CN112559743A - 一种政企网络支持度的计算方法、装置、设备及存储介质 - Google Patents

一种政企网络支持度的计算方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112559743A
CN112559743A CN202011429688.7A CN202011429688A CN112559743A CN 112559743 A CN112559743 A CN 112559743A CN 202011429688 A CN202011429688 A CN 202011429688A CN 112559743 A CN112559743 A CN 112559743A
Authority
CN
China
Prior art keywords
information
network
target
social media
news
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.)
Granted
Application number
CN202011429688.7A
Other languages
English (en)
Other versions
CN112559743B (zh
Inventor
曾曦
饶志宏
黄晓明
高弘毅
马军
周伟中
朱永川
汪淼
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.)
Shenzhen Wanglian Anrui Network Technology Co ltd
Original Assignee
Shenzhen Wanglian Anrui Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Wanglian Anrui Network Technology Co ltd filed Critical Shenzhen Wanglian Anrui Network Technology Co ltd
Priority to CN202011429688.7A priority Critical patent/CN112559743B/zh
Publication of CN112559743A publication Critical patent/CN112559743A/zh
Application granted granted Critical
Publication of CN112559743B publication Critical patent/CN112559743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (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)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种政企网络支持度的计算方法，应用于网络认知域技术领域，用于解决现有的海外政企网络支持度衡量方法存在覆盖范围不全面、衡量结果的实时性和准确性差的问题。该方法包括：从网络获取与目标政企对应的网络信息，并从网络信息提取目标信息和对应网络信息的评论统计数据，然后根据预设情感分析模型分析目标信息的情感倾向，根据情感倾向对目标信息进行情感标记，得到带有情感分类标签的目标信息，接着根据带有情感分类标签的目标信息和评论统计数据计算目标的新闻支持度、社交媒体支持度及网络影响度，最后根据新闻支持度、社交媒体支持度及网络影响度获取目标政企的网络支持度。

Description

一种政企网络支持度的计算方法、装置、设备及存储介质
技术领域
本发明涉及网络认知域技术领域，尤其涉及一种政企网络支持度的计算 方法、装置、设备及存储介质。
背景技术
目前，海外政企之间在合作之前对政企机构进行形象衡量评估的传统方 式主要通过官方主页的粉丝数变化、外媒相关报道数等进行统计计算。而在 移动互联网时代，公众获取和传播信息的方式渠道日益多样，越来越多的社 交媒体、新闻媒体不断涌现，衡量海外政企机构在海外的形象所需要统计的 数据维度越来越多，海外政企的网络支持度态势感知的难度逐渐增加，传统 方式以及当前网络支持度算法已无法覆盖如此多样化的网络传播渠道，且存 在网络支持度衡量的准确性较差、覆盖范围存在偏差以及结果的实时性较差 等问题。
综上可知，现有的海外政企网络支持度衡量方法存在覆盖范围不全面、 衡量结果的实时性和准确性差的问题。
发明内容
本发明实施例提供一种政企网络支持度的计算方法、装置、计算机设备 及存储介质，以解决现有的海外政企网络支持度衡量方法存在覆盖范围不全 面、衡量结果的实时性和准确性差的问题。
一种政企网络支持度的计算方法，包括：
从网络获取与目标政企对应的网络信息和对应所述网络信息的评论统计 数据，并从所述网络信息提取目标信息，所述目标信息包括含有所述目标政 企之名称的语句和评论所述目标政企的评论语句；
