CN112434226A - 一种网络舆情监测预警方法 - Google Patents
一种网络舆情监测预警方法 Download PDFInfo
- Publication number
- CN112434226A CN112434226A CN202011473621.3A CN202011473621A CN112434226A CN 112434226 A CN112434226 A CN 112434226A CN 202011473621 A CN202011473621 A CN 202011473621A CN 112434226 A CN112434226 A CN 112434226A
- Authority
- CN
- China
- Prior art keywords
- data
- public opinion
- early warning
- monitoring
- module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000003058 natural language processing Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 238000007418 data mining Methods 0.000 claims abstract description 5
- 230000014509 gene expression Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008451 emotion Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000007420 reactivation Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000002996 emotional effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种网络舆情监测预警方法,包括如下步骤:利用网络舆情数据获取模块,定向对互联网中公开的网络新闻、论坛、社交媒体进行数据收集;通过数据加工处理模块,对收集的数据进行清洗、转换和加工,将非结构化数据转化为半结构化或结构化数据;通过网络舆情数据分析模块,对加工后的数据进行自然语言处理和使用人工智能技术进行数据挖掘,发现识别舆情热点、敏感和/或风险话题;通过可视化模块对舆情监测分析结果进行可视化展示、输出舆情分析结果图表和/或舆情分析报告;通过网络舆情实时预警模块,依据用户设置的预警规则,向用户发送预警信息;能够提高舆情监测的准确度。
Description
技术领域
本发明涉及网络舆情监测领域,特别涉及一种网络舆情监测预警方法。
背景技术
随着互联网技术的不断发展,网络媒体已发展成为主流媒体的重要组成部分,网络舆情因参与者众多,传播速度快,信息丰富等特点,是公众表达观点和发表言论的主要渠道,网络舆情对事件的发展进程会产生一定的影响,如果不能有效的进行引导和控制,可能会引发舆论危机,危害社会公共安全;此外,公众对网络中的资讯难以判断真假,道听途说更容易让公众产生疑虑和恐慌的心理,极易引起社会恐慌和混乱,因此,对网络舆情进行监测和预警是非常有必要的,通过网络舆情分析和预警机制可以认定公共安全灾难应急舆情的风险危害程度,评估处理决策方是否具备应对风险的能力和条件,通过风险评价结果,为舆情的应急管理提供多方位的定量资料作为决策依据,有助于实现突发事件应急管理决策的科学化,虽然目前存在很多对网络舆情分析预警的研究和解决方案,但在准确度方面有待提高。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种网络舆情监测预警方法。
本发明的一种实施例解决其技术问题所采用的技术方案是:一种网络舆情监测预警方法,包括:
步骤S1、利用网络舆情数据获取模块,定向对互联网中公开的网络新闻、论坛、社交媒体进行数据收集;
步骤S2、通过数据加工处理模块,对收集的数据进行清洗、转换和加工,将非结构化数据转化为半结构化或结构化数据;
步骤S3、通过网络舆情数据分析模块,对加工后的数据进行自然语言处理和使用人工智能技术进行数据挖掘,发现识别舆情热点、敏感和/或风险话题;
步骤S4、通过可视化模块对舆情监测分析结果进行可视化展示、输出舆情分析结果图表和/或舆情分析报告;
步骤S5、通过网络舆情实时预警模块,依据用户设置的预警规则,向用户发送预警信息。
进一步地,在步骤S1中,网络舆情数据获取模块通过网络爬虫的方式获取数据。
进一步地,在数据加工处理模块中执行以下设置:
