CN111881382B - 由计算机系统实现的信息显示方法和装置、系统和介质 - Google Patents
由计算机系统实现的信息显示方法和装置、系统和介质 Download PDFInfo
- Publication number
- CN111881382B CN111881382B CN202010750216.5A CN202010750216A CN111881382B CN 111881382 B CN111881382 B CN 111881382B CN 202010750216 A CN202010750216 A CN 202010750216A CN 111881382 B CN111881382 B CN 111881382B
- Authority
- CN
- China
- Prior art keywords
- public opinion
- opinion information
- enterprise
- main body
- relevance
- 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 41
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 210000000746 body region Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06F16/9538—Presentation of query results
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了一种由计算机系统实现的信息显示方法和装置、计算机系统和计算机可读存储介质,涉及互联网和搜索排序技术领域。信息显示方法包括:从网站服务器获取与企业主体相关联的多条舆情信息;对于多条舆情信息中的每条舆情信息,根据该舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定该舆情信息的相关性度量;以及基于多条舆情信息的相关性度量,显示多条舆情信息。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及由计算机系统实现的信息显示方法和装置、计算机系统和计算机可读存储介质。
背景技术
企业舆情是“企业舆论情况”的简称,是指在一定的社会空间内公众对某一企业事件的发生、发展、和变化所持有的信念、态度、意见、和情绪等的集合。
通过大数据技术整合得到的与企业主体相关联的大量舆情信息,可以综合全面地刻画企业主体的企业形象,帮助用户快速了解企业主体的相关资讯。然而,随着互联网技术的发展,与企业主体相关联的舆情信息的数量急剧增加,高效地挑选出与企业主体最为相关的舆情信息并非易事。
目前,主要根据舆情信息的产生时间倒序向用户显示与企业主体相关联的舆情信息,经常会出现显示顺序最靠前的舆情信息只是提及该企业主体,但是整篇内容与该企业主体并无关联的情况。
发明内容
根据本公开的第一方面,本公开的实施例公开了一种由计算机系统实现的信息显示方法,包括:从网站服务器获取与企业主体相关联的多条舆情信息;对于多条舆情信息中的每条舆情信息,根据该舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定该舆情信息的相关性度量;以及基于多条舆情信息的相关性度量,显示多条舆情信息。
根据本公开的第二方面,本公开的实施例公开了一种由计算机系统实现的信息显示装置,包括:信息获取单元,被配置为从网站服务器获取与企业主体相关联的多条舆情信息;相关性确定单元,被配置为对于多条舆情信息中的每条舆情信息,根据该舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定该舆情信息的相关性度量;以及信息显示单元,被配置为基于多条舆情信息的相关性度量,显示多条舆情信息。
根据本公开的第三方面,本公开的实施例公开了一种计算机系统,包括:处理器;以及存储计算机程序的存储器,所述计算机程序在由处理器执行时使得处理器执行上述由计算机系统实现的信息显示方法。
根据本公开的第四方面,本公开的实施例公开了一种存储计算机程序的计算机可读存储介质,所述计算机程序在由计算机系统的处理器执行时使得计算机系统执行上述由计算机系统实现的信息显示方法。
根据本公开的第五方面,本公开的实施例公开了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时使得处理器执行上述由计算机系统实现的信息显示方法。
根据本公开的一个或多个实施例,根据各条舆情信息的内容、来源、以及与企业主体的相关度中的至少一者确定各条舆情信息的相关性度量,可以高效地筛选出与企业主体最为相关的舆情信息。进一步地,根据各条舆情信息的相关性度量来显示这些舆情信息,可以帮助用户快速了解与企业主体最为相关的舆情信息。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于说明实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1是示出根据本公开的实施例的由计算机系统实现的信息显示方法的流程图;
图2是示出根据舆情信息与企业主体的相关度确定舆情信息的相关性度量的流程图;
图3是示出根据舆情信息与企业主体的相关度确定舆情信息的相关性度量的另一流程图;
图4是示出根据舆情信息的内容确定舆情信息的相关性度量的流程图;
图5是示出根据舆情信息的来源确定舆情信息的相关性度量的流程图;
图6是示出根据本公开的实施例的由计算机系统实现的信息显示装置的框图;
图7是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。
具体实施方式
