CN111949853A - 一种互联网信息的监测控制方法 - Google Patents
一种互联网信息的监测控制方法 Download PDFInfo
- Publication number
- CN111949853A CN111949853A CN201910360333.8A CN201910360333A CN111949853A CN 111949853 A CN111949853 A CN 111949853A CN 201910360333 A CN201910360333 A CN 201910360333A CN 111949853 A CN111949853 A CN 111949853A
- Authority
- CN
- China
- Prior art keywords
- index
- standard value
- weight
- multiplying
- media
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000012552 review Methods 0.000 claims description 26
- 230000008451 emotion Effects 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 230000002354 daily effect Effects 0.000 description 38
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000007480 spreading Effects 0.000 description 7
- 238000003892 spreading Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- HVYLDJKDVOOTHV-UHFFFAOYSA-N acetic acid;2-iminoethanethiol Chemical compound CC(O)=O.CC(O)=O.SCC=N HVYLDJKDVOOTHV-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种互联网信息的监测控制方法,包括:系统获取各互联网数据源中与监控信息相关的传播信息;根据获取的各数据源的传播信息计算发稿量、转载数、评论数和点赞数的基础统计数据,并通过基础统计数据计算得到需要监测的互联网信息的PSI、MII、BSI和/或TSI;根据设定的各互联网数据源的媒体级别系数,和设定的PSI、MII、BSI和/或TSI的各权重值,以及计算得到的需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值,计算得到所述需要监测的互联网信息的综合指数ISI并保存,完成监测。本发明解决了当前面对不同信息来源时,如何满足不同用户对于各个来源数据重视程度不同的需求,让获取的传播指标可适应不同用户的设置,更加精准测量新闻传播和影响效果的问题。
Description
技术领域
本申请涉及计算机信息技术领域,特别涉及一种互联网信息的监测控制方法。
背景技术
近年来随着信息技术的大力发展,新媒体的发展日新月异,技术手段的革新使得任何人可以在任何空间、任何时间里发布和接触信息,海量的信息也改变了人们的认知过程与行为方式,在互联网信息传播过程中,如何衡量自己所发布信息的传播力度与影响力度,所发布的信息是否达到发布者的预期,发布信息的传播广度、深度以及阅读者受信息的影响程度等都是发布者所关注的因素。
当前的获取互联网信息传播指标的技术方案中,提出了通过获取传播力、影响力、引导力和公信力四个重要互联网信息传播指标信息,从多方面测量新闻的传播和影响的效果。但是在面对不同信息来源(包括例如:中央新闻网站、政府组织、地方媒体和网站等)时,如何满足不同用户对于各个来源数据重视程度不同的需求,让获取的传播指标可以适应不同用户设置的特点,以达到更加精准测量新闻传播和影响的效果,是当前需要解决的问题。
发明内容
本申请实施例提供一种互联网信息的监测控制方法,以解决当前面对不同信息来源时,如何满足不同用户对于各个来源数据重视程度不同的需求,让获取的传播指标可以适应不同用户设置的特点,更加精准测量新闻传播和影响效果的技术问题。
本发明提供了一种互联网信息的监测控制方法,包括:
系统根据需要监测的互联网信息内容遍历一个或多个互联网数据源,并获取各互联网数据源中与监控的互联网信息相关的传播信息,传播信息包括:发稿信息,以及所有与监控的信息相关的转载信息、评论信息和点赞信息;
系统根据获取的各数据源的传播信息计算发稿量、转载数、评论数和点赞数的基础统计数据,并通过基础统计数据计算得到需要监测的互联网信息的传播力指数PSI、影响力指数MII、引导力指数BSI和/或公信力指数TSI;
系统根据设定的各互联网数据源的媒体级别系数,和设定的PSI、MII、BSI和/或TSI的各权重值,以及计算得到的需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值,计算得到所述需要监测的互联网信息的综合指数ISI并保存,完成对需要监测的互联网信息的监测控制。
与现有技术相比,应用本发明,通过设置综合指数,根据设置媒体级别的不同权重,以及修改四力指数的百分值,制定出更加符合用户倾向的综合指数,满足了用户的需求,更加精准测量新闻传播和影响效果。其中将之前的互联网信息传播指标的四力指数内容和四力指数计算公式进行了调整和改进,精简了核心的要素内容,简化了引导力指数(BSI)、公信力指数(TSI)中原来基于统计的部分。新的技术方案可以重点体现自然语言的算法能力,更加适用于根据用户对于各个来源数据重视程度不同的设置要求,使获取的传播指标可以精准测量新闻传播和影响效果。
附图说明
此处所说明的附图用于提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种互联网信息的监测控制方法的一种具体实施方式的流程示意图;
图2为本申请实施例提供的一种本申请中互联网信息的监测控制方法的具体实施方式的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例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。