1)使用布尔模型、词频/逆向文档概率/字段长度归一值及空间向量模型来计算数据与关键字的相关度;
2)使用字符过滤器、分词器及词语过滤器组成的分析器对文本数据进行切词索引;
3)使用倒排索引、文档值用于加速搜索及统计;
4)使用树状可嵌套的搜索条件和维度+数值的统计模型;并将统计结果用于可视化模块。
进一步地,在网络舆情数据分析模块中执行以下设置:
1)通过自然语言处理技术对网络数据进行内容信息提取、文本分类;
2)机器自动情感分析,通过分词技术和海量词库计算,并结合词语强度、文章长度分配权重,计算出文章的情感值;
3)通过热度值算法模型来衡量文章在特定传播周期内的整体互动率及传播成效;
4)利用大数据技术辅助内容分析法,将人工智能与社会科学研究方法融合,对收集的文本内容进行分析,识别、发现敏感或风险话题。
进一步地,所述热度值算法模型为:
facebook=comments+reactions/13.4+hits/577.4+shares/1.2
weibo=comments+likes/2.4+shares+hits/564
youtube=comments+likes/3.6+hits/387.9
forum=comments+hits/86.5
twitter=likes+shares*2.2+hits/33.9
wechat=hits/184.8+likes
instagram=comments+likes/45.5+hits/389.2
其中,reactions=likes+loves+wows+hahas+sads+angrys+thankfuls;comments表示评论量,reactions表示表情数,hits表示点击数,shares表示分享数,likes表示点赞数。
进一步地,在步骤S4中,可视化展示的内容包括话题声量趋势、传播路径、好感度、焦点热词、意见领袖和/或热文排名图表。
进一步地,所述网络舆情实时预警模块中设置了可使用贴量增长量、负面贴量增长量、负面贴总声量和/或Facebook评论量触发机制。
进一步地,所述预警规则如下:
1)设定预警报告的语言模式,包括简体中文、繁体中文和/或英文;
2)设定预警条件,包括媒体类型、贴文、事件、话题、周期、监测指标数值、统计方法和/或阈值;
其中,所述媒体类型包括新闻、微博、微信、论坛和/或Facebook;所述贴文为特定来源的贴文;所述事件为某些特定关注或与之相关的事件;所述话题为某些特定关注或与之相关的话题;所述周期为预警所需要时间,以小时为单位,最高值为24小时;所述监测指标为需要预警的指标,包括总贴量、负面贴量、表情符和/或评论量;所述统计方法为特定的媒体类型和监测指标设定后,可选择不同的统计标准,包括总数、移动平均值、最大值和最小值;所述阈值为触发预警的具体数值设置,可选择高于/低于一定的数值、百分比;
3)设定通知模式,包括邮件或社交媒体账号。
本发明的有益效果:一种网络舆情监测预警方法,包括如下步骤:利用网络舆情数据获取模块,定向对互联网中公开的网络新闻、论坛、社交媒体进行数据收集;通过数据加工处理模块,对收集的数据进行清洗、转换和加工,将非结构化数据转化为半结构化或结构化数据;通过网络舆情数据分析模块,对加工后的数据进行自然语言处理和使用人工智能技术进行数据挖掘,发现识别舆情热点、敏感和/或风险话题;通过可视化模块对舆情监测分析结果进行可视化展示、输出舆情分析结果图表和/或舆情分析报告;通过网络舆情实时预警模块,依据用户设置的预警规则,向用户发送预警信息;能够提高舆情监测的准确度。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1一种网络舆情监测预警方法的流程图;
图2为网络舆情实时预警模块的流程图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明中,除非另有明确的限定,“设置”、“安装”、“连接”等词语应做广义理解,例如,可以是直接相连,也可以通过中间媒介间接相连;可以是固定连接,也可以是可拆卸连接,还可以是一体成型;可以是机械连接;可以是两个元件内部的连通或两个元件的相互作用关系。所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1至图2,一种网络舆情监测预警方法,包括:
步骤S1、利用网络舆情数据获取模块,定向对互联网中公开的网络新闻、论坛、社交媒体进行数据收集;
步骤S2、通过数据加工处理模块,对收集的数据进行清洗、转换和加工,将非结构化数据转化为半结构化或结构化数据;
步骤S3、通过网络舆情数据分析模块,对加工后的数据进行自然语言处理和使用人工智能技术进行数据挖掘,发现识别舆情热点、敏感和/或风险话题;