下面结合附图和实施例对本公开进行进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外,还需要说明的是,为了便于描述,附图中仅示出了与相关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的步骤或功能模块的编号仅用于对各个步骤或功能模块进行标识,而不用于限制各个步骤的执行顺序或各个功能模块相互之间的连接关系。
鉴于目前的信息显示方法经常会出现显示顺序最靠前的舆情信息实际上与企业主体并无关联的情况,本公开的实施例提供了一种由计算机系统实现的信息显示方法和装置。
图1是示出根据本公开的实施例的由计算机系统实现的信息显示方法100的流程图。如图1所示,信息显示方法100包括:步骤S102,从网站服务器获取与企业主体相关联的多条舆情信息;步骤S104,对于多条舆情信息中的每条舆情信息,根据该舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定该舆情信息的相关性度量;以及步骤106,基于多条舆情信息的相关性度量,显示多条舆情信息。
根据本公开的实施例的信息显示方法,可以根据各条舆情信息的内容、来源、以及与企业主体的相关度中的至少一者确定各条舆情信息的相关性度量,从而可以高效地筛选出与企业主体最为相关的舆情信息。进一步地,根据各条舆情信息的相关性度量来显示这些舆情信息,可以帮助用户快速了解与企业主体最为相关的舆情信息。
在一些实施例中,从网站服务器获取与企业主体相关联的多条舆情信息可以包括利用网络爬虫从预定网站列表中的网站(例如,新浪、网易、头条、百家号等)获取在预设时间段内产生的多条舆情信息。这里,预设时间段可以是由用户根据自身需求设定的任意时间段,例如,一个月、半年、一年等。
由于从网站服务器获取到的舆情信息通常会包含网页链接、图片链接等与确定舆情信息的相关性度量无关的信息,因此在从网站服务器获取到舆情信息之后并且在确定舆情信息的相关性度量之前,可以对舆情信息进行预处理,以过滤掉将影响舆情信息的相关性度量的确定的信息。这里的预处理可以包括识别并过滤舆情信息中的网页链接、图片链接、段落标签、以及空白符等,提取舆情信息中的文字部分,以及根据舆情信息中的段落标识符等对舆情信息的正文进行分段等。
在一些实施例中,可以仅根据舆情信息与企业主体的相关度确定舆情信息的相关性度量。图2是示出根据舆情信息与企业主体的相关度确定舆情信息的相关性度量(即,步骤S104)的流程图。如图2所示,根据舆情信息与企业主体的相关度确定舆情信息的相关性度量可以包括:步骤S1042-1,从舆情信息中找出企业主体的全称和简称;S1044-1,获取企业主体的全称和简称在舆情信息中出现的次数;以及S1046-1,基于企业主体的全称和简称在舆情信息中出现的次数,确定舆情信息与企业主体的相关度值,作为舆情信息的相关性度量。
通过步骤S1042-1至S1046-1的处理,可以在舆情信息提到多个企业主体时确定该舆情信息与各个企业主体的相关度值。
由于企业主体的全称相比简称可以更为准确地映射到企业主体,并且企业主体的全称和简称在舆情信息中的位置也可以部分地体现出舆情信息与企业主体的相关性,因此,在一些实施例中,如图3所示,根据舆情信息与企业主体的相关度确定舆情信息的相关性度量可以包括:S1042-2,从舆情信息找出企业主体的全称和简称;S1044-2,为企业主体的全称赋予全称匹配权重,并为企业主体的简称赋予简称匹配权重,其中,全称匹配权重大于简称匹配权重;S1046-2,为企业主体的全称在舆情信息中所在的各个位置赋予全称位置权重,并为企业主体的简称在舆情信息中所在的各个位置赋予简称位置权重;S1048-2获取企业主体的全称在舆情信息中出现的次数,并基于企业主体的全称在舆情信息中出现的次数、全称匹配权重、以及全称位置权重,确定舆情信息与企业主体的全称相关度值;S1050-2,获取企业主体的简称在舆情信息中出现的次数,并基于企业主体的简称在舆情信息中出现的次数、简称匹配权重、以及简称位置权重,确定舆情信息与企业主体的简称相关度值;以及S1050-2,通过对舆情信息与企业主体的全称相关度值和简称相关度值进行求和与归一化计算,确定舆情信息与企业主体的相关度值,作为舆情信息与企业主体的相关性度量。
可以通过等式(1)确定舆情信息与企业主体的全称相关度值:
Sfull=Wfull×Cfull×Wlocation 等式(1)
其中,Sfull表示舆情信息与企业主体的全称相关度值,Wfull表示全称匹配权重,Cfull表示企业主体的全称在舆情信息中出现的次数,Wlocation表示全称位置权重。
可以通过等式(2)确定舆情信息与企业主体的简称相关度值:
Sshort=Wshort×Cshort×Wshort 等式(2)
其中,Sshort表示舆情信息与企业主体的简称相关度值,Wshort表示简称匹配权重,Cshort表示企业主体的简称在舆情信息中出现的次数,Wshort表示简称位置权重。
可以通过等式(3)确定舆情信息与企业主体的相关度值:
Srelevance=Norm(Sfull+Sshort) 等式(3)
其中,Srelevance表示舆情信息与企业主体的相关度值,Sfull表示舆情信息与企业主体的全称相关度值,Sshort表示舆情信息与企业主体的简称相关度值,Norm()表示归一化。
在对舆情信息与企业主体的全称相关度值和简称相关度值的和值进行归一化时,可以将归一化区间设置为例如,0-1,也可以设置为任意其他预设区间。这里,通过分别计算舆情信息与企业主体的全称相关度值和简称相关度值,可以更加精确地确定舆情信息与企业主体的相关度值。另外,通过对舆情信息与企业主体的全称相关度值和简称相关度值进行求和与归一化计算来确定舆情信息与企业主体的相关度值,可以避免舆情信息与企业主体的全称相关度值和简称相关度值差异过大导致其中一个元素对最终结果的影响弱化。