在本申请中,为了让用户更加直观的感知自己数据源的状态,更加简易方便的展现用户所定义的数据源在互联网传播影响的力度,设置了综合指数(综合指数是依据传播力指数(PSI)、影响力指数(MII)、引导力指数(BSI)和公信力指数(TSI)的四力指数计算得来。综合指数可以作为用户添加数据源的整体感知值),通过设置指数倾向,根据设置媒体级别的不同权重,以及修改四力指数的百分值,制定出更加符合用户倾向的综合指数,满足了用户的需求。
本发明提供了一种互联网信息的监测控制方法,在面对不同信息来源(包括例如:中央新闻网站、政府组织、地方媒体和网站等)时,能够自动检索媒体网站或微信公众号等发稿量、转载数以及评论正负面,和各渠道转载情况,关注话题等基础统计数,从而通过得到的传播力、影响力、引导力和公信力四个重要互联网信息传播指标信息计算出综合指数,达到根据用户对于各个数据源重视程度不同的设置要求,使获取的传播指标可以精准测量新闻传播和影响效果。
在本申请中将之前的互联网信息传播指标的四力指数内容和四力指数计算公式进行了调整和改进,精简了核心的要素内容,简化了引导力指数(BSI)、公信力指数(TSI)中原来基于统计的部分。新的技术方案可以重点体现自然语言的算法能力,更加适用于根据用户对于各个来源数据重视程度不同的设置要求,使获取的传播指标可以精准测量新闻传播和影响效果。
在本申请中主要涉及通过具有中央处理功能的设备(例如计算机或智能终端等设备)进行互联网信息的处理,需要对以下内容进行解释。
1.系统抓取时间:系统每日更新账号前一天发布的文章及其阅读数。
2.总阅读数:某账号当期所有文章阅读数总和。
3.平均阅读数:总阅读数除以某账号当期发布文章数。
4.总点赞数:某账号当期所有文章点赞数总和。
5.平均点赞数:总点赞数除以某账号当期发布文章数。
6.最大阅读数:某账号当期最高阅读数。数据为10万+的,系统以100001指代。
7.最大点赞数:某账号当期最高点赞数。
8.点赞率:总点赞数除以总阅读数。
9.发微博数:某账号当期发布微博总数(包含转发微博)。
10.转发总数:某账号当期发布微博(包含转发微博)被转发总数。
11.评论总数:某账号当期发布微博(包含转发微博)被评论总数。
12.原创数:某账号当期发布原创微博总数。
13.原创转发数:某账号当期所发布原创微博被转发总数。
14.原创评论数:某账号当期所发布原创微博被评论总数。
15.原创阅读总量:某账号当期所发布原创微博被阅读总数。
16.APP:APP是第三方应用程序,主要是ios、mac、android等系统下的应用软件。
为了方便描述,在本申请实施例中,主要通过计算机系统操作为例进行介绍。
请参考图1,如图1所示,本申请实施例提供的一种互联网信息的监测控制方法,包括如下步骤:
步骤110、系统根据需要监测的互联网信息内容遍历一个或多个互联网数据源,并获取各互联网数据源中与监控的互联网信息相关的传播信息,传播信息包括:发稿信息,以及所有与监控的信息相关的转载信息、评论信息和点赞信息;
其中,系统可以预先设置需要监测的指定互联网信息和指定互联网信息相应进行传播的一个或多个数据源,根据预设周期,定时抓取预先设置的数据源中指定互联网信息的发稿信息,以及所有对其的转载信息、相关的评论信息和点赞信息等传播信息;
其中,所述数据源可以包括:需要计算指定互联网信息的互联网信息传播指数的网站、论坛、微博、APP或者微信公众号等数据源。
例如:需要计算互联网信息传播指数的网站是网易、新浪、搜狐或者新华网等门户网站。这里只是设定需要监测的互联网信息数据在某个数据源的传播情况,包括该互联网信息数据在在数据源内的发稿量、转载数、评论数和点赞数等基础信息传播数据。
其中,互联网信息可以是某新闻的信息或者某文章的内容信息等,只要是具有传播特性的互联网信息内容都可以是本申请所指的互联网信息,本申请对此不作任何限定。
系统在预先设置的数据源中可以通过网络爬虫方式,将采集的内容进行HTML解析处理后,判断若该数据源的显示页面内容是预设的指定互联网信息的内容,则抓取该数据源中指定互联网信息的发稿信息,以及所有对其的转载信息、相关的评论信息和点赞信息。
其中,预设周期根据不同的互联网信息传播指标,可以是5天、7天、10天、15天或30天等,本申请对此不作任何限定。
步骤120、系统根据获取的各数据源的传播信息计算发稿量、转载数、评论数和点赞数的基础统计数据,并通过基础统计数据计算得到需要监测的互联网信息的传播力指数(PSI)、影响力指数(MII)、引导力指数(BSI)和/或公信力指数(TSI);
其中,系统根据抓取的所述传播信息,计算得到所述互联网信息在预先设置的数据源中的发稿量、转载数、评论数和点赞数;系统根据得到的所述互联网信息的发稿量、转载数、评论数和点赞数,计算所述互联网信息在传播力、影响力、引导力和/或公信力的互联网信息传播指数,并保存到数据库中。
系统是通过累加计算方式得到所述互联网信息在预先设置的数据源中的发稿量、转载数、评论数和点赞数。
具体包括:系统根据得到的所述互联网信息的发稿量、转载数、评论数和点赞数,设定发稿量、转载数、评论数和点赞数在不同互联网信息传播指数中权重占比后,根据不同的权重占比,通过对发稿量、转载数、评论数和点赞数采用自然对数方式计算的标准数值,计算得到所述互联网信息在传播力、影响力、引导力和/或公信力的互联网信息传播指数,并保存到数据库中。
其中,具体内容如下所示:
传播力指数(PSI,Propagation strength index):用于测量一个互联网信息(例如:某新闻)创作或传播的深度、广度或者覆盖的范围的指标。
传播力指数(PSI)的计算公式为传播力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10。
其中,传播力指数(PSI)的一级指标可以包括一个互联网信息(例如:某新闻)的发稿指数(OPI)、转载指数(PRI)和路径指数(PPI),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是发稿指数(OPI)的权重、转载指数(PRI)的权重和路径指数(PPI)的权重相加后应为1。
在实际中,传播力指数中OPI乘以其权重的结果是通过OPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,OPI的二级指标可以包括各数据源的发稿数(例如:新闻网站、论坛、微博、APP或者微信公众号的发稿数)和所有数据源的发稿总数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是各数据源的发稿数的权重与所有数据源的发稿总数的权重相加后应为1。
具体的,传播力指数中OPI乘以其权重的结果是各数据源的发稿数的标准值(例如:新闻网站、论坛、微博、APP或者微信公众号的发稿数)乘以各自的权重后进行加法运算,再与所有数据源的发稿总数的标准值乘以发稿总数的权重得到的结果进行加法运算后得到。
