CN112100367A - 一种景区舆情预警方法及装置 - Google Patents

一种景区舆情预警方法及装置 Download PDF

Info

Publication number
CN112100367A
CN112100367A CN201910449602.8A CN201910449602A CN112100367A CN 112100367 A CN112100367 A CN 112100367A CN 201910449602 A CN201910449602 A CN 201910449602A CN 112100367 A CN112100367 A CN 112100367A
Authority
CN
China
Prior art keywords
scenic spot
comment data
public opinion
historical
early warning
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
CN201910449602.8A
Other languages
English (en)
Inventor
闾凡兵
傅鸿
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.)
Guiyang Hisense Transtech Co ltd
Hisense TransTech Co Ltd
Original Assignee
Guiyang Hisense Transtech 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 Guiyang Hisense Transtech Co ltd filed Critical Guiyang Hisense Transtech Co ltd
Priority to CN201910449602.8A priority Critical patent/CN112100367A/zh
Publication of CN112100367A publication Critical patent/CN112100367A/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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06Q50/14—Travel agencies

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种景区舆情预警方法及装置，该方法包括获取景区评论数据；对景区评论数据进行分词处理后，确定出景区评论数据的词向量，根据景区评论数据的词向量和舆情分析模型，确定出景区评论数据的情感分类，舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的，根据景区评论数据的情感分类以及景区评论数据进行景区舆情预警。通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。