虽然结合等式(1)-(3)描述了舆情信息与企业主体的相关度值的计算过程,但是确定舆情信息与企业主体的相关度值的方式并不限于等式(1)-(3)所示的方式。基于企业主体的全称和简称在舆情信息中出现的次数、全称匹配权重、简称匹配权重、全称位置权重、以及简称位置权重的任何计算方式都在本公开的保护范围内。
由于企业主体的全称相比简称可以更为准确地映射到企业主体,并且仅确定舆情信息与企业主体的全称相关度值相比确定舆情信息与企业主体的全称相关度值和简称相关度二者更为简单,因此在一些实施例中也可以仅确定舆情信息与企业主体的全称相关度值,作为舆情信息与企业主体的相关度值。这样,可以在保证相关性度量较为准确的同时,提高计算机系统确定相关性度量的速度。
通常,舆情信息与其全称或简称出现在舆情信息的标题中的企业主体更为相关(相比其全称或简称出现在舆情信息的正文中的企业主体)。因此,可以根据企业主体的全称和简称在舆情信息中所在位置的不同,为企业主体的全称和简称所在的各个位置赋予不同的全称位置权重和简称位置权重。
在一些实施例,全称位置权重可以包括全称标题位置权重和全称正文位置权重,并且全称标题位置权重大于全称正文位置权重。为企业主体的全称所在的各个位置赋予全称位置权重包括:对于企业主体的全称所在的、处于舆情信息的标题中的各个位置,赋予全称标题位置权重;以及对于企业主体的全称所在的、处于舆情信息的正文中的各个位置,赋予全称正文位置权重。相应地,企业主体的全称在舆情信息中出现的次数可以包括企业主体的全称在舆情信息的标题中出现的次数和在舆情信息的正文中出现的次数。基于企业主体的全称在舆情信息中出现的次数、全称匹配权重、以及全称位置权重来确定舆情信息与企业主体的全称相关度值可以包括:基于企业主体的全称在舆情信息的标题中出现的次数、全称标题位置权重、以及全称匹配权重,确定舆情信息与企业主体的全称标题匹配度值;基于企业主体的全称在舆情信息的正文中出现的次数、全称正文位置权重、以及全称匹配权重,确定舆情信息与企业主体的全称正文匹配度值;以及基于舆情信息与企业主体的全称标题匹配度值和全称标题匹配度值,确定舆情信息与企业主体的全称相关度值。
例如,可以通过等式(4)确定舆情信息与企业主体的全称相关度值:
Sfull=Wfull×(Cfull_title×Wlocation_title+Cfull_text×Wlocation_text)
等式(4)
其中,Sfull表示舆情信息与企业主体的全称相关度值,Wfull表示全称匹配权重,Cfull_title表示企业主体的全称在舆情信息的标题中出现的次数,Cfull_text表示企业主体的全称在舆情信息的标题中出现的次数,Wlocation_title表示全称标题位置权重,Wlocation_text表示全称正文位置权重。
类似地,在一些实施例中,简称位置权重可以包括简称标题位置权重和简称正文位置权重,并且简称标题位置权重大于简称正文位置权重。为企业主体的简称所在的各个位置赋予简称位置权重包括:对于企业主体的简称所在的、处于舆情信息的标题中的各个位置,赋予简称标题位置权重;以及对于企业主体的简称所在的、处于舆情信息的正文中的各个位置,赋予简称正文位置权重。相应地,企业主体的简称在舆情信息中出现的次数可以包括企业主体的简称在标题中出现的次数和在正文中出现的次数。基于企业主体的简称在舆情信息中出现的次数、简称匹配权重、以及简称位置权重,确定舆情信息与企业主体的简称相关度值可以包括:基于企业主体的简称在舆情信息的标题中出现的次数、简称标题位置权重、以及简称匹配权重,确定舆情信息与企业主体的简称标题匹配度值;基于企业主体的简称在舆情信息的正文中出现的次数、简称正文位置权重、以及简称匹配权重,确定舆情信息与企业主体的简称正文匹配度值;以及基于舆情信息的简称标题匹配度值和简称标题匹配度值,确定舆情信息与企业主体的简称相关度值。
例如,可以通过等式(5)确定舆情信息与企业主体的简称相关度值:
Sshort=Wshort×(Cshort_title×Wlocation_title+Cshort_text×Wlocation_text)
等式(5)
其中,Sshort表示舆情信息与企业主体的简称相关度值,Wshort表示简称匹配权重,Cshort_title表示企业主体的简称在舆情信息的标题中出现的次数,Cshort_text表示企业主体的简称在舆情信息的标题中出现的次数,Wlocation_title表示简称标题位置权重,Wlocation_text表示简称正文位置权重。
通过为企业主体的全称和简称所在的、处于舆情信息的标题中的位置赋予全称标题位置权重和简称标题位置权重,并为企业主体的全称和简称所在的、处于舆情信息的正文中的位置赋予全称正文位置权重和简称正文位置权重,可以得到更为准确的舆情信息与企业主体的相关度值。在一些示例中,全称标题位置权重可以为0.8,全称正文位置权重可以为0.7;简称标题位置权重可以为0.7,简称正文位置权重可以为0.6。
进一步地,由于舆情信息的正文篇幅较长,因此还可以根据企业主体的全称和简称在舆情信息的正文中出现位置的不同,分别对全称正文位置权重和简称正文位置权重进一步做出差异化区分。
在一些实施例中,全称正文位置权重可以包括分别与舆情信息的多个正文区域相对应的多个全称正文位置权重,并且可以为企业主体的全称所在的、处于舆情信息的相应正文区域的各个位置赋予相应的全称正文位置权重。
类似地,在一些实施例,简称正文位置权重可以包括分别与舆情信息的多个正文区域相对应的多个简称正文位置权重,并且可以为企业主体的简称所在的、处于舆情信息的相应正文区域的各个位置赋予相应的简称正文位置权重。
在一些示例中,多个正文区域可以为舆情信息的正文中的开篇区域、中间区域、和结尾区域。开篇区域可以为例如,舆情信息的正文中的前三段,结尾区域可以为例如,舆情信息的正文中的后三段,中间区域则为除开篇区域和结尾区域之外的其他区域。需要说明的是,开篇区域、中间区域、和结尾区域的设置不限于上述示例。