其中,各数据源的发稿数的标准值为各数据源的发稿数加1后的自然对数,发稿总数的标准值为发稿总数加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测传播力指数更有效且提高了准确性。
其中,传播力指数中PRI乘以其权重的结果是通过PRI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,传播力指数中PRI的二级指标可以包括各数据源的转载数(例如:新闻网站、论坛、微博或者微信公众号的转载数,值得注意的是APP不纪录转载数,所以在各数据源的转载数中没有APP的转载数)和所有数据源的转载总数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是各数据源的转载数的权重与所有数据源的转载总数的权重相加后应为1。
具体的,传播力指数中PRI乘以其权重的结果是各数据源的转载数的标准值(例如:新闻网站、论坛、微博或者微信公众号的转载数的标准值)乘以各自的权重后进行加法运算,再与所有数据源的转载总数的标准值乘以转载总数的权重得到的结果进行加法运算后得到。
其中,各数据源的转载数的标准值为各数据源的转载数加1后的自然对数,转载总数的标准值为发稿总数加5后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测传播力指数更有效且提高了准确性。
其中,传播力指数中PPI乘以其权重的结果是通过PPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,传播力指数中PPI的二级指标可以包括转载媒体总数(例如一共3家媒体转载,则转载媒体总数为3)和重点媒体数(例如一共3家媒体转载,其中2家媒体是影响力大的媒体,则重点媒体数为2),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是转载媒体总数的权重与重点媒体数的权重相加后应为1。
具体的,传播力指数中PPI乘以其权重的结果是转载媒体总数的标准值乘以转载媒体总数的权重和重点媒体数的标准值乘以重点媒体数的权重相加后得到。
其中,转载媒体总数的标准值为各数据源的转载媒体总数加1后的自然对数,重点媒体数的标准值为重点媒体数加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测传播力指数更有效且提高了准确性。
一传播力指数(PSI)计算的具体实施例如下所示:
PSI=10*(40%*OPI+50%*PRI+10%*PPI)
或者
PSI=10*
(
40%*(10%*ln(PostWEB)+10%*ln(PostBBS)+10%*ln(PostWechat)+10%*ln(PostWeibo)+10%*ln(PostApps)+50%*ln(PostMount))+
50%*(20%*ln(ReprintWEB)+10%*ln(ReprintBBS)+20%*ln(TReprintWeibo)+10%*ln(ReprintWechat)+40%*ln(ReprintMount))+
10%*(60*ln(MeidaMount)+40*ln(MeidaImportant))
)
影响力指数(MII,Meida Influence Index):用于测量一个互联网信息(例如:某新闻)在传播的过程中,有多少人关注或者进行了反馈的指标。影响力指数由阅读指数、评论指数、点赞指数、路径指数等构成。
影响力指数(MII)的计算公式为影响力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10。
其中,影响力指数(MII)的一级指标可以包括一个互联网信息(例如:某新闻)的阅读指数(RAI)、评论指数(PCI)、点赞指数(PKI)和路径指数(PPI),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是阅读指数(RAI)、评论指数(PCI)、点赞指数(PKI)和路径指数(PPI)的各自权重相加后应为1。
在实际中,影响力指数中RAI乘以其权重的结果是通过RAI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,RAI的二级指标可以包括日均阅读数、单篇平均阅读数、最大单篇阅读数和阅读总数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是日均阅读数、单篇平均阅读数、最大单篇阅读数和阅读总数的各自权重相加后应为1。
具体的,影响力指数中RAI乘以其权重的结果是日均阅读数的标准值、单篇平均阅读数的标准值、最大单篇阅读数的标准值和阅读总数的标准值乘以各自的权重后进行加法运算后得到。
其中,日均阅读数的标准值、单篇平均阅读数的标准值、最大单篇阅读数的标准值和阅读总数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测影响力指数更有效且提高了准确性。
影响力指数中PCI乘以其权重的结果是通过PCI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,影响力指数中PCI的二级指标可以包括日均评论数、单篇平均评论数、最大单篇评论数和评论总数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是日均评论数、单篇平均评论数、最大单篇评论数和评论总数的各自权重相加后应为1。
具体的,影响力指数中PCI乘以其权重的结果是日均评论数的标准值、单篇平均评论数的标准值、最大单篇评论数的标准值和评论总数的标准值乘以各自的权重后进行加法运算后得到。
其中,日均评论数的标准值、单篇平均评论数的标准值、最大单篇评论数的标准值和评论总数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测影响力指数更有效且提高了准确性。
影响力指数中PKI乘以其权重的结果是通过PKI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,影响力指数中PKI的二级指标可以包括日均点赞数、单篇平均点赞数、最大单篇点赞数和点赞总数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是日均点赞数、单篇平均点赞数、最大单篇点赞数和点赞总数的各自权重相加后应为1。
具体的,影响力指数中PKI乘以其权重的结果是日均点赞数的标准值、单篇平均点赞数的标准值、最大单篇点赞数的标准值和点赞总数的标准值乘以各自的权重后进行加法运算后得到。