步骤S4、通过可视化模块对舆情监测分析结果进行可视化展示、输出舆情分析结果图表和/或舆情分析报告;
步骤S5、通过网络舆情实时预警模块,依据用户设置的预警规则,向用户发送预警信息。
在步骤S1中,网络舆情数据获取模块通过网络爬虫的方式获取数据;通过网络资讯建立全媒体覆盖采集策略,采用垂直搜索的采集方式,由专门定制的采集脚本及数据接口,定向对网络上公开的、网络新闻、论坛、社交媒体进行资讯收集,根据各种媒体的特点,使用突出的网络指纹技术,适时对数据进行排重、更新,确保快速、准确的收集数据。
由于从网络上采集的数据大部分都是非结构化的数据,或者包含一些HTML标签和无效信息,为了保证数据的完整性和有效性,需要对收集回来的数据进行预处理,如去除HTML标签,简体和繁体文字转换、对时间格式进行统一和分词等;此外,由于各媒体类型的数据结构不同,系统设计了一套独有的数据结构,统一各种媒体的数据结构,本发明为保证数据完整有效,对收集回来的数据进行一系列的清洗操作,对多渠道的网络数据来源,设计了一套独有的数据结构,统一各种媒体的数据结构,并提供了一套跨媒体的实时数据搜索及统计分析方法,具体的,在数据加工处理模块中执行以下设置:
1)使用布尔模型、词频/逆向文档概率/字段长度归一值及空间向量模型来计算数据与关键字的相关度;
-布尔模型是指可以在查询中使用AND(与)、OR(或)和NOT(非)来组合查询条件
-词频是指词语在文中出现的频率,频率越高越相关
-逆文档概率实质词语在所有数据中出现的频率,频率越高越不相关
-字段长度归一值是指字段越短越相关
-向量模型是指在多个关键字的情况下,建立向量并根据向量在空间中的夹角来衡量相
2)使用字符过滤器、分词器及词语过滤器组成的分析器对文本数据进行切词索引;
-字符过滤器负责对原始文本中字符进行统一处理或者过滤
-分词器负责对字符过滤器处理之后的文本进行有意义的分词生产词语
-词语过滤器负责对分词器生成的词语做进一步的处理或者过滤
3)使用倒排索引、文档值用于加速搜索及统计;
-倒排索引是指单个词语指向多个文档的数据结构
-文档值是指单个文档指向多个词语的数据结构
4)使用树状可嵌套的搜索条件和维度+数值的统计模型;并将统计结果用于可视化模块;搜索支持按时间,关键字等交叉来搜索。
在网络舆情数据分析模块中执行以下设置:
1)通过自然语言处理技术对网络数据进行内容信息提取、文本分类;
2)机器自动情感分析,通过分词技术和海量词库计算,并结合词语强度、文章长度分配权重,计算出文章的情感值;
3)通过热度值算法模型来衡量文章在特定传播周期内的整体互动率及传播成效;
4)利用大数据技术辅助内容分析法,将人工智能与社会科学研究方法融合,对收集的文本内容进行分析,识别、发现敏感或风险话题。
所述热度值算法模型为:
facebook=comments+reactions/13.4+hits/577.4+shares/1.2
weibo=comments+likes/2.4+shares+hits/564
youtube=comments+likes/3.6+hits/387.9
forum=comments+hits/86.5
twitter=likes+shares*2.2+hits/33.9
wechat=hits/184.8+likes
instagram=comments+likes/45.5+hits/389.2
其中,reactions=likes+loves+wows+hahas+sads+angrys+thankfuls;comments表示评论量,reactions表示表情数,hits表示点击数,shares表示分享数,likes表示点赞数。
热度值权重系数计算规则:以Facebook为例,热度值是评论数、表情数、阅读数、分享数综合加权而来。以近一年来的千万量级的随机样本测算,选取表情数/评论数分布的中位数:13.4,用来刻画表情数与评论数的比例关系,即表明13.4个表情总数对应1个评论数,体现在热度值公式中就是当表情数的权重系数是单位1时,评论数的权重系数则为13.4;同理,以各维度数据的比例关系来确定各个维度的相对权重系数。
在步骤S4中,可视化展示的内容包括话题声量趋势、传播路径、好感度、焦点热词、意见领袖和/或热文排名图表。
所述网络舆情实时预警模块中设置了可使用贴量增长量、负面贴量增长量、负面贴总声量和/或Facebook评论量触发机制。
所述预警规则如下:
1)设定预警报告的语言模式,包括简体中文、繁体中文和/或英文;
2)设定预警条件,包括媒体类型、贴文、事件、话题、周期、监测指标数值、统计方法和/或阈值;