在一些示例中,可以根据三个正文区域在舆情信息的正文中的先后顺序,分别将与三个正文区域相对应的全称或简称正文位置权重设置为依次减小的值。例如,可以为企业主体的全称所在的、处于舆情信息的开篇区域中的各个位置赋予全称正文位置权重0.8,为企业主体的全称所在的、处于舆情信息的中间区域中的各个位置赋予全称正文位置权重0.7,并且为企业主体的全称所在的、处于舆情信息的结尾区域中的各个位置赋予全称正文位置权重0.6;类似地,可以为企业主体的简称所在的、处于舆情信息的开篇区域中的各个位置赋予简称正文位置权重0.6,为企业主体的简称所在的、处于舆情信息的中间区域中的各个位置赋予简称正文位置权重0.5,并且为企业主体的简称所在的、处于舆情信息的结尾区域中的各个位置赋予简称正文位置权重0.4。
需要说明的是,可以根据需要设置全称或简称正文位置权重,并且与多个正文区域相对应的全称或简称正文位置权重之和不必须为1。通过为企业主体的全称或简称在舆情信息的正文中的不同位置赋予不同的全称或简称正文位置权重,可以进一步提高舆情信息与企业主体的相关度值的准确性。
在一些实施例,也可以仅根据舆情信息的内容确定舆情信息的相关性度量。由于舆情信息的正文中包括的字符数目、图片数目、以及各个段落的字符数目可以在一定程度上反映舆情信息的有效性,而有效性是舆情信息与企业主体的相关性的一个重要表现方面,因此可以基于舆情信息的正文中包括的字符数目、图片数目、以及各个段落的字符数目确定舆情信息的内容分值,作为舆情信息的相关性度量。
图4是示出根据舆情信息的内容确定舆情信息的相关性度量的流程图。如图4所示,基于舆情信息的正文中包括的字符数目、图片数目、以及各个段落的字符数目确定舆情信息的相关性度量,包括:步骤S1042-3,基于舆情信息的正文中包括的字符数目,确定舆情信息的长度特征值;步骤S1044-3,基于舆情信息的正文中包括的字符数目和图片数目,确定舆情信息的图片密度特征值;步骤S1046-3,基于舆情信息的正文中包括的各个段落的字符数目,确定舆情信息的段落长度特征值和段落长度标准差特征值;以及S1048-3,基于舆情信息的长度特征值、图片密度特征值、段落长度特征值、以及段落长度标准差特征值,通过求和与归一化计算确定舆情信息的内容分值,作为舆情信息的相关性度量。
这里,通过求和与归一化计算,可以避免舆情信息的长度特征值、图片密度特征值、段落长度特征值、和段落长度标准差特征值之间的差异较大导致某一特征值对于最终结果的实际影响被弱化。
在一些实施例中,基于舆情信息的正文中包括的字符数目,确定舆情信息的长度特征值可以包括:计算舆情信息的正文中包括的字符数目基于预定舆情样本库的统计概率;通过对舆情信息的正文中包括的字符数目基于预定舆情样本库的统计概率进行归一化,确定舆情信息的长度特征值。这里,确定字符数目基于预定舆情样本库的统计概率可以包括:统计预定舆情样本库中的每条舆情信息的正文中包括的字符数目;基于所统计的预定舆情样本库中的每条舆情信息的正文中包括的字符数目确定这些舆情信息的正文中包括的字符数目的分布规律;以及基于该分布规律计算某个舆情信息的正文中包括的字符数目基于该预定舆情舆情样本库的统计概率。
例如,预定舆情样本库中的舆情信息的正文中包括的字符数目的最大值为10000、最小值为100,即字符数目的分布区间为100-10000;预定舆情样本库中的舆情信息的正文中包括的字符数目的分布规律为正态分布;可以根据所有舆情信息的正文中包括的字符数目的期望值μ和方差σ2获得分布规律(即,正态分布)的表达式N(μ,σ2);根据该正态分布的表达式即可确定在字符数目的分布区间内的每个字符数目发生的概率。
由于舆情信息的正文中包括的字符数目可以在一定程度上反映舆情信息的有效性(例如,字符数目过少的舆情信息的有效性相对较低),因此也可以将基于舆情信息的正文中包括的字符数目确定的舆情信息的长度特征值作为舆情信息的内容分值。另外,由于统计字符数目的过程相对简单且不易出错,因此该方案可以在保证一定准确性的前提下简化计算机系统的处理过程,从而提高计算机系统的运算效率。
在一些实施例中,基于舆情信息的正文中包括的字符数目和图片数目,确定舆情信息的图片密度特征值可以包括:计算舆情信息的正文中包括的字符数目与图片数目的比值;计算舆情信息的正文中包括的字符数目与图片数目的比值基于预定舆情样本库的统计概率;以及通过对舆情信息的正文中包括的字符数目与图片数目的比值基于预定舆情样本库的统计概率进行归一化,确定舆情信息的图片密度特征值。
由于舆情信息中的图片密度也可以在一定程度上反映舆情信息的有效性(例如,在图片密度过大的情况下,舆情信息可能缺乏对企业主体相关信息的具体描述,而在图片密度过小的情况下,舆情信息可能由于缺乏必要的图片而导致用户不能理解对企业主体相关信息的具体描述),因此也可以将基于图片密度确定的舆情信息的图片密度特征值作为舆情信息的内容分值。另外,由于图片易于识别,因此该方案在保证一定准确性的前提下也可以简化计算机系统的处理过程,从而提高计算机系统的运算效率。
在一些实施例中,基于舆情信息的正文中包括的各个段落的字符数目,确定舆情信息的段落长度特征值和段落长度标准差特征值可以包括:计算舆情信息的正文中包括的各个段落的字符数目的平均值或标准差;计算舆情信息的正文中包括的各个段落的字符数目的平均值或标准差基于预定舆情样本库的统计概率;通过对舆情信息的正文中包括的各个段落的字符数目的平均值或标准差基于预定舆情样本库的统计概率进行归一化,确定舆情信息的段落长度特征值或段落长度标准差特征值。
由于舆情信息的正文中包括的各个段落的字符数目也可以在一定程度上反映舆情信息的相关性(例如,各个段落的字符数目的平均值过小,则可能由于对企业主体相关信息的描述过少而导致用户不能获得所需要的信息),因此也可以将基于舆情信息的各个段落的字符数目确定的段落长度特征值和段落长度标准差特征值中的至少一者作为舆情信息的内容分值。