其中,日均点赞数的标准值、单篇平均点赞数的标准值、最大单篇点赞数的标准值和点赞总数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测影响力指数更有效且提高了准确性。
影响力指数中PPI乘以其权重的结果是通过PPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,影响力指数中PPI的二级指标可以包括转载媒体总数(例如一共3家媒体转载,则转载媒体总数为3)和重点媒体数(例如一共3家媒体转载,其中2家媒体是影响力大的媒体,则重点媒体数为2),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是转载媒体总数的权重与重点媒体数的权重相加后应为1。
具体的,影响力指数中PPI乘以其权重的结果是转载媒体总数的标准值乘以转载媒体总数的权重和重点媒体数的标准值乘以重点媒体数的权重相加后得到。
其中,转载媒体总数的标准值为各数据源的转载媒体总数加1后的自然对数,重点媒体数的标准值为重点媒体数加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测影响力指数更有效且提高了准确性。
一影响力指数(MII)计算的具体实施例如下所示:
MII=10*(60%*RAI+20%*PCI+10%*PKI+10%*PPI)
MII=10*
(
60%*(40%*ln(Rpd)+40%*ln(Rav)+10%*ln(Rmax)+10%*ln(Rmount))+
20%*(40%*ln(Ppd)+40%*ln(Pav)+10%*ln(Pmax)+10%*ln(Pmount))+
10%*(40%*ln(Zpd)+40%*ln(Zav)+10%*ln(Zmax)+10%*ln(Zmount))+
10%*(60*ln(MM)+40*ln(MI))
)
引导力指数(BSI,Bootstrap strength index):指在一个互联网信息(例如:某新闻)传播的过程中,测量对浏览该互联网信息的用户的行为造成的影响程度的指标。引导力指数的测量周期可以为7日、10日或者15日等周期,本申请对此不作限定。
引导力指数(BSI)的计算公式为引导力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10。
其中,引导力指数(BSI)的一级指标可以包括一个互联网信息(例如:某新闻)的情绪指数(PII)和词云指数(KWI),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是情绪指数(PII)和词云指数(KWI)的各自权重相加后应为1。在本申请中对之前互联网信息传播指标(即四力指数)中引导力指数(BSI)进行了简化,去除了阅读指数(RAI)和评论指数(PCI)的基于统计部分的指数,这样可以使得到的引导力指数重点趋近于体现自然语言的算法能力的技术效果,更加适用于根据用户对于各个来源数据重视程度不同的设置要求,使获取的传播指标可以精准测量新闻传播和影响效果。
在实际中,引导力指数中情绪指数(PII)乘以其权重的结果是通过PII的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,引导力指数中PII的二级指标可以包括日均评论总数、日均正面评论数和日均反面评论数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是日均评论总数、日均正面评论数和日均反面评论数的各自权重相加后应为1。
具体的,引导力指数中PII乘以其权重的结果是日均评论总数的标准值、日均正面评论数的标准值和日均反面评论数的标准值乘以各自的权重后进行加法运算后得到。
其中,均评论总数的标准值、日均正面评论数的标准值和日均反面评论数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测引导力指数更有效且提高了准确性。
引导力指数中词云指数(KWI)乘以其权重的结果是通过KWI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,引导力指数中KWI的二级指标可以包括日均关键词匹配数、日均词云创新数和日均关键词传播数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是日均关键词匹配数、日均词云创新数和日均关键词传播数的权重相加后应为1。
具体的,引导力指数中KWI乘以其权重的结果是日均关键词匹配数的标准值、日均词云创新数的标准值和日均关键词传播数的标准值乘以各自的权重后进行加法运算后得到。
其中,均日均关键词匹配数的标准值、日均词云创新数的标准值和日均关键词传播数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测引导力指数更有效且提高了准确性。
一引导力指数(BSI)计算的具体实施例如下所示:
BSI=10*(60%*PII+40%*KWI)
BSI=10*
(
60%*(40%*ln(Pmount)+60%*ln(PosMount)-40%*ln(NagMount))+
40%*(20%*ln(Keymatch)+60%*ln(KeyInnovation)+20%*ln(KeyPropagation))
)
公信力指数(TSI,Trust strength index):用于测量一个互联网信息(例如:某新闻)在传播的过程中,用户对该互联网信息相信程度的指标。公信力的测算周期可以为30日、40日或者60日等周期,本申请对此不作限定。
公信力指数(TSI)的计算公式为公信力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10。
在本申请中对之前互联网信息传播指标(即四力指数)中公信力指数(TSI)进行了调整,将之前的事件指数(BEI)、情绪指数(PII)和路径指数(PPI)等基于统计部分的指数,调整为质疑指数(DI)和公信指数(TI),这样可以使得到的公信力指数重点趋近于体现自然语言的算法能力的技术效果,更加适用于根据用户对于各个来源数据重视程度不同的设置要求,使获取的传播指标可以精准测量新闻传播和影响效果。
其中,公信力指数(TSI)的一级指标可以包括一个互联网信息(例如:某新闻)的质疑指数(DI)和公信指数(TI),其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是质疑指数(DI)和公信指数(TI)的各自权重相加后应为1。