其中,所述媒体类型包括新闻、微博、微信、论坛和/或Facebook;所述贴文为特定来源的贴文;所述事件为某些特定关注或与之相关的事件;所述话题为某些特定关注或与之相关的话题;所述周期为预警所需要时间,以小时为单位,最高值为24小时;所述监测指标为需要预警的指标,包括总贴量、负面贴量、表情符和/或评论量;所述统计方法为特定的媒体类型和监测指标设定后,可选择不同的统计标准,包括总数、移动平均值、最大值和最小值;所述阈值为触发预警的具体数值设置,可选择高于/低于一定的数值、百分比;
3)设定通知模式,包括邮件或社交媒体账号。
所述大数据技术辅助内容分析法,其具体步骤如下:
(1)数据准备,依据监测话题概念设定多重关键字,从采集数据库中搜索话题相关数据,确定网络舆情监测范围;
(2)自动化数据探索,使用自动化算法对数据进行基本探索,此过程无需人工介入,快速获得关于监测话题的线索,了解内在逻辑。
(3)在线内容分析,可使用机器编码或人工编码对分析类目进行编码。
(4)统计分析与可视化呈现。
在网络舆情实时预警模块中,系统依据不同的监测场景和需求,提供以下三种监测维度:
(1)报道量/帖量
(2)社交媒体的互动量
(3)监测话题的风险值
上述提及的风险值是综合考虑话题事件的整体情感倾向(文字情感倾向、表情符号情感倾向)及风险元素关注度,综合加权构建而成的评价指标,用于描述潜在风险程度的高低倾向;其中:
文本情感倾向=各渠道负面意见总数/(正、负面意见总数)×100%
表情情感倾向=负面表情符号总数/(正、负面表情符号总数)×100%
风险元素关注度=命中元素文章热度值/总文章热度值×100%
风险值由上述三者加权而来,具体权重系数由使用者自定义。
结合用户自定义的监测维度、监测周期、媒体渠道、触发阈值(绝对值及增长量)及预警方式(电邮、微信、短信等),构成一套预警监测条件,自预警条件开启后,系统将以动态时间区间进行实时监测,即当监测周期设为一小时,若在激活监测条件后二十分钟即满足设定的阈值,系统会即时发出预警,并从发出预警时刻起进行新的监测周期,以确保预警的实时性,尽早发现与社会治理相关事件。
在监测话题下开启预警后,需要对预警条件进行设置,当满足预警条件时将会触发预警,系统将会把预警信息发送给接收信息的人员。
移动平均算法:
由于在设定阈值时缺乏科学合理的参考指标,且网络数据具有一定的波动规律,固定的阈值难以有效监测网络舆情所引起的异常波动,因而系统提供移动平均算法,以解决上述问题,具体机制如下:
通过统计过去4周的同一个时间段的总声量平均值,例如过去四周周一的14:00至14:59(如11月19日、11月26日、12月3日、12月10日),预计出今天(12月17日)14:00至14:59预警的声量值B(建议阀值),与当前14:00至14:59实际声量值A比较,计算差值C=(A-B)或增长率%C=[(A-B)/B]作为触发预计阀值。
当然,本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出等同变形或替换,这些等同的变形和替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种网络舆情监测预警方法,其特征在于,包括:
步骤S1、利用网络舆情数据获取模块,定向对互联网中公开的网络新闻、论坛、社交媒体进行数据收集;
步骤S2、通过数据加工处理模块,对收集的数据进行清洗、转换和加工,将非结构化数据转化为半结构化或结构化数据;
步骤S3、通过网络舆情数据分析模块,对加工后的数据进行自然语言处理和使用人工智能技术进行数据挖掘,发现识别舆情热点、敏感和/或风险话题;
步骤S4、通过可视化模块对舆情监测分析结果进行可视化展示、输出舆情分析结果图表和/或舆情分析报告;
步骤S5、通过网络舆情实时预警模块,依据用户设置的预警规则,向用户发送预警信息。
2.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于:在步骤S1中,网络舆情数据获取模块通过网络爬虫的方式获取数据。
3.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于,在数据加工处理模块中执行以下设置:
1)使用布尔模型、词频/逆向文档概率/字段长度归一值及空间向量模型来计算数据与关键字的相关度;
2)使用字符过滤器、分词器及词语过滤器组成的分析器对文本数据进行切词索引;
3)使用倒排索引、文档值用于加速搜索及统计;
4)使用树状可嵌套的搜索条件和维度+数值的统计模型;并将统计结果用于可视化模块。
4.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于,在网络舆情数据分析模块中执行以下设置:
1)通过自然语言处理技术对网络数据进行内容信息提取、文本分类;
2)机器自动情感分析,通过分词技术和海量词库计算,并结合词语强度、文章长度分配权重,计算出文章的情感值;