也就是说,在一些实施例中,可以基于舆情信息的正文中包括的字符数目确定舆情信息的长度特征值,作为舆情信息的相关性度量;可以基于舆情信息的正文中包括的字符数目和图片数目确定舆情信息的图片密度特征值,作为舆情信息的相关性度量;也可以基于舆情信息的正文中包括的各个段落的字符数目,确定舆情信息的段落长度特征值或段落长度标准差特征值,作为舆情信息的相关性度量。
在一些实施例中,也可以仅根据舆情信息的来源确定舆情信息的相关性度量。由于舆情信息的来源网站所产生的舆情信息的数目是该来源网站产生的舆情信息的有效性的一个表现方面,所以可以根据舆情信息的来源网站所产生的数目来确定舆情信息的来源分值,作为舆情信息的相关性度量。
图5是示出根据舆情信息的来源确定舆情信息的相关性度量的流程图。如图5所示,根据舆情信息的来源确定舆情信息的相关性度量可以包括:步骤S1042-4,统计预定舆情样本库中由舆情信息的来源网站产生的舆情信息的条数;步骤S1044-4,计算由舆情信息的来源网站产生的舆情信息的条数与预定舆情样本库中的舆情信息的总条数的比例;以及步骤S1046-4,基于由舆情信息的来源网站产生的舆情信息的条数与预定舆情样本库中的舆情信息的总条数的比例,确定舆情信息的来源分值,作为舆情信息的相关性度量。
在一些示例中,舆情信息的来源网站产生的舆情信息的条数与预定舆情样本库中的舆情信息的总条数的比例与来源网站产生的舆情信息的可信度相关联。因此,可以基于该比例为来源网站赋予相应的权重。将理解的是,舆情信息的来源网站产生的舆情信息的条数与预定舆情样本库中的舆情信息的总条数的比例与来源网站的权重之间的关系可以包括但不限于正相关关系、负相关关系、正态分布关系以及任何其他预先设定的关系。当舆情信息的来源网站为未统计过的来源网站时,为避免由于所计算的比例过低而影响对舆情信息的相关性度量的计算,可以赋予该来源网站以平均权重。
在一些实施例中,也可以基于舆情信息的内容、来源、以及与企业主体的相关度三者来确定舆情信息的相关性度量。即,可以基于舆情信息的内容分值、来源分值、以及与企业主体的相关度值,通过求和与归一化计算确定舆情信息的相关性度量。
具体地,根据舆情信息的内容、来源、以及与企业主体的相关度,确定舆情信息的相关性度量包括:根据舆情信息的正文中包括的字符数目、图片数目、以及各个段落的字符数目中的至少一者,确定舆情信息的内容分值;根据预定舆情样本库中由舆情信息的来源网站产生的舆情信息的条数,确定所述舆情信息的来源分值;确定舆情信息与企业主体的全称和简称中的至少一者的相关度值;以及基于舆情信息的内容分值、来源分值、以及与企业主体的全称和简称中的至少一者的相关度值,确定舆情信息的相关性度量。
例如,可以通过等式(6)的求和与归一化计算确定舆情信息的相关性度量:
Stotal=Norm((Scontent+Srelevance)×Spublicsrc)
等式(6)
其中,Stotal表示舆情信息的相关性度量,Scontent表示舆情信息的内容分值,Srelevance表示舆情信息与企业主体的相关度值,Spublicsrc表示舆情信息的来源分值,Norm()表示归一化。
结合舆情信息的内容、来源、以及与企业主体的相关度可以更为准确地确定出舆情信息的相关性度量。可以按照舆情信息的相关性度量从高到低的顺序显示多条舆情信息。这样,可以帮助用户快速地获取与企业主体最为相关的舆情信息,提升用户体验。
图6是示出了根据本公开的实施例的由计算机系统实现的信息显示装置600的框图。如图6所示,信息显示装置600可以包括信息获取单元602、相关性确定单元604、以及信息显示单元606。信息获取单元602被配置为从网站服务器获取与企业主体相关联的多条舆情信息。相关性确定单元604被配置为对于多条舆情信息中的每条舆情信息,根据舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定舆情信息的相关性度量。信息显示单元606被配置为基于多条舆情信息的有效性,显示多条舆情信息。
在本实施例中,信息显示装置600及其相应功能单元的具体实现方式和技术效果可参考图1至5对应实施例中的相关说明,在此不再赘述。
图7是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。下面结合图7,描述适于用来实现本公开的实施例的计算机系统700。应该明白的是,图7示出的计算机系统700仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700可以包括处理装置(例如,中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有计算机系统700操作所需的各种程序和数据。处理装置701、ROM 702、以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、摄像头、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器、振动器等的输出装置707;包括例如闪存(Flash Card)等的存储装置708;以及通信装置709。通信装置709可以允许计算机系统700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的计算机系统700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例提供一种计算机可读存储介质,其存储计算机程序,该计算机程序包含用于执行图1-5所示的方法100的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM702被安装。