在实际中,公信力指数中质疑指数(DI)乘以其权重的结果是通过DI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,DI的二级指标可以包括日均怀疑评论数(DoubtMount),其权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。
具体的,公信力指数中DI乘以其权重的结果(日均怀疑评论数的标准值)是日均怀疑评论数的数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测公信力指数更有效且提高了准确性。
公信力指数中公信指数(TI)乘以其权重的结果是通过TI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到。
其中,公信力指数中TI的二级指标可以包括被公信媒体转载的文章总数和关注及转载的公信媒体数,其各自的权重可以根据实际的情况(例如影响情况或重要程度等)进行调整,本申请对此不作任何限定。但是公信媒体转载的文章总数和关注及转载的公信媒体数的各自权重相加后应为1。
具体的,公信力指数中TI乘以其权重的结果是公信媒体转载的文章总数的标准值和关注及转载的公信媒体数的标准值乘以各自的权重后进行加法运算后得到。
其中,公信媒体转载的文章总数的标准值和关注及转载的公信媒体数的标准值为各自数值加1后的自然对数。实际检测,通过其中自然对数的计算公式可以使得到的结果对评测公信力指数更有效且提高了准确性。
一公信力指数(TSI,Trust strength index)计算的具体实施例如下所示:
TSI=10*(40%*DI+60%*TI)或
TSI=10*(40%*ln(DoubtMount)+60%*(20*ln(MM)+80*ln(MI))。
步骤130、系统根据设定的各互联网数据源的媒体级别系数,和设定的PSI、MII、BSI和/或TSI的各权重值,以及计算得到的需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值,计算得到所述需要监测的互联网信息的综合指数ISI并保存,生成需要监测的互联网信息的监测数据报告,完成对需要监测的互联网信息的监测控制。
其中,所述系统计算得到所述需要监测的互联网信息的综合指数ISI具体是指:
所述需要监测的互联网信息的ISI通过以下公式计算得到:
ISI=L*(w1*PSI+w2*MII+w3*BSI+w4*TSI);其中L设置为媒体级别系数(L也可以由用户自行设置,这样更加符合用户的需求),L为小于等于1的正数,媒体级别:无媒体的L为1、中央新闻网站的L为0.9、政府组织的L为0.8、地方媒体的L为0.6和网站的L为0.4;w1、w2、w3和w4设置为PSI、MII、BSI和/或TSI的取值权重(w1、w2、w3和w4可以由用户控制,更加符合用户的需求),w1、w2、w3和w4的和为1,初始值:w1=0.1、w2=0.1、w3=0.05和w4=0.75。
进一步地,可以根据用户的倾向设置PSI、MII、BSI和/或TSI的各自取值权重,这样更加符合用户的倾向,得到的综合指数更加符合用户的需求,提高了用户的使用体验度。
其中,依据不同的内容分类指数以及标准值,使用公式:
某四力指数(例如PSI)=内容分类系数*目前的PSI/标准值X。
其他的四力指数,如MII、BSI和TSI,也可根据上述公式推导出结果。
其中,内容分类系数的取值范围是(0.9~1.02),是通过内容的分类进行取值设定,分别为:时事的取值范围为1、文化的取值范围为0.99、民生的取值范围为0.98、财富的取值范围为0.99、创业取值范围为0.98、楼市取值范围为0.98、教育取值范围为0.98、政务取值范围为0.99、健康取值范围为0.98、美食取值范围为0.98、旅行取值范围为0.98、情感取值范围为0.98、美体取值范围为0.98、科技取值范围为0.98、汽车取值范围为0.98、职场取值范围为0.98、学术取值范围为1.02、企业取值范围为0.98和文摘取值范围为0.92。上述设定可以根据内容的不同设定内容分离系数,使某四力指数最终的数值更加符合用户的倾向需求,提高了用户的使用体验度。
上述所提到的“目前的PSI”就是之前的PSI(引导力指数),是根据引导力的计算公式计算得出的,其余四力指数(如MII、BSI和TSI)同理可推。
用户可以自定义配置“内容分类系数”与“标准值X”,来对某四力指数(例如PSI)进行修改,其余四力指数(如MII、BSI和TSI)同理可推。
其中,标准值X的取值范围是(1~1000),这样用户可以根据自己的信源信息,通过设置一个标准值X来提高某四力指数(例如PSI,其余四力指数(如MII、BSI和TSI)同理可推)最终数值贴近于自己需求的要求,满足了用户的倾向需求,提高了用户的使用体验度。
图2示出了是本申请实施例提供的一种电子设备的结构示意图。请参考图2,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图2中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成网络覆盖性能表征装置。处理器,执行存储器所存放的程序。
如图2所示的一种电子设备,上述如本申请图1所示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中的控制方法,并具体用于执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种互联网信息的监测控制方法,其特征在于,包括:
系统根据需要监测的互联网信息内容遍历一个或多个互联网数据源,并获取各互联网数据源中与监控的互联网信息相关的传播信息,传播信息包括:发稿信息,以及所有与监控的信息相关的转载信息、评论信息和点赞信息;
系统根据获取的各数据源的传播信息计算发稿量、转载数、评论数和点赞数的基础统计数据,并通过基础统计数据计算得到需要监测的互联网信息的传播力指数PSI、影响力指数MII、引导力指数BSI和/或公信力指数TSI;
系统根据设定的各互联网数据源的媒体级别系数,和设定的PSI、MII、BSI和/或TSI的各权重值,以及计算得到的需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值,计算得到所述需要监测的互联网信息的综合指数ISI并保存,完成对需要监测的互联网信息的监测控制。
2.根据权利要求1所述的方法,其特征在于,
所述系统通过基础统计数据计算得到需要监测的互联网信息的传播力指数、影响力指数、引导力指数和公信力指数的步骤,还包括:
系统根据得到的所述需要监测的互联网信息的发稿量、转载数、评论数和点赞数,设定发稿量、转载数、评论数和点赞数在不同互联网信息传播指数中权重占比后,根据不同的权重占比,通过对发稿量、转载数、评论数和点赞数采用自然对数方式计算的标准数值,计算得到所述需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值。
3.根据权利要求2所述的方法,其特征在于,
还包括:所述PSI的一级指标包括所述互联网信息的发稿指数OPI、转载指数PRI和路径指数PPI,其中OPI的权重、PRI的权重和PPI的权重相加后为1;
所述MII的一级指标包括所述互联网信息的阅读指数RAI、评论指数PCI、点赞指数PKI和路径指数PPI,其中RAI、PCI、PKI和PPI的各自权重相加后为1;
所述BSI的一级指标包括所述互联网信息的情绪指数PII和词云指数KWI,其中PII和KWI的各自权重相加后为1;
所述TSI的一级指标包括所述互联网信息的质疑指数DI和公信指数TI,其中DI和TI的各自权重相加后为1。
4.根据权利要求3所述的方法,其特征在于,包括:
所述系统根据不同的权重占比,通过对发稿量、转载数、评论数和点赞数采用自然对数方式计算的标准数值,计算得到所述需要监测的互联网信息的PSI、MII、BSI和/或TSI的数值的步骤,包括:
所述PSI的计算公式为传播力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10;
所述MII的计算公式为影响力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10;
所述BSI的计算公式为引导力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10;
所述TSI的计算公式为公信力指数中各一级指标乘以相应各自的权重后进行加法运算,加法运算后的结果乘以10。
5.根据权利要求4所述的方法,其特征在于,
所述传播力指数中各一级指标乘以相应各自的权重后进行加法运算,是指:
传播力指数中一级指标OPI乘以其权重的结果是通过OPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到,其中,传播力指数中OPI的二级指标包括各数据源的发稿数和所有数据源的发稿总数,各数据源的发稿数的权重与所有数据源的发稿总数的权重相加后为1;
其中,传播力指数中一级指标OPI乘以其权重的结果是各数据源的发稿数的标准值乘以各自的权重后进行加法运算,再与所有数据源的发稿总数的标准值乘以发稿总数的权重得到的结果进行加法运算后得到;其中,各数据源的发稿数的标准值为各数据源的发稿数加1后的自然对数,发稿总数的标准值为发稿总数加1后的自然对数;
传播力指数中一级指标PRI乘以其权重的结果是通过PRI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,传播力指数中一级指标PRI的二级指标包括各数据源的转载数和所有数据源的转载总数,各数据源的转载数的权重与所有数据源的转载总数的权重相加后为1;
其中,传播力指数中一级指标PRI乘以其权重的结果是各数据源的转载数的标准值乘以各自的权重后进行加法运算,再与所有数据源的转载总数的标准值乘以转载总数的权重得到的结果进行加法运算后得到;其中,各数据源的转载数的标准值为各数据源的转载数加1后的自然对数,转载总数的标准值为发稿总数加5后的自然对数;
传播力指数中一级指标PPI乘以其权重的结果是通过PPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,传播力指数中一级指标PPI的二级指标包括转载媒体总数和重点媒体数,转载媒体总数的权重与重点媒体数的权重相加后为1;
其中,传播力指数中一级指标PPI乘以其权重的结果是转载媒体总数的标准值乘以转载媒体总数的权重和重点媒体数的标准值乘以重点媒体数的权重相加后得到;其中,转载媒体总数的标准值为各数据源的转载媒体总数加1后的自然对数,重点媒体数的标准值为重点媒体数加1后的自然对数。
6.根据权利要求4所述的方法,其特征在于,
所述影响力指数中各一级指标乘以相应各自的权重后进行加法运算,是指:
影响力指数中一级指标RAI乘以其权重的结果是通过RAI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,影响力指数中一级指标RAI的二级指标包括日均阅读数、单篇平均阅读数、最大单篇阅读数和阅读总数,日均阅读数、单篇平均阅读数、最大单篇阅读数和阅读总数的各自权重相加后为1;
其中,影响力指数中一级指标RAI乘以其权重的结果是日均阅读数的标准值、单篇平均阅读数的标准值、最大单篇阅读数的标准值和阅读总数的标准值乘以各自的权重后进行加法运算后得到;其中,日均阅读数的标准值、单篇平均阅读数的标准值、最大单篇阅读数的标准值和阅读总数的标准值为各自数值加1后的自然对数;
影响力指数中一级指标PCI乘以其权重的结果是通过一级指标PCI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,影响力指数中一级指标PCI的二级指标包括日均评论数、单篇平均评论数、最大单篇评论数和评论总数,日均评论数、单篇平均评论数、最大单篇评论数和评论总数的各自权重相加后为1;
其中,影响力指数中一级指标PCI乘以其权重的结果是日均评论数的标准值、单篇平均评论数的标准值、最大单篇评论数的标准值和评论总数的标准值乘以各自的权重后进行加法运算后得到;其中,日均评论数的标准值、单篇平均评论数的标准值、最大单篇评论数的标准值和评论总数的标准值为各自数值加1后的自然对数;
影响力指数中一级指标PKI乘以其权重的结果是通过一级指标PKI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,影响力指数中一级指标PKI的二级指标包括日均点赞数、单篇平均点赞数、最大单篇点赞数和点赞总数,日均点赞数、单篇平均点赞数、最大单篇点赞数和点赞总数的各自权重相加后为1;
其中,影响力指数中一级指标PKI乘以其权重的结果是日均点赞数的标准值、单篇平均点赞数的标准值、最大单篇点赞数的标准值和点赞总数的标准值乘以各自的权重后进行加法运算后得到;其中,日均点赞数的标准值、单篇平均点赞数的标准值、最大单篇点赞数的标准值和点赞总数的标准值为各自数值加1后的自然对数;
影响力指数中一级指标PPI乘以其权重的结果是通过一级指标PPI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,影响力指数中一级指标PPI的二级指标包括转载媒体总数和重点媒体数,转载媒体总数的权重与重点媒体数的权重相加后为1;