Description

一种景区舆情预警方法及装置
技术领域
本发明实施例涉及舆情分析技术领域，尤其涉及一种景区舆情预警方法及装置。
背景技术
近年来，随着人们生活水平的不断提高，国内旅游热不断高涨，特别是每逢节假日，各大景区人满为患，于是各种旅游负面舆情频频爆出，引发一场场旅游舆情危机。旅游业因其行业性质一直以来都是网络舆论关注的焦点之一，由于涉及人员面大、人员数量多且过分集中，因此一旦发生负面突发事件就极易引发大面积快速传播发酵，形成网络舆情热点，甚至成为引人注目的公共事件，而旅游部门稍不注意也极易被推到舆情风口浪尖。因此，拥有一套行之有效的舆情监测方案，以帮助旅游部门快速准确监测网上各类旅游负面舆情，全面了解社会公众关注的旅游相关问题，从而及时采取准确的应对措施，以预防、减少和消除突发旅游舆情造成的负面影响成为旅游部门一项重要工作之一。
目前进行舆情信息分析的方案主要是依赖于自然语言处理，在自然语言处理中，通常用到的方法是递归神经网络或循环神经网络，即RNN(Recurrent Neural Network，循环神经网络)，它的作用是将矩阵形式的输入编码为较低维度的一维向量，保留大多数有用信息；而语言总是由相邻的字构成词，相邻的词构成短语，相邻的短语构成句子等等，因此，需要有效地把邻近位置的信息进行有效的整合，或者叫重构；理论上，RNN能达到上述要求。但是在实践中，当相关信息和当前预测位置之间的间隔不断增大时，RNN就会丧失学习远距离信息的能力。这样就会造成舆情信息分析不准确。
发明内容
本发明实施例提供一种景区舆情预警方法及装置，用以提高舆情信息分析的准确性。
本发明实施例提供的一种景区舆情预警方法，包括：
获取景区评论数据；
对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；
根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；
根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
上述技术方案中，通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。
可选的，所述对标记了情感类型的景点历史评论数据训练学习确定所述舆情分析模型，包括：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、LSTM(Long-Short Term Memory，长短期记忆人工神经网络)和CNN(Convolutional Neural Networks，卷积神经网络)进行训练学习，确定出所述舆情分析模型。
可选的，所述根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型，包括：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。
可选的，所述根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警，包括：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。
相应的，本发明实施例还提高了一种景区舆情预警装置，包括：
获取单元，用于获取景区评论数据；
处理单元，用于对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
可选的，所述处理单元具体用于：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型。
可选的，所述处理单元具体用于：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。
可选的，所述处理单元具体用于：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。
相应的，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述景区舆情预警方法。
相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述景区舆情预警方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种景区舆情预警方法的流程示意图；
图3为本发明实施例提供的一种舆情分析模型的结构示意图；
图4为本发明实施例提供的一种景区舆情预警装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构，该系统架构可以为服务器100，包括处理器110、通信接口120和存储器130。
其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2示例性的示出了本发明实施例提供的一种景区舆情预警方法的流程，该流程可以由景区舆情预警装置执行，该装置可以位于如图1所示服务器100内，也可以是该服务器100。
如图2所示，该流程具体包括：
步骤201，获取景区评论数据。
主要对互联网各类旅游网站数据进行采集，针对景区评论数据进行抓取、分类和保存；采集时做到及时性、全面性、连续性、准确性。
步骤202，对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量。
通过分词处理、词频分析、情感分析等，挖掘潜藏其中的关键信息，把握深层的关系和结构。在这个过程中主要是进行分词和向量化，将景区评论数据进行分词处理以及向量化，得到景区评论数据的词向量。将文本进行分词并转化成词向量的方式有多种，本发明实施例不进行一一描述。
步骤203，根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类。
在得到景区评论数据的词向量之后，就可以将该词向量作为输入值，输入至舆情分析模型，从而得到景区评论数据的情感分类。其中，舆情分析模型是根据对标记了情感类型的景点历史评论数据训练学习确定的，具体的，需要获取标记了情感类型的景点历史评论数据，然后对景点历史评论数据进行分词处理，确定出景点历史评论数据的词向量。根据景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出舆情分析模型。具体的，可以将景点历史评论数据的词向量输入至LSTM，得到景点历史评论数据的局向量，将景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到舆情分析模型。该舆情分析模型也可以称为LSTM神经网络，主要结构可以如图3所示，包括输入层、LSTM层、卷积层、池化层和分类器。主要是把一段景点舆评论文本进行分词，然后将其转化成词向量表示，最后将转化成的向量表示传入LSTM神经网络，最后输出的是这段文本的概率值。
在训练过程中，对训练数据进行人工标注，分为正面、负面、中立三类情感样本；然后分别对这些样本进行分词和向量化；最后将转化成的向量表示分别传入LSTM神经网络。训练出识别正面、负面、中立三类情感的LSTM模型。
在训练之后，还需要对模型进行测试，对测试数据进行人工标注，分为正面、负面、中立三类情感样本；然后分别对这些样本进行分词和向量化；将转化成的向量表示传入LSTM模型，最后通过模型计算出测试数据情感分类类型，也就是舆情分析模型，用于分析舆情信息的情感分类。