在该计算机程序被处理装置701执行时,实现本公开的实施例的系统中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机可读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:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述计算机系统700中所包含的;也可以是单独存在,而未装配入该计算机系统700中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该计算设备执行时,使得该计算机系统:从网站服务器获取与企业主体相关联的多条舆情信息;对于多条舆情信息中的每条舆情信息,根据该舆情信息的内容、来源、以及与企业主体的相关度中的至少一者,确定该舆情信息的相关性度量;以及基于多条舆情信息的相关性度量,显示多条舆情信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能、和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括信息获取单元、相关性确定单元、以及信息显示单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种由计算机系统实现的信息显示方法,包括:
从网站服务器获取与企业主体相关联的多条舆情信息;
对于所述多条舆情信息中的每条舆情信息,根据所述舆情信息的内容、来源、以及与所述企业主体的相关度中的至少一者,确定所述舆情信息的相关性度量;以及
基于所述多条舆情信息的相关性度量,显示所述多条舆情信息,
其中,根据所述舆情信息与所述企业主体的相关度确定所述舆情信息的相关性度量,包括:
从所述舆情信息找出所述企业主体的全称和简称;
为所述企业主体的全称赋予全称匹配权重,并为所述企业主体的简称赋予简称匹配权重,其中,所述全称匹配权重大于所述简称匹配权重;
为所述企业主体的全称在所述舆情信息中所在的各个位置赋予全称位置权重,并为所述企业主体的简称在所述舆情信息中所在的各个位置赋予简称位置权重;
获取所述企业主体的全称在所述舆情信息中出现的次数,并基于所述企业主体的全称在所述舆情信息中出现的次数、所述全称匹配权重、以及所述全称位置权重,确定所述舆情信息与所述企业主体的全称相关度值;
获取所述企业主体的简称在所述舆情信息中出现的次数,并基于所述企业主体的简称在所述舆情信息中出现的次数、所述简称匹配权重、以及所述简称位置权重,确定所述舆情信息与所述企业主体的简称相关度值;以及
通过对所述舆情信息与所述企业主体的全称相关度值和简称相关度值进行求和与归一化计算,确定所述舆情信息与所述企业主体的相关度值,作为所述舆情信息与所述企业主体的相关性度量。
2.根据权利要求1所述的方法,其中,根据所述舆情信息的内容、来源、以及与所述企业主体的相关度,确定所述舆情信息的相关性度量包括:
根据所述舆情信息的正文中包括的字符数目、图片数目、以及各个段落的字符数目中的至少一者,确定所述舆情信息的内容分值;
根据预定舆情样本库中由所述舆情信息的来源网站产生的舆情信息的条数,确定所述舆情信息的来源分值;
确定所述舆情信息与所述企业主体的全称和简称中的至少一者的相关度值;以及
基于所述舆情信息的内容分值、来源分值、以及与所述企业主体的全称和简称中的至少一者的相关度值,确定所述舆情信息的相关性度量。
3.根据权利要求1所述的方法,其中,根据所述舆情信息与所述企业主体的相关度,确定所述舆情信息的相关性度量包括:
从所述舆情信息找出所述企业主体的全称和简称;
获取所述企业主体的全称和简称在所述舆情信息中出现的次数;以及
基于所述企业主体的全称和简称在所述舆情信息中出现的次数,确定所述舆情信息与所述企业主体的相关度值,作为所述舆情信息的相关性度量。
4.根据权利要求1所述的方法,其中,所述全称位置权重包括全称标题位置权重和全称正文位置权重,并且所述全称标题位置权重大于所述全称正文位置权重,
为所述企业主体的全称所在的各个位置赋予所述全称位置权重包括:
对于所述企业主体的全称所在的、处于所述舆情信息的标题中的各个位置,赋予所述全称标题位置权重;
对于所述企业主体的全称所在的、处于所述舆情信息的正文中的各个位置,赋予所述全称正文位置权重,并且
基于所述企业主体的全称在所述舆情信息中出现的次数、所述全称匹配权重、以及所述全称位置权重,确定所述舆情信息与所述企业主体的全称相关度值包括:
基于所述企业主体的全称在所述舆情信息的标题中出现的次数、所述全称标题位置权重、以及所述全称匹配权重,确定所述舆情信息与所述企业主体的全称标题匹配度值;
基于所述企业主体的全称在所述舆情信息的正文中出现的次数、所述全称正文位置权重、以及所述全称匹配权重,确定所述舆情信息与所述企业主体的全称正文匹配度值;以及
基于所述舆情信息与所述企业主体的全称标题匹配度值和全称标题匹配度值,确定所述舆情信息与所述企业主体的全称相关度值。
5.根据权利要求1所述的方法,其中,所述简称位置权重包括简称标题位置权重和简称正文位置权重,并且所述简称标题位置权重大于所述简称正文位置权重,
为所述企业主体的简称所在的各个位置赋予所述简称位置权重包括:
对于所述企业主体的简称所在的、处于所述舆情信息的标题中的各个位置,赋予所述简称标题位置权重;
对于所述企业主体的简称所在的、处于所述舆情信息的正文中的各个位置,赋予所述简称正文位置权重,并且
基于所述企业主体的简称在所述舆情信息中出现的次数、所述简称匹配权重、以及所述简称位置权重,确定所述舆情信息与所述企业主体的简称相关度值包括:
基于所述企业主体的简称在所述舆情信息的标题中出现的次数、所述简称标题位置权重、以及所述简称匹配权重,确定所述舆情信息与所述企业主体的简称标题匹配度值;
基于所述企业主体的简称在所述舆情信息的正文中出现的次数、所述简称正文位置权重、以及所述简称匹配权重,确定所述舆情信息与所述企业主体的简称正文匹配度值;以及
基于所述舆情信息与所述企业主体的简称标题匹配度值和简称正文匹配度值,确定所述舆情信息与所述企业主体的简称相关度值。