3)通过热度值算法模型来衡量文章在特定传播周期内的整体互动率及传播成效;
4)利用大数据技术辅助内容分析法,将人工智能与社会科学研究方法融合,对收集的文本内容进行分析,识别、发现敏感或风险话题。
5.根据权利要求4所述的一种网络舆情监测预警方法,其特征在于,所述热度值算法模型为:
facebook=comments+reactions/13.4+hits/577.4+shares/1.2
weibo=comments+likes/2.4+shares+hits/564
youtube=comments+likes/3.6+hits/387.9
forum=comments+hits/86.5
twitter=likes+shares*2.2+hits/33.9
wechat=hits/184.8+likes
instagram=comments+likes/45.5+hits/389.2
其中,reactions=likes+loves+wows+hahas+sads+angrys+thankfuls;comments表示评论量,reactions表示表情数,hits表示点击数,shares表示分享数,likes表示点赞数。
6.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于:在步骤S4中,可视化展示的内容包括话题声量趋势、传播路径、好感度、焦点热词、意见领袖和/或热文排名图表。
7.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于:所述网络舆情实时预警模块中设置了可使用贴量增长量、负面贴量增长量、负面贴总声量和/或Facebook评论量触发机制。
8.根据权利要求1所述的一种网络舆情监测预警方法,其特征在于,所述预警规则如下:
1)设定预警报告的语言模式,包括简体中文、繁体中文和/或英文;
2)设定预警条件,包括媒体类型、贴文、事件、话题、周期、监测指标数值、统计方法和/或阈值;
其中,所述媒体类型包括新闻、微博、微信、论坛和/或Facebook;所述贴文为特定来源的贴文;所述事件为某些特定关注或与之相关的事件;所述话题为某些特定关注或与之相关的话题;所述周期为预警所需要时间,以小时为单位,最高值为24小时;所述监测指标为需要预警的指标,包括总贴量、负面贴量、表情符和/或评论量;所述统计方法为特定的媒体类型和监测指标设定后,可选择不同的统计标准,包括总数、移动平均值、最大值和最小值;所述阈值为触发预警的具体数值设置,可选择高于/低于一定的数值、百分比;
3)设定通知模式,包括邮件或社交媒体账号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473621.3A CN112434226A (zh) | 2020-12-15 | 2020-12-15 | 一种网络舆情监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473621.3A CN112434226A (zh) | 2020-12-15 | 2020-12-15 | 一种网络舆情监测预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112434226A true CN112434226A (zh) | 2021-03-02 |
Family
ID=74691649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011473621.3A Pending CN112434226A (zh) | 2020-12-15 | 2020-12-15 | 一种网络舆情监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434226A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434751A (zh) * | 2021-07-14 | 2021-09-24 | 国际关系学院 | 一种网络热点人工智能预警系统及方法 |
CN113609424A (zh) * | 2021-06-22 | 2021-11-05 | 深圳市网联安瑞网络科技有限公司 | 一种针对网络舆情热度的计算与预警系统及方法 |
CN113657547A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 基于自然语言处理模型的舆情监测方法及其相关设备 |
CN113672587A (zh) * | 2021-07-15 | 2021-11-19 | 福建拓尔通软件有限公司 | 一种新媒体更新监测方法、系统、设备及介质 |