在得到景区评论数据的词向量之后，利用训练生成的舆情分析模型对用户舆情进行情感分析，主要是分析具有情感成分的词汇的情感分类(即情感的正面分类、负面分类、中立分类)和情感强烈程度，然后计算出每个语句的总值，判定其情感分类。还可以综合全文本中所有语句，判定总舆情数据样本的整体态度和情感倾向。
步骤204，根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
具体的，可以是在景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行景区舆情预警。一般是发送舆情预警信息。
在具体实施时，当监测到负面舆情占比超过设定阀值或者出现设置的舆情敏感词的时候，会通过邮件或者APP发送舆情预警信息给工作人员，监控工作人员第一时间监控关注该网络舆情的内容、成因、关注度等指标，以及目前舆情所处的发展阶段和可能产生的各种影响。
需要说明的是，监控工作人员可根据舆情数据追溯到舆情出处，同时可在舆情展示列表查看舆情具体内容。
上述实施例表明，获取景区评论数据，对景区评论数据进行分词处理后，确定出景区评论数据的词向量，根据景区评论数据的词向量和舆情分析模型，确定出景区评论数据的情感分类，舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的，根据景区评论数据的情感分类以及景区评论数据进行景区舆情预警。通过将景区评论数据的词向量输入至舆情分析模型，得到相应情感分类，然后在根据情感分类中负面分类占比进行舆情预警，可以提高舆情分析的准确率，及时进行舆情预警。
在本发明实施例中，RNN是一种节点定向连接成环的人工神经网络，是一种反馈神经网络，RNN利用内部的记忆来处理任意时序的输入序列，并且在其处理单元之间既有内部的反馈连接又有前馈连接，这使得RNN可以更加容易处理不分段的文本等。但是由于RNN只能对部分序列进行记忆，所以在长序列上表现远不如短序列，造成了一旦序列过长便使得准确率下降的结果。
LSTM是RNN模型的一种特殊结构类型，其增加了输入门、输出门、忘记门三个控制单元(“cell”)，随着信息的进入该模型，LSTM中的cell会对该信息进行判断，符合规则的信息会被留下，不符合的信息会被遗忘，以此原理，可以解决神经网络中长序列依赖问题。同时使用CNN作为文本分类器，解决了LSTM通用性差的问题及序列过长时训练难度问题。
在互联网飞速发展，网络信息量大、内容多、参差不一的情况下，建立网络舆情预警机制有利于企业和政府了解和把握网络舆情的风向标，防止恶性信息的进一步扩散和传播，将负面信息第一时间扼杀在摇篮中，并能够起到及时疏导网情，塑造企业和政府的公信力的作用。
基于相同的技术构思，图4示例性的示出了本发明实施例提供的一种景区舆情预警装置的结构，该装置可以执行景区舆情预警的流程，该装置可以位于图1所示的服务器100内，也可以是该服务器100。
如图4所示，该装置具体包括：
获取单元401，用于获取景区评论数据；
处理单元402，用于对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
可选的，所述处理单元402具体用于：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型。
可选的，所述处理单元402具体用于：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。
可选的，所述处理单元402具体用于：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述景区舆情预警方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述景区舆情预警方法。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种景区舆情预警方法，其特征在于，包括：
获取景区评论数据；
对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；
根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；
根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
2.如权利要求1所述的方法，其特征在于，所述对标记了情感类型的景点历史评论数据训练学习确定所述舆情分析模型，包括：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、长短期记忆人工神经网络LSTM和卷积神经网络CNN进行训练学习，确定出所述舆情分析模型。
3.如权利要求2所述的方法，其特征在于，所述根据所述景点历史评论数据的词向量、LSTM和CNN进行训练学习，确定出所述舆情分析模型，包括：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。
4.如权利要求1至3任一项所述的方法，其特征在于，所述根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警，包括：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。
5.一种景区舆情预警装置，其特征在于，包括：
获取单元，用于获取景区评论数据；
处理单元，用于对所述景区评论数据进行分词处理后，确定出所述景区评论数据的词向量；根据所述景区评论数据的词向量和舆情分析模型，确定出所述景区评论数据的情感分类；所述舆情分析模型是对标记了情感类型的景点历史评论数据训练学习确定的；根据所述景区评论数据的情感分类以及所述景区评论数据进行所述景区舆情预警。
6.如权利要求5所述的装置，其特征在于，所述处理单元具体用于：
获取标记了情感类型的景点历史评论数据；
对所述景点历史评论数据进行分词处理，确定出所述景点历史评论数据的词向量；
根据所述景点历史评论数据的词向量、长短期记忆人工神经网络LSTM和卷积神经网络CNN进行训练学习，确定出所述舆情分析模型。
7.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：
将所述景点历史评论数据的词向量输入至LSTM，得到所述景点历史评论数据的局向量；
将所述景点历史评论数据的局向量输入至CNN中进行情感分类的训练，得到所述舆情分析模型。
8.如权利要求5至7任一项所述的装置，其特征在于，所述处理单元具体用于：
在所述景区评论数据的情感分类中负面分类占比大于阈值或所述景区评论数据中包括预设的敏感词时，进行所述景区舆情预警。
9.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至4任一项所述的方法。
10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至4任一项所述的方法。
CN201910449602.8A 2019-05-28 2019-05-28 一种景区舆情预警方法及装置 Pending CN112100367A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910449602.8A CN112100367A (zh) 2019-05-28 2019-05-28 一种景区舆情预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910449602.8A CN112100367A (zh) 2019-05-28 2019-05-28 一种景区舆情预警方法及装置