根据预设情感分析模型分析所述目标信息的情感倾向，并根据所述情感 倾向对所述目标信息进行情感标记，以得到带有情感分类标签的目标信息；
根据所述带有情感分类标签的目标信息和所述评论统计数据获取新闻支 持度、社交媒体支持度以及网络影响度；
根据所述新闻支持度、所述社交媒体支持度及所述网络影响度获取所述 目标政企的网络支持度。
一种政企网络支持度的计算装置，包括：
信息获取模块，用于从网络获取与目标政企对应的网络信息和对应所述 网络信息的评论统计数据，并从所述网络信息提取目标信息，所述目标信息 包括含有所述目标政企之名称的语句和评论所述目标政企的评论语句；
情感标记模块，用于根据预设情感分析模型分析所述目标信息的情感倾向， 并根据所述情感倾向对所述目标信息进行情感标记，以得到带有情感分类标 签的目标信息；
第一获取模块，用于根据所述带有情感分类标签的目标信息和所述评论统 计数据获取新闻支持度、社交媒体支持度以及网络影响度；
第二获取模块，用于根据所述新闻支持度、所述社交媒体支持度及所述网 络影响度获取所述目标政企的网络支持度。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在 所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上 述政企网络支持度的计算方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序， 所述计算机程序被处理器执行时实现上述政企网络支持度的计算方法的步骤。
上述政企网络支持度的计算方法、装置、计算机设备及存储介质，通过 从网络获取与目标政企对应的网络信息，并从所述网络信息提取目标信息和 对应所述网络信息的评论统计数据，然后根据预设情感分析模型分析所述目 标信息的情感倾向，并根据情感倾向对目标信息进行情感标记，以得到带有 情感分类标签的目标信息，接着根据带有情感分类标签的目标信息和评论统 计数据获取新闻支持度、社交媒体支持度以及网络影响度，最后根据新闻支 持度、社交媒体支持度及网络影响度获取目标政企的网络支持度，本方案通过获取网络信息，将网络信息划分成多维度进行分析计算，根据每个维度计 算结果计算政企的网络支持度，覆盖范围全面、衡量结果的实时性和准确性 高。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的 描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅 仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性 劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中政企网络支持度的计算方法的应用环境示意图；
图2是本发明一实施例中政企网络支持度的计算方法的流程图；
图3是本发明一实施例中政企网络支持度的计算装置的结构示意图；
图4是本发明一实施例中计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
本发明实施例提供的一种政企网络支持度的计算方法，可应用在如图1 所示的应用环境中，其中，计算机设备/终端设备/……通过网络与服务器进行 通信。其中，计算机设备/终端设备/……可以但不限于各种个人计算机、笔记 本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服 务器或者是多个服务器组成的服务器集群来实现。
在本发明一实施例中，如图2所示，提供一种政企网络支持度的计算方 法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤S201至S204。
步骤S201、从网络获取与目标政企对应的网络信息和对应网络信息的评 论统计数据，并从网络信息提取目标信息；目标信息包括含有所述目标政企 之名称的目标语句和评论所述目标政企的评论语句。
具体的，步骤S201中从网络获取与目标政企对应的网络信息和对应网络 信息的评论统计数据，并从所述网络信息提取目标信息的步骤包括：
步骤S2011、利用网络爬虫技术从网络爬取过滤得到所述目标政企对应的 网络信息和对应网络信息的评论统计数据。
步骤S2012、对所述网络信息进行分析，并提取含有所述目标政企之名称 的目标语句和评论所述目标政企的评论语句，以得到目标信息。
具体的，上述步骤S2011中所述的网络包括：网络新闻网站、官方社交 媒体主页及非官方社交媒体主页；网络信息包括：新闻网络信息、官方社交 媒体网络信息及非官方社交媒体网络信息。步骤S2011具体包括：
当利用网络爬虫技术从网络新闻网站获取与目标政企对应的网络信息和 对应网络信息的评价统计数据时，对所有覆盖目标政企的门户网站进行过滤 爬取，得到与目标政企相关的新闻网络信息，并记录对应新闻网络信息对应 的门户网站的PR(PageRank，网页级别)值，将该PR值作为对应新闻网络 信息的评论统计数据。