CN114615667A (zh) * | 2022-05-12 | 2022-06-10 | 中国电子科技集团公司第三十研究所 | 一种网络舆情告警风暴抑制方法 |
CN114661974A (zh) * | 2022-03-21 | 2022-06-24 | 重庆市规划和自然资源信息中心 | 利用自然语言语义分析的政务网站舆情分析与预警的方法 |
CN115640463A (zh) * | 2022-11-18 | 2023-01-24 | 太极计算机股份有限公司 | 一种互联网舆情监测分析系统 |
CN115827989A (zh) * | 2023-02-16 | 2023-03-21 | 杭州金诚信息安全科技有限公司 | 大数据环境下网络舆情人工智能预警系统及方法 |
CN116311828A (zh) * | 2023-05-11 | 2023-06-23 | 武汉科迪智能环境股份有限公司 | 报警管理方法、装置、计算机设备及计算机可读存储介质 |
CN116910231A (zh) * | 2023-09-11 | 2023-10-20 | 社治无忧(成都)智慧科技有限公司 | 一种基于自然语言处理的微信群舆情预警方法和系统 |
CN117575171A (zh) * | 2024-01-09 | 2024-02-20 | 湖南工商大学 | 一种基于数据分析的粮食形势智能评估系统 |
CN113657547B (zh) * | 2021-08-31 | 2024-05-14 | 平安医疗健康管理股份有限公司 | 基于自然语言处理模型的舆情监测方法及其相关设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2020
- 2020-12-15 CN CN202011473621.3A patent/CN112434226A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609424A (zh) * | 2021-06-22 | 2021-11-05 | 深圳市网联安瑞网络科技有限公司 | 一种针对网络舆情热度的计算与预警系统及方法 |
CN113434751A (zh) * | 2021-07-14 | 2021-09-24 | 国际关系学院 | 一种网络热点人工智能预警系统及方法 |
CN113434751B (zh) * | 2021-07-14 | 2023-06-02 | 国际关系学院 | 一种网络热点人工智能预警系统及方法 |
CN113672587A (zh) * | 2021-07-15 | 2021-11-19 | 福建拓尔通软件有限公司 | 一种新媒体更新监测方法、系统、设备及介质 |
CN113657547A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 基于自然语言处理模型的舆情监测方法及其相关设备 |
CN113657547B (zh) * | 2021-08-31 | 2024-05-14 | 平安医疗健康管理股份有限公司 | 基于自然语言处理模型的舆情监测方法及其相关设备 |
CN114661974B (zh) * | 2022-03-21 | 2024-03-08 | 重庆市规划和自然资源信息中心 | 利用自然语言语义分析的政务网站舆情分析与预警的方法 |
CN114661974A (zh) * | 2022-03-21 | 2022-06-24 | 重庆市规划和自然资源信息中心 | 利用自然语言语义分析的政务网站舆情分析与预警的方法 |
CN114615667A (zh) * | 2022-05-12 | 2022-06-10 | 中国电子科技集团公司第三十研究所 | 一种网络舆情告警风暴抑制方法 |
CN115640463A (zh) * | 2022-11-18 | 2023-01-24 | 太极计算机股份有限公司 | 一种互联网舆情监测分析系统 |
CN115827989B (zh) * | 2023-02-16 | 2023-04-28 | 杭州金诚信息安全科技有限公司 | 大数据环境下网络舆情人工智能预警系统及方法 |
CN115827989A (zh) * | 2023-02-16 | 2023-03-21 | 杭州金诚信息安全科技有限公司 | 大数据环境下网络舆情人工智能预警系统及方法 |
CN116311828A (zh) * | 2023-05-11 | 2023-06-23 | 武汉科迪智能环境股份有限公司 | 报警管理方法、装置、计算机设备及计算机可读存储介质 |