其中,影响力指数中PPI乘以其权重的结果是转载媒体总数的标准值乘以转载媒体总数的权重和重点媒体数的标准值乘以重点媒体数的权重相加后得到;其中,转载媒体总数的标准值为各数据源的转载媒体总数加1后的自然对数,重点媒体数的标准值为重点媒体数加1后的自然对数。
7.根据权利要求4所述的方法,其特征在于,
所述引导力指数中各一级指标乘以相应各自的权重后进行加法运算,是指:
引导力指数中一级指标情绪指数PII乘以其权重的结果是通过PII的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,PII的二级指标包括日均评论总数、日均正面评论数和日均反面评论数,日均评论总数、日均正面评论数和日均反面评论数的各自权重相加后为1;
其中,引导力指数中一级指标PII乘以其权重的结果是日均评论总数的标准值、日均正面评论数的标准值和日均反面评论数的标准值乘以各自的权重后进行加法运算后得到;其中,均评论总数的标准值、日均正面评论数的标准值和日均反面评论数的标准值为各自数值加1后的自然对数;
引导力指数中一级指标词云指数KWI乘以其权重的结果是通过KWI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,引导力指数中一级指标KWI的二级指标包括日均关键词匹配数、日均词云创新数和日均关键词传播数,日均关键词匹配数、日均词云创新数和日均关键词传播数的权重相加后为1;
其中,引导力指数中一级指标KWI乘以其权重的结果是日均关键词匹配数的标准值、日均词云创新数的标准值和日均关键词传播数的标准值乘以各自的权重后进行加法运算后得到;其中,均日均关键词匹配数的标准值、日均词云创新数的标准值和日均关键词传播数的标准值为各自数值加1后的自然对数。
8.根据权利要求4所述的方法,其特征在于,
所述公信力指数中各一级指标乘以相应各自的权重后进行加法运算,是指:
公信力指数中一级指标质疑指数DI乘以其权重的结果是通过DI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,DI的二级指标包括日均怀疑评论数;公信力指数中DI乘以其权重的结果是DoubtMount的数值加1后的自然对数;
公信力指数中一级指标公信指数TI乘以其权重的结果是通过TI的各二级指标的标准值乘以相应各自的权重后进行加法运算后得到;其中,公信力指数中TI的二级指标包括被公信媒体转载的文章总数和关注及转载的公信媒体数,公信媒体转载的文章总数和关注及转载的公信媒体数的各自权重相加后应为1;
其中,公信力指数中TI乘以其权重的结果是公信媒体转载的文章总数的标准值和关注及转载的公信媒体数的标准值乘以各自的权重后进行加法运算后得到,其中,公信媒体转载的文章总数的标准值和关注及转载的公信媒体数的标准值为各自数值加1后的自然对数。
9.根据权利要求4至8任一所述的方法,其特征在于,
所述系统计算得到所述需要监测的互联网信息的综合指数ISI具体是指:
所述需要监测的互联网信息的ISI通过以下公式计算得到:
ISI=L*(w1*PSI+w2*MII+w3*BSI+w4*TSI);其中L设置为媒体级别系数,L为小于等于1的正数,媒体级别:无媒体的L为1、中央新闻网站的L为0.9、政府组织的L为0.8、地方媒体的L为0.6和网站的L为0.4;;w1、w2、w3和w4设置为PSI、MII、BSI和/或TSI的取值权重,w1、w2、w3和w4的和为1,初始值:w1=0.1、w2=0.1、w3=0.05和w4=0.75。
10.根据权利要求9所述的方法,其特征在于,
进一步包括:根据用户的倾向设置PSI、MII、BSI和/或TSI的各自取值权重;
其中,依据不同的内容分类指数以及标准值X,使用下述公式进行计算得到相应四力指数:PSI=内容分类系数*目前的PSI/标准值X;MII=内容分类系数*目前的MII/标准值X;BSI=内容分类系数*目前的BSI/标准值X和TSI=内容分类系数*目前的TSI/标准值X,
其中,内容分类系数的取值范围是大于等于0.9且小于等于1.02;标准值X的取值范围是大于等于1且小于等于1000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910360333.8A CN111949853A (zh) | 2019-04-30 | 2019-04-30 | 一种互联网信息的监测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910360333.8A CN111949853A (zh) | 2019-04-30 | 2019-04-30 | 一种互联网信息的监测控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949853A true CN111949853A (zh) | 2020-11-17 |
Family
ID=73335584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910360333.8A Pending CN111949853A (zh) | 2019-04-30 | 2019-04-30 | 一种互联网信息的监测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949853A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150191A (zh) * | 2020-09-10 | 2020-12-29 | 微梦创科网络科技(中国)有限公司 | 一种广告投放方法及系统 |
CN113935784A (zh) * | 2021-11-03 | 2022-01-14 | 时趣互动(北京)科技有限公司 | 一种营销话题传播数据的处理方法及装置 |
CN116319379A (zh) * | 2023-05-17 | 2023-06-23 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
CN106156232A (zh) * | 2015-04-24 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种网络信息传播的监控方法和装置 |
CN106304178A (zh) * | 2016-07-21 | 2017-01-04 | 国网信息通信产业集团有限公司 | 一种基于电力异构无线网络的QoS保障方法及系统 |