6.根据权利要求4所述的方法,其中,所述全称正文位置权重包括分别与所述舆情信息的多个正文区域相对应的多个全称正文位置权重,为所述企业主体的全称所在的、处于所述舆情信息的相应正文区域的各个位置赋予相应的全称正文位置权重。
7.根据权利要求5所述的方法,其中,所述简称正文位置权重包括分别与所述舆情信息的多个正文区域相对应的多个简称正文位置权重,为所述企业主体的简称所在的、处于所述舆情信息的相应正文区域的各个位置赋予相应的简称正文位置权重。
8.根据权利要求1所述的方法,其中,根据所述舆情信息的内容,确定所述舆情信息的相关性度量包括:
基于所述舆情信息的正文中包括的字符数目,确定所述舆情信息的长度特征值;
基于所述舆情信息的正文中包括的字符数目和图片数目,确定所述舆情信息的图片密度特征值;
基于所述舆情信息的正文中包括的各个段落的字符数目,确定所述舆情信息的段落长度特征值和段落长度标准差特征值;以及
基于所述舆情信息的长度特征值、图片密度特征值、段落长度特征值、以及段落长度标准差特征值,通过求和与归一化计算确定所述舆情信息的内容分值,作为所述舆情信息的相关性度量。
9.根据权利要求1所述的方法,其中,根据所述舆情信息的内容,确定所述舆情信息的相关性度量包括:
计算所述舆情信息的正文中包括的字符数目与图片数目的比值;
计算所述舆情信息的正文中包括的字符数目与图片数目的比值基于预定舆情样本库的统计概率;以及
通过对所述舆情信息的正文中包括的字符数目与图片数目的比值基于所述预定舆情样本库的统计概率进行归一化,确定所述舆情信息的内容分值,作为所述舆情信息的相关性度量。
10.根据权利要求1所述的方法,其中,根据所述舆情信息的内容,确定所述舆情信息的相关性度量包括:
计算所述舆情信息的正文中包括的各个段落的字符数目的平均值或标准差;
计算所述舆情信息的正文中包括的各个段落的字符数目的平均值或标准差基于预定舆情样本库的统计概率;
通过对所述舆情信息的正文中包括的各个段落的字符数目的平均值或标准差基于预定舆情样本库的统计概率进行归一化,确定所述舆情信息的内容分值,作为所述舆情信息的相关性度量。
11.根据权利要求1所述的方法,其中, 根据所述舆情信息的来源,确定所述舆情信息的相关性度量包括:
统计预定舆情样本库中由所述舆情信息的来源网站产生的舆情信息的条数;
计算由所述舆情信息的来源网站产生的舆情信息的条数与所述预定舆情样本库中的舆情信息的总条数的比例;以及
基于由所述舆情信息的来源网站产生的舆情信息的条数与所述预定舆情样本库中的舆情信息的总条数的比例,确定所述舆情信息的来源分值,作为所述舆情信息的相关性度量。
12.一种由计算机系统实现的信息显示装置,包括:
信息获取单元,被配置为从网站服务器获取与企业主体相关联的多条舆情信息;
相关性确定单元,被配置为对于所述多条舆情信息中的每条舆情信息,根据所述舆情信息的内容、来源、以及与所述企业主体的相关度中的至少一者,确定所述舆情信息的相关性度量;以及
信息显示单元,被配置为基于所述多条舆情信息的相关性度量,显示所述多条舆情信息,
其中,根据所述舆情信息与所述企业主体的相关度确定所述舆情信息的相关性度量,包括:
从所述舆情信息找出所述企业主体的全称和简称;
为所述企业主体的全称赋予全称匹配权重,并为所述企业主体的简称赋予简称匹配权重,其中,所述全称匹配权重大于所述简称匹配权重;
为所述企业主体的全称在所述舆情信息中所在的各个位置赋予全称位置权重,并为所述企业主体的简称在所述舆情信息中所在的各个位置赋予简称位置权重;
获取所述企业主体的全称在所述舆情信息中出现的次数,并基于所述企业主体的全称在所述舆情信息中出现的次数、所述全称匹配权重、以及所述全称位置权重,确定所述舆情信息与所述企业主体的全称相关度值;
获取所述企业主体的简称在所述舆情信息中出现的次数,并基于所述企业主体的简称在所述舆情信息中出现的次数、所述简称匹配权重、以及所述简称位置权重,确定所述舆情信息与所述企业主体的简称相关度值;以及
通过对所述舆情信息与所述企业主体的全称相关度值和简称相关度值进行求和与归一化计算,确定所述舆情信息与所述企业主体的相关度值,作为所述舆情信息与所述企业主体的相关性度量。
13.一种计算机系统,包括:
处理器;以及
存储计算机程序的存储器,所述计算机程序在由所述处理器执行时使得所述处理器执行根据权利要求1-11中任一项所述的方法。
14.一种存储计算机程序的计算机可读存储介质,所述计算机程序在由计算机系统的处理器执行时使得所述计算机系统执行根据权利要求1-11中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750216.5A CN111881382B (zh) | 2020-07-30 | 2020-07-30 | 由计算机系统实现的信息显示方法和装置、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750216.5A CN111881382B (zh) | 2020-07-30 | 2020-07-30 | 由计算机系统实现的信息显示方法和装置、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881382A CN111881382A (zh) | 2020-11-03 |
CN111881382B true CN111881382B (zh) | 2024-05-14 |
Family
