，所述目标文本的创建时间、所属的传播渠道和浏览量。
6.根据权利要求1至5任一项所述的网络舆情分析方法，其特征在于，所述根据所述预测参数预测所述热点信息的舆情风险之后，还包括：
将所述热点信息、所述正负向趋势和所述舆情风险存储至KV数据库。
7.一种网络舆情分析装置，其特征在于，包括：
获取模块，用于实时获取不同传播渠道公布的网络信息；
提取模块，用于提取所述网络信息中的热点信息；
分析模块，用于利用贝叶斯算法分析所述热点信息的正负向趋势；
预测模块，用于将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
8.一种网络舆情分析系统，其特征在于，包括：爬虫端、消息中间件和Flink计算平台，其中：
所述爬虫端，用于爬取不同传播渠道公布的网络信息；
所述消息中间件，用于将所述网络信息从所述爬虫端传输至所述Flink计算平台；
所述Flink计算平台，用于实时获取所述网络信息；提取所述网络信息中的热点信息；利用贝叶斯算法分析所述热点信息的正负向趋势；将所述正负向趋势添加至所述热点信息的预测参数，并根据所述预测参数预测所述热点信息的舆情风险。
9.一种网络舆情分析设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至6任一项所述的网络舆情分析方法。
10.一种可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的网络舆情分析方法。
CN202010548376.1A 2020-06-16 2020-06-16 网络舆情分析方法、装置、系统、设备及可读存储介质 Pending CN111680226A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010548376.1A CN111680226A (zh) 2020-06-16 2020-06-16 网络舆情分析方法、装置、系统、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010548376.1A CN111680226A (zh) 2020-06-16 2020-06-16 网络舆情分析方法、装置、系统、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN111680226A true CN111680226A (zh) 2020-09-18

Family

ID=72436439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010548376.1A Pending CN111680226A (zh) 2020-06-16 2020-06-16 网络舆情分析方法、装置、系统、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111680226A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800343A (zh) * 2021-02-01 2021-05-14 中慧绿浪科技(天津)集团有限公司 一种基于大数据的网络舆情的监控方法及系统
CN115269852A (zh) * 2022-08-08 2022-11-01 浙江浙蕨科技有限公司 一种舆情分析方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2018023981A1 (zh) * 2016-08-03 2018-02-08 平安科技（深圳）有限公司 舆情分析方法、装置、设备及计算机可读存储介质
CN108959383A (zh) * 2018-05-31 2018-12-07 平安科技（深圳）有限公司 网络舆情的分析方法、装置及计算机可读存储介质
CN109284432A (zh) * 2018-08-22 2019-01-29 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 基于大数据平台的网络舆情分析系统
CN110083759A (zh) * 2019-03-15 2019-08-02 深圳壹账通智能科技有限公司 舆论信息爬取方法、装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2018023981A1 (zh) * 2016-08-03 2018-02-08 平安科技（深圳）有限公司 舆情分析方法、装置、设备及计算机可读存储介质
CN108959383A (zh) * 2018-05-31 2018-12-07 平安科技（深圳）有限公司 网络舆情的分析方法、装置及计算机可读存储介质
CN109284432A (zh) * 2018-08-22 2019-01-29 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 基于大数据平台的网络舆情分析系统
CN110083759A (zh) * 2019-03-15 2019-08-02 深圳壹账通智能科技有限公司 舆论信息爬取方法、装置、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800343A (zh) * 2021-02-01 2021-05-14 中慧绿浪科技(天津)集团有限公司 一种基于大数据的网络舆情的监控方法及系统
CN115269852A (zh) * 2022-08-08 2022-11-01 浙江浙蕨科技有限公司 一种舆情分析方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN110377900A (zh) 网络内容发布的审核方法、装置、计算机设备及存储介质
Lande et al. OSINT as a part of cyber defense system
CN111680226A (zh) 网络舆情分析方法、装置、系统、设备及可读存储介质
CN107085549A (zh) 故障信息生成的方法和装置
CN113141276A (zh) 一种基于知识图谱的信息安全方法
CN114547257B (zh) 类案匹配方法、装置、计算机设备及存储介质
CN111224923A (zh) 一种仿冒网站的检测方法、装置及系统
CN117743564B (zh) 一种科技政策信息自动抽取与推荐方法及系统
Ostrowski Semantic social network analysis for trend identification
Shahriar et al. Design and development of Anti-XSS proxy
CN113886120A (zh) 一种服务器故障诊断方法、装置、设备及可读存储介质
CN112183093A (zh) 一种企业舆情分析方法、装置、设备及可读存储介质
CN115563626B (zh) 一种面向cve的漏洞可利用性预测方法
Amrit et al. Information waste on the world wide web and combating the clutter
CN113961811A (zh) 基于事件图谱的话术推荐方法、装置、设备及介质
CN111581533B (zh) 目标对象的状态识别方法、装置、电子设备和存储介质
CN114417883A (zh) 一种数据处理方法、装置及设备
CN118200059B (zh) 一种基于人工智能的主动防御式攻击日志研判系统
Watimin et al. Content framing role on public sentiment formation for pre-crisis detection on sensitive issue via sentiment analysis and content analysis
CN117520563B (zh) 一种基于威胁情报的apt组织技战术同源性分析方法
CN113434790B (zh) 重复链接的识别方法、装置及电子设备
CN111552857B (zh) 特征事件的识别方法及装置、电子设备、存储介质
CN117370585A (zh) 多媒体推荐方法、装置、设备及存储介质
CN118260589A (zh) 训练大语言模型的方法、装置、电子设备
Sirbu Cyber vulnerabilities surveillance via web-scraped specialized documents

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: 20200918

RJ01 Rejection of invention patent application after publication