当利用网络爬虫技术从官方社交媒体主页获取与目标政企对应的网络信 息时，对目标政企的官方社交媒体主页(如Facebook、Telegram、Instagram、 Twitter等)进行全量爬取，得到与目标政企相关的官方社交媒体网络信息， 同时记录每条官方社交媒体网络信息的点赞数量、评论数量、转发数量，将 上述点赞数量、评论数量及转发数量作为对应官方社交媒体网络信息的评论 统计数据。
当利用网络爬虫技术从非官方社交媒体主页获取与目标政企对应的网络 信息时，对非官方社交媒体主页进行过滤爬取，得到与目标政企相关的非官 方社交媒体网络信息。
具体的，上述步骤S2012包括：
对所述网络信息中的语句进行分析以确定所述目标政企是否为所述语句 的评论对象；
若所述目标政企是所述语句的评论对象，则确定所述语句为有效语句；
若所述目标政企不是所述语句的评论对象，则确定所述语句为无效语句， 并丢弃所述无效语句；
对所述有效语句进行语句分类提取，得到含有所述目标政企之名称的目 标语句和评论所述目标政企的评论语句；
将所述目标语句和所述评论语句的集合作为目标信息。
进一步的，上述对所述网络信息中的语句进行分析以确定所述目标政企 是否为所述语句的评论对象的步骤具体为：
对于网络信息为新闻网络信息和非官方社交媒体网络信息的情况，则对 网络信息中的语句进行语法结构分析，以确定目标政企是否为语句中的主语 或宾语，若是，则目标政企是语句的评论对象；若否，则目标政企不是语句 的评论对象。例如：假设目标政企的名称为“广州市政府XX部门”，语句为“广 州市政府XX部门近期开展的XX行动获得广大市民的一致好评。”，该语句 中，“广州市政府XX部门”作为语句中的主语出现，因此，经过语法结构分析， 可确定目标政企为语句中的主语，则目标政企是语句的评论对象。
对于网络信息为官方社交媒体网络信息的情况，则对网络信息中的语句 进行句法分析，以确定目标政企是否为语句的评论对象。其中，句法分析是 指对官方媒体主页下的语句的元素进行分析，包括主题(即评价对象)、意 见持有者、内容陈述、情感等，这些元素之间存在内在的联系，即意见持有 者针对某主题发表了具有情感的意见陈述。
步骤S202、根据预设情感分析模型分析目标信息的情感倾向，并根据情 感倾向对目标信息进行情感标记，以得到带有情感分类标签的目标信息。
具体的，上述预设情感分析模型可以是：提前构建的支持/反对字典、否 定词和疑问词等。步骤S202包括：
根据预设的情感分析模型对目标信息进行正面、负面、中立面的情感分 析，以确定目标信息的情感倾向；
根据目标信息的情感倾向对目标信息进行正面、负面、中立面的情感标 记，以得到带有正面、负面、中立面的情感分类标签的目标信息。
步骤S203、根据带有情感分类标签的目标信息和评论统计数据获取新闻 支持度、社交媒体支持度以及网络影响度。
在步骤S203中，根据带有情感分类标签的目标信息和评论统计数据获取 新闻支持度的步骤包括A1至A3：
A1、当带有情感分类标签的目标信息为新闻信息时，统计当前周期内新 闻信息的情感分类标签数量，得到来自每一个新闻网站的新闻信息总数、支 持类新闻信息数量及中立类新闻信息数量。
A2、根据新闻信息总数、支持类新闻信息数量、中立类新闻信息数量以 及评论统计数据中与新闻信息对应的评论统计数据，计算目标政企的新闻信 息热度值、支持类新闻信息热度值、中立类新闻信息热度值。
A3、根据新闻信息热度值、支持类新闻信息热度值、中立类新闻信息热 度值以及上一周期的新闻支持度，计算当前周期的新闻支持度。
对于上述步骤A1和A3中所述的周期，是指：过去的一个时间点到当前 时间点之间的时间段为一个周期，该周期的单位可以是分、时、天、周、月、 年等时间单位。
上述步骤A1具体为：对目标信息所对应的正面情感分类标签、负面情感 分类标签及中立面情感分类标签进行统计，得到来自每一个新闻网站的新闻 信息总数、支持类新闻信息数量以及中立类新闻信息数量。
上述步骤A2具体为：
根据以下算式(1)、(2)、(3)分别计算新闻信息热度值、支持类新 闻信息热度值及中立类新闻信息热度值：
Figure RE-GDA0002905146620000061
Figure RE-GDA0002905146620000071
Figure RE-GDA0002905146620000072
其中，Nt为新闻信息热度值，Np为支持类新闻信息热度值，Nq为中立类 新闻信息热度值，ai为分别来自n个新闻网站的新闻信息总数，bi为支持类新 闻信息数量，ci为中立类新闻数量，vi为新闻信息对应的新闻网站的PR值， 其中，i＝1、2、3…n，n为正整数。
上述步骤A3具体为：
按照以下算式计算当前周期的新闻支持度：
Figure RE-GDA0002905146620000073
其中，
Figure RE-GDA0002905146620000074
S1w-1为上一周期的新闻支持度，Nt为新闻信 息热度值，Np为支持类新闻信息热度值，Nq为中立类新闻信息热度值，x和y 为常数。