ID=73204510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750216.5A Active CN111881382B (zh) | 2020-07-30 | 2020-07-30 | 由计算机系统实现的信息显示方法和装置、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881382B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541064A (zh) * | 2020-12-09 | 2021-03-23 | 联仁健康医疗大数据科技股份有限公司 | 健康评测方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097114A (zh) * | 2016-06-27 | 2016-11-09 | 江苏易乐网络科技有限公司 | 一种游戏舆情监测与玩家行为分析云服务平台 |
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 |
CN108170742A (zh) * | 2017-12-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 图片舆情获取方法、装置、计算机设备及存储介质 |
CN109508373A (zh) * | 2018-11-13 | 2019-03-22 | 深圳前海微众银行股份有限公司 | 企业舆情指数的计算方法、设备及计算机可读存储介质 |
CN109670095A (zh) * | 2018-11-19 | 2019-04-23 | 成都电科成研企业管理有限公司 | 一种基于自然语义的舆情相关度匹配方法 |
-
2020
- 2020-07-30 CN CN202010750216.5A patent/CN111881382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097114A (zh) * | 2016-06-27 | 2016-11-09 | 江苏易乐网络科技有限公司 | 一种游戏舆情监测与玩家行为分析云服务平台 |
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 |
CN108170742A (zh) * | 2017-12-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 图片舆情获取方法、装置、计算机设备及存储介质 |
CN109508373A (zh) * | 2018-11-13 | 2019-03-22 | 深圳前海微众银行股份有限公司 | 企业舆情指数的计算方法、设备及计算机可读存储介质 |
CN109670095A (zh) * | 2018-11-19 | 2019-04-23 | 成都电科成研企业管理有限公司 | 一种基于自然语义的舆情相关度匹配方法 |
Non-Patent Citations (1)
Title |
---|
基于企业网络舆情的客户满意度分析及管理方法;高学东;王艾;;运筹与管理;20200725(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111881382A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413742B (zh) | 简历信息的查重方法、装置、设备及存储介质 | |
US20190147539A1 (en) | Method and apparatus for outputting information | |
CN110633726A (zh) | 一种房源识别方法、装置、存储介质及电子设备 | |
CN110765280B (zh) | 地址识别方法和装置 | |
CN113688310B (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN110070076B (zh) | 用于选取训练用样本的方法和装置 | |
CN111340015B (zh) | 定位方法和装置 | |
CN111552640A (zh) | 一种代码检测方法、装置、设备及存储介质 | |
CN111881382B (zh) | 由计算机系统实现的信息显示方法和装置、系统和介质 | |
CN111597107A (zh) | 信息输出方法、装置和电子设备 | |
CN110895543B (zh) | 人口迁徙跟踪展示方法、装置及存储介质 | |
CN110895587A (zh) | 用于确定目标用户的方法和装置 | |
CN113868538A (zh) | 信息处理方法、装置、设备及介质 | |
CN111026849A (zh) | 数据处理方法和装置 | |
CN111475722B (zh) | 用于发送信息的方法和装置 | |
CN111859985B (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
CN111367791B (zh) | 一种生成测试用例的方法、装置、介质和电子设备 | |
CN110084298B (zh) | 用于检测图像相似度的方法及装置 | |
CN111125272B (zh) | 一种区域特征获取方法、装置、计算机设备及介质 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN111767290A (zh) | 用于更新用户画像的方法和装置 | |
US20190163470A1 (en) | Skills identification for software products | |
CN111126120A (zh) | 城市区域分类方法、装置、设备和介质 | |
CN112860784B (zh) | 血缘分析方法、装置、电子设备及计算机可读存储介质 | |
CN110737757B (zh) | 用于生成信息的方法和装置 |
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 |