CN106502910A (zh) * | 2016-11-09 | 2017-03-15 | 攀枝花学院 | 软件质量评价系统及方法 |
CN108256740A (zh) * | 2017-12-22 | 2018-07-06 | 北京智慧星光信息技术有限公司 | 一种获取互联网信息传播指标的控制方法 |
-
2019
- 2019-04-30 CN CN201910360333.8A patent/CN111949853A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
CN106156232A (zh) * | 2015-04-24 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种网络信息传播的监控方法和装置 |
CN106304178A (zh) * | 2016-07-21 | 2017-01-04 | 国网信息通信产业集团有限公司 | 一种基于电力异构无线网络的QoS保障方法及系统 |
CN106502910A (zh) * | 2016-11-09 | 2017-03-15 | 攀枝花学院 | 软件质量评价系统及方法 |
CN108256740A (zh) * | 2017-12-22 | 2018-07-06 | 北京智慧星光信息技术有限公司 | 一种获取互联网信息传播指标的控制方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150191A (zh) * | 2020-09-10 | 2020-12-29 | 微梦创科网络科技(中国)有限公司 | 一种广告投放方法及系统 |
CN112150191B (zh) * | 2020-09-10 | 2023-09-05 | 微梦创科网络科技(中国)有限公司 | 一种广告投放方法及系统 |
CN113935784A (zh) * | 2021-11-03 | 2022-01-14 | 时趣互动(北京)科技有限公司 | 一种营销话题传播数据的处理方法及装置 |
CN116319379A (zh) * | 2023-05-17 | 2023-06-23 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
CN116319379B (zh) * | 2023-05-17 | 2023-08-01 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256740B (zh) | 一种获取互联网信息传播指标的控制方法 | |
CN111949853A (zh) | 一种互联网信息的监测控制方法 | |
CN110544155B (zh) | 用户信用评分的获取方法、获取装置、服务器及存储介质 | |
Moosa | The determinants of foreign direct investment in MENA countries: an extreme bounds analysis | |
Ristić et al. | A new lifetime distribution | |
West et al. | How big of a problem is analytic error in secondary analyses of survey data? | |
Xiao et al. | An Android application risk evaluation framework based on minimum permission set identification | |
KR102249712B1 (ko) | 리스크 제어 이벤트 자동 처리 방법 및 장치 | |
Thelwall Prof | A brief history of altmetrics | |
JP4429356B2 (ja) | 属性抽出処理方法及び装置 | |
WO2010065111A1 (en) | Ranking and selecting enitities based on calculated reputation or influence scores | |
CN110795566A (zh) | 案件推荐方法、装置、设备及计算机可读存储介质 | |
WO2011159647A1 (en) | A system and method for identifying trending targets based on citations | |
Karmakharm et al. | Journalist-in-the-loop: Continuous learning as a service for rumour analysis | |
WO2017121355A1 (zh) | 搜索处理方法以及装置 | |
CN109885656B (zh) | 基于量化热度的微博转发预测方法及装置 | |
CN110825977A (zh) | 一种数据推荐方法及相关设备 | |
Zhang et al. | Using internet search data to predict new HIV diagnoses in China: a modelling study | |
JP2014002482A (ja) | 影響力予測装置、影響力予測方法、及びプログラム | |
CN111061842A (zh) | 一种相似文本确定方法及装置 | |
Amara et al. | Learning about COVID-19: sources of information, public trust, and contact tracing during the pandemic | |
Beierl et al. | Is that measure really one-dimensional? | |
CN108900339B (zh) | 一种度量业务质量的方法、装置及电子设备 | |
Jiang et al. | Incorporating future unrelated medical costs in cost-effectiveness analysis in China | |
Zhang et al. | Gender and ideology in the spread of anti-abortion policy |
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 |