CN116910231A (zh) * | 2023-09-11 | 2023-10-20 | 社治无忧(成都)智慧科技有限公司 | 一种基于自然语言处理的微信群舆情预警方法和系统 |
CN116910231B (zh) * | 2023-09-11 | 2023-11-17 | 社治无忧(成都)智慧科技有限公司 | 一种基于自然语言处理的微信群舆情预警方法和系统 |
CN117575171A (zh) * | 2024-01-09 | 2024-02-20 | 湖南工商大学 | 一种基于数据分析的粮食形势智能评估系统 |
CN117575171B (zh) * | 2024-01-09 | 2024-04-05 | 湖南工商大学 | 一种基于数据分析的粮食形势智能评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434226A (zh) | 一种网络舆情监测预警方法 | |
Shu et al. | Fakenewsnet: A data repository with news content, social context, and spatiotemporal information for studying fake news on social media | |
CA2984904C (en) | Social media events detection and verification | |
CN103116605B (zh) | 一种基于监测子网的微博热点事件实时检测方法及系统 | |
Zhao et al. | Social sentiment sensor: a visualization system for topic detection and topic sentiment analysis on microblog | |
CN109325117B (zh) | 一种多特征融合的微博中社会安全事件检测方法 | |
US20120047444A1 (en) | Relating web page change with revisitation patterns | |
US20140040301A1 (en) | Real-time and adaptive data mining | |
CN110705288A (zh) | 一种基于大数据的舆情分析系统 | |
CN104657425A (zh) | 一种议题管理式网络舆情评价管理系统与方法 | |
WO2007101263A2 (en) | Social analytics system and method for analyzing conversations in social media | |
Sharma et al. | Detecting hate speech and insults on social commentary using nlp and machine learning | |
CN105488092A (zh) | 一种时间敏感和自适应的子话题在线检测方法及系统 | |
CN103455705A (zh) | 网络社会事件的协同关联跟踪及全局态势分析与预测系统 | |
US9245035B2 (en) | Information processing system, information processing method, program, and non-transitory information storage medium | |
CN101645066B (zh) | 一种互联网新颖词监测方法 | |
CN108733791B (zh) | 网络事件检测方法 | |
KR101735312B1 (ko) | 소셜 미디어 분석을 기반으로 복합이슈를 탐지하기 위한 장치, 시스템 및 그 방법 | |
CN102609407A (zh) | 一种网络不良文本内容的细粒度语义检测方法 | |
CN115293723A (zh) | 基于大数据分析的网络舆论热度分析系统 | |
CN111026804A (zh) | 一种基于语义的大数据分析智能服务系统 | |
TW201640383A (zh) | 網路事件自動蒐集分析方法及系統 | |
CN112148946A (zh) | 基于微博的分析及视图展示方法与系统 | |
CN115309815A (zh) | 一种基于大数据的网络舆情监测系统及方法 | |
Zhang et al. | Social network information propagation model based on individual behavior |
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 |