Publications (1)

Publication Number Publication Date
CN112100367A true CN112100367A (zh) 2020-12-18

Family

ID=73748260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910449602.8A Pending CN112100367A (zh) 2019-05-28 2019-05-28 一种景区舆情预警方法及装置

Country Status (1)

Country Link
CN (1) CN112100367A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326375A (zh) * 2021-05-26 2021-08-31 北京沃东天骏信息技术有限公司 舆情处理的方法、装置、电子设备和存储介质
CN113673208A (zh) * 2021-09-03 2021-11-19 中国银行股份有限公司 用户体验分析预警方法及装置
CN113779251A (zh) * 2021-09-08 2021-12-10 平安国际智慧城市科技股份有限公司 线索信息获取方法、装置、介质及电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110096083A1 (en) * 2009-10-26 2011-04-28 Stephen Schultz Method for the automatic material classification and texture simulation for 3d models
CN106156287A (zh) * 2016-06-24 2016-11-23 杭州天迈网络有限公司 基于旅游需求模板的景区评价数据分析舆情满意度方法
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
US20160379089A1 (en) * 2015-06-29 2016-12-29 Nokia Technologies Oy Method, apparatus, computer program and system for image analysis
CN106776580A (zh) * 2017-01-20 2017-05-31 中山大学 混合的深度神经网络cnn和rnn的主题句识别方法
CN107066565A (zh) * 2017-04-01 2017-08-18 上海诺悦智能科技有限公司 一种旅游热点预测系统
CN107153641A (zh) * 2017-05-08 2017-09-12 北京百度网讯科技有限公司 评论信息确定方法、装置、服务器及存储介质
CN107291696A (zh) * 2017-06-28 2017-10-24 达而观信息科技（上海）有限公司 一种基于深度学习的评论词情感分析方法及系统
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
CN108984775A (zh) * 2018-07-24 2018-12-11 南京新贝金服科技有限公司 一种基于商品评论的舆情监控方法及系统
CN109034893A (zh) * 2018-07-20 2018-12-18 成都中科大旗软件有限公司 一种旅游网络评论情感分析及服务质量评价方法
CN109271512A (zh) * 2018-08-29 2019-01-25 中国平安保险(集团)股份有限公司 舆情评论信息的情感分析方法、装置及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110096083A1 (en) * 2009-10-26 2011-04-28 Stephen Schultz Method for the automatic material classification and texture simulation for 3d models
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
US20160379089A1 (en) * 2015-06-29 2016-12-29 Nokia Technologies Oy Method, apparatus, computer program and system for image analysis
CN106156287A (zh) * 2016-06-24 2016-11-23 杭州天迈网络有限公司 基于旅游需求模板的景区评价数据分析舆情满意度方法
CN106776580A (zh) * 2017-01-20 2017-05-31 中山大学 混合的深度神经网络cnn和rnn的主题句识别方法
CN107066565A (zh) * 2017-04-01 2017-08-18 上海诺悦智能科技有限公司 一种旅游热点预测系统
CN107153641A (zh) * 2017-05-08 2017-09-12 北京百度网讯科技有限公司 评论信息确定方法、装置、服务器及存储介质
CN107291696A (zh) * 2017-06-28 2017-10-24 达而观信息科技（上海）有限公司 一种基于深度学习的评论词情感分析方法及系统
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
CN109034893A (zh) * 2018-07-20 2018-12-18 成都中科大旗软件有限公司 一种旅游网络评论情感分析及服务质量评价方法
CN108984775A (zh) * 2018-07-24 2018-12-11 南京新贝金服科技有限公司 一种基于商品评论的舆情监控方法及系统
CN109271512A (zh) * 2018-08-29 2019-01-25 中国平安保险(集团)股份有限公司 舆情评论信息的情感分析方法、装置及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326375A (zh) * 2021-05-26 2021-08-31 北京沃东天骏信息技术有限公司 舆情处理的方法、装置、电子设备和存储介质
CN113673208A (zh) * 2021-09-03 2021-11-19 中国银行股份有限公司 用户体验分析预警方法及装置
CN113779251A (zh) * 2021-09-08 2021-12-10 平安国际智慧城市科技股份有限公司 线索信息获取方法、装置、介质及电子设备
CN113779251B (zh) * 2021-09-08 2024-04-19 平安国际智慧城市科技股份有限公司 线索信息获取方法、装置、介质及电子设备

Similar Documents

Publication Publication Date Title
WO2022141861A1 (zh) 情感分类方法、装置、电子设备及存储介质
CN107657267B (zh) 产品潜在用户挖掘方法及装置
CN111159220B (zh) 用于输出结构化查询语句的方法和装置
KR20200007969A (ko) 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체
CN110968695A (zh) 基于弱监督技术主动学习的智能标注方法、装置及平台
CN108984775B (zh) 一种基于商品评论的舆情监控方法及系统
CN112100367A (zh) 一种景区舆情预警方法及装置
CN112966082B (zh) 音频质检方法、装置、设备以及存储介质
CN111324739B (zh) 一种文本情感分析方法及系统
CN111506729B (zh) 一种信息处理方法、装置及计算机可读存储介质
CN113704389A (zh) 一种数据评估方法、装置、计算机设备及存储介质
CN114428677A (zh) 任务处理方法、处理装置、电子设备及存储介质
CN111178701B (zh) 一种基于特征衍生技术的风险控制方法方法、装置和电子设备
CN112685374B (zh) 日志分类方法、装置及电子设备
CN116881395A (zh) 一种舆情信息检测方法和装置
CN110852103A (zh) 一种命名实体识别方法及装置
CN117592470A (zh) 大语言模型驱动的低成本公报数据抽取方法
CN112487188A (zh) 一种舆情监测方法、装置、电子设备和存储介质
CN116955578A (zh) 一种预训练语言模型的信息处理方法、装置、设备及介质
CN111627566A (zh) 适应症信息处理方法与装置、存储介质、电子设备
CN105786929A (zh) 一种信息监测方法及装置
CN114240250A (zh) 一种职业评测的智能管理方法及系统
CN113934894A (zh) 基于指标树的数据显示方法、终端设备
CN112765238A (zh) 一种数据处理系统及数据挖掘方法
CN111078882A (zh) 一种文本情感测量方法和装置

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