在步骤S203中，根据带有情感分类标签的目标信息和评论统计数据获取 社交媒体支持度的包括步骤B1至B5：
B1、当带有情感分类标签的目标信息来源于官方社交媒体主页和非官方 社交媒体主页的社交媒体信息时，统计当前周期内社交媒体信息的情感分类 标签数量，得到来自每一个社交媒体的社交媒体信息总数、支持类社交媒体 信息数量及中立类社交媒体信息数量。
B2、根据社交媒体信息总数、支持类社交媒体信息数量、中立类社交媒 体信息数量以及所述评论统计数据中与所述社交媒体信息对应的社交媒体评 论统计数据计算目标政企的社交媒体信息热度值、支持类社交媒体信息热度 值、中立类社交媒体信息热度值。
B3、根据评论统计数据中与官方社交媒体信息对应的评论统计数据以及 上一周期所确定的第一情感倾向获取当前周期的第一情感倾向。
B4、根据社交媒体信息热度值、支持类社交媒体信息热度值、中立类社 交媒体信息热度值以及上一周期所确定的第二情感倾向获取当前周期的第二 情感倾向。
B5、根据第一情感倾向和当前周期的第二情感倾向获取社交媒体支持度。
对于上述步骤B1、B4和B5中所述的周期，是指：过去的一个时间点到 当前时间点之间的时间段为一个周期，该周期的单位可以是分、时、天、周、 月、年等时间单位。
在上述步骤B1具体为：对目标信息所对应的正面情感分类标签、负面情 感分类标签及中立面情感分类标签进行统计，得到来自每一个社交媒体网站 的社交媒体信息总数、支持类社交媒体信息数量以及中立类社交媒体信息数 量。
上述步骤B2具体为：
根据以下算式(4)、(5)、(6)分别计算社交媒体信息热度值、支持 类社交媒体信息热度值及中立类社交媒体信息热度值：
Figure RE-GDA0002905146620000081
Figure RE-GDA0002905146620000082
Figure RE-GDA0002905146620000083
其中，Mt为社交媒体信息热度值，Mp为支持类社交媒体信息热度值，Mq为中立类新闻信息热度值，di为分别来自n个社交媒体网站的社交媒体信息总 数，ei为支持类社交媒体信息数量，fi为中立类社交媒体数量，其中，i＝1、2、3…n，n为正整数。
上述步骤A3具体为：
按照以下算式计算当前周期的第一情感倾向：
Figure RE-GDA0002905146620000091
其中，
Figure RE-GDA0002905146620000092
k1、k2、k3、k4分别为发帖数量(post)、评论数量(comment)、 转发数(share)和点赞数量(like)在用户行为中占据的比重，post、comment、share、 like分别为官方社交媒体主页的发帖数量、评论数量、转发数量和点赞数量， max为所有目标政企中k1*post+k2*comment+k3*share+k4*like的最大值。
上述步骤B4具体为：
按照以下算式计算当前周期的第二情感倾向：
Figure RE-GDA0002905146620000093
其中，
Figure RE-GDA0002905146620000094
F2w-1为上一周期的第二情感倾向，Mt为社 交媒体信息热度值,Mp为支持类社交媒体信息热度值,Mq为中立类社交媒体信 息热度值，x、y为常数。
上述步骤B5具体为：
按照以下算式计算当前周期的社交媒体支持度：
Fw＝α*F1+β*F2
其中，α+β＝1，F1为第一情感倾向，F2为第二情感倾向。
在步骤S203中，根据所述带有情感分类标签的目标信息和所述评论统计 数据获取网络影响度包括步骤C1至C4：
C1、当带有情感分类标签的目标信息包括来源于官方社交媒体主页和非 官方社交媒体主页的社交媒体信息和来源于网络新闻网站的新闻信息时，分 别统计当前周期内社交媒体信息的情感分类标签总数量和新闻信息的情感分 类标签总数量，得到社交媒体信息总数和新闻信息总数；
C2、根据新闻信息总数和评论统计数据中与新闻信息对应的评论统计数 据获取新闻信息热度值。
C3、根据新闻信息热度值、社交媒体信息总数以及评论统计数据中与社 交媒体信息对应的评论统计数据获取目标政企的网络热度值。
C4、根据网络热度值和前一周期的网络影响度获取当前周期的网络影响 度。
在上述步骤C2中，新闻信息热度值为
Figure RE-GDA0002905146620000101
具体计算过程已在上 述步骤A2中详述，因此不再重复赘述。
上述步骤C3中具体为：
根据以下算式计算当前周期的网络热度值：
H'＝ω1'*Nt+ω2'*a'+ω3'*post+ω4'*comment+ω5'*share+ω6'*like
其中，a'为社交媒体信息总数，ω1+ω2+ω3+ω4+ω5+ω6＝1，ω1为新闻信息 热度值在计算网络热度值中占的比重，ω2为社交媒体信息热度值在计算网络 热度值中占的比重，ω3发帖数在计算网络热度值中占的比重，ω4评论数在计 算网络热度值中占的比重，ω5为转发数在计算网络热度值中占的比重，ω6为 点赞数热度值在计算网络热度值中占的比重，post、like、comment、share分 别为官方社交媒体主页下的发帖数量、点赞数量、评论数量、转发数量。
上述步骤C4具体为：
根据以下算式计算当前周期的网络影响度：
Figure RE-GDA0002905146620000102
其中，
Figure RE-GDA0002905146620000103
H'为网络热度值，Hw-1为前一周期的网络影响度，x、y 为常数。
步骤S204、根据所述新闻支持度、所述社交媒体支持度及所述网络影响 度获取所述目标政企的网络支持度。
上述步骤S204具体为：基于量化计算规则，对新闻支持度、社交媒体支 持度及网络影响度进行量化计算以得到所述目标政企的网络支持度。
对于上述对新闻支持度、社交媒体支持度及网络影响度进行量化计算以 得到所述目标政企的网络支持度的步骤，其具体为：
根据以下算式计算当前周期的网络支持度：
Sw＝ω1*S1w+ω2*Fw+ω3*Hw
其中，ω1+ω2+ω3＝K，K为量化参数，S1w为新闻支持度，Fw为社交 媒体支持度，Hw为网络影响度。
例如，假设量化参数设定为6，则对所述新闻支持度、所述社交媒体支持 度及所述网络影响度进行量化计算得到网络支持度范围为[0-6]，其中，6表示 政企受到全网的一致好评；5表示政企受到众多网民和机构的支持；4表示受 到少量支持；3表示基本没有得到支持；2表示网络中有少量抵触声音；1表 示网络中声讨的呼声较高；0表示受到全网的抵制。
在本发明上述实施例中，通过从网络获取与目标政企对应的网络信息， 并从所述网络信息提取目标信息和对应所述网络信息的评价数据评论统计数 据，然后根据预设情感分析模型分析所述目标信息的情感倾向，并根据所述 情感倾向对所述目标信息进行情感标记，以得到带有情感分类标签的目标信 息，接着根据所述带有情感分类标签的目标信息和所述评价数据评论统计数 据获取新闻支持度、社交媒体支持度以及网络影响度，最后根据所述新闻支 持度、所述社交媒体支持度及所述网络影响度获取所述目标政企的网络支持 度，本方案通过获取网络信息，将网络信息划分成多维度进行分析计算，根 据每个维度计算结果计算政企的网络支持度，覆盖范围全面、衡量结果的实 时性和准确性好。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实 施过程构成任何限定。
在一实施例中，提供一种政企网络支持度的计算装置，该政企网络支持 度的计算装置与上述实施例中政企网络支持度的计算方法一一对应。如图3 所示，该政企网络支持度的计算装置包括信息获取模块30、情感标记模块31、 第一获取模块32和第二获取模块33。各功能模块详细说明如下：
信息获取模块30，用于从网络获取与目标政企对应的网络信息和对应所 述网络信息的评价评论统计数据，并从所述网络信息提取目标信息，所述目 标信息包括含有所述目标政企之名称的语句和评论所述目标政企的评论语句。
情感标记模块31，用于根据预设情感分析模型分析所述目标信息的情感 倾向，并根据所述情感倾向对所述目标信息进行情感标记，以得到带有情感 分类标签的目标信息。
第一获取模块32，用于根据所述带有情感分类标签的目标信息和所述评 价数据评论统计数据获取新闻支持度、社交媒体支持度以及网络影响度。
第二获取模块33，用于根据所述新闻支持度、所述社交媒体支持度及所 述网络影响度获取所述目标政企的网络支持度。
进一步地，信息获取模块30包括爬取过滤单元、分析提取单元和目标信 息获取单元。各功能单元详细说明如下：
爬取过滤单元，用于利用网络爬虫技术从网络爬取过滤得到所述目标政 企对应的网络信息和对应所述网络信息的评论统计数据；
分析提取单元，用于对所述网络信息进行分析，并提取含有所述目标政 企之名称的目标语句和评论所述目标政企的评论语句，以得到目标信息。
进一步地，分析提取单元包括分析单元、有效语句确定单元、无效语句 丢弃单元和信息获取单元。各功能单元详细说明如下：
分析单元，用于对所述网络信息中的语句进行分析以确定所述目标政企 是否为所述语句的评论对象；
有效语句确定单元，用于若所述目标政企是所述语句的评论对象，则确 定所述语句为有效语句；
无效语句丢弃单元，用于若所述目标政企不是所述语句的评论对象，则 确定所述语句为无效语句，并丢弃所述无效语句；
提取单元，用于对所述有效语句进行语句分类提取，得到含有所述目标 政企之名称的目标语句和评论所述目标政企的评论语句；
信息获取单元，用于将所述目标语句和所述评论语句的集合作为目标信 息。
进一步地，第一获取模块32包括新闻信息统计单元、新闻信息热度值获 取单元和新闻支持度获取单元。各个功能单元详细说明如下：
新闻信息统计单元，用于当所述带有情感分类标签的目标信息为新闻信 息时，统计当前周期内所述新闻信息的情感分类标签数量，得到来自每一个 新闻网站的新闻信息总数、支持类新闻信息数量及中立类新闻信息数量；
新闻信息热度值获取单元，用于根据所述新闻信息总数、所述支持类新 闻信息数量、所述中立类新闻信息数量以及所述评价数据评论统计数据中与 所述新闻信息对应的评论统计数据计算目标政企的新闻信息热度值、支持类 新闻信息热度值、中立类新闻信息热度值；
新闻支持度获取单元，用于根据所述新闻信息热度值、所述支持类新闻 信息热度值、所述中立类新闻信息热度值以及上一周期的新闻支持度，计算 当前周期的新闻支持度。
进一步地，第一获取模块32包括社交媒体信息统计单元、社交媒体信息 热度值获取单元、第一情感倾向计算单元、第二情感倾向计算单元和社交媒 体支持度获取单元。各个功能单元详细说明如下：
社交媒体信息统计单元，用于当所述带有情感分类标签的目标信息为社 交媒体信息，且所述社交媒体信息包括官方社交媒体信息和非官方社交媒体 信息时，统计当前周期内所述社交媒体信息的情感分类标签数量，得到来自 每一个社交媒体的社交媒体信息总数、支持类社交媒体信息数量及中立类社 交媒体信息数量。
社交媒体信息热度值获取单元，用于根据所述社交媒体信息总数、所述 支持类社交媒体信息数量、所述中立类社交媒体信息数量以及所述评论统计 数据中与所述社交媒体信息对应的评论统计数据计算目标政企的社交媒体信 息热度值、支持类社交媒体信息热度值、中立类社交媒体信息热度值。
第一情感倾向计算单元，用于根据所述评价数据评论统计数据中与所述 官方社交媒体信息对应的评论统计数据获取当前周期的第一情感倾向。
第二情感倾向计算单元，用于根据所述社交媒体信息热度值、所述支持 类社交媒体信息热度值、所述中立类社交媒体信息热度值以及上一周期所确 定的第二情感倾向获取当前周期的第二情感倾向。
社交媒体支持度获取单元，用于根据所述第一情感倾向和所述当前周期 的第二情感倾向获取社交媒体支持度。
进一步地，第一获取模块32包括目标信息统计单元、新闻信息热度值获 取单元、网络热度值获取单元和网络影响度获取单元。各个功能单元详细说 明如下：
目标信息统计单元，用于当所述带有情感分类标签的目标信息为所述社 交媒体信息和所述新闻信息时，分别统计当前周期内所述社交媒体信息的情 感分类标签总数量和所述新闻信息的情感分类标签总数量，得到社交媒体信 息总数和新闻信息总数；
新闻信息热度值获取单元，用于根据所述新闻媒体信息总数和所述评价 数据评论统计数据中与所述新闻信息对应的评论统计数据获取新闻信息热度 值；
网络热度值获取单元，用于根据所述新闻信息热度值、所述社交媒体信 息总数以及所述评价数据评论统计数据中与所述社交媒体信息对应的评论统 计数据获取所述目标政企的网络热度值；
网络影响度获取单元，用于根据所述网络热度值和前一周期的网络影响 度获取当前周期的网络影响度。
进一步地，第二获取模块33还包括量化计算单元。该功能单元详细说明 如下：
量化计算单元，用于基于量化计算规则，对所述新闻支持度、所述社交 媒体支持度及所述网络影响度进行量化计算以得到所述目标政企的网络支持 度。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元 加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。 此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含， 例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于 清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过 程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划 分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
关于政企网络支持度的计算装置的具体限定可以参见上文中对于政企网 络支持度的计算方法的限定，在此不再赘述。上述政企网络支持度的计算装 置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块 可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式 存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应 的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器， 其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理 器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计 算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。 该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为 非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设 备的数据库用于存储政企网络支持度的计算方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理 器执行时以实现一种政企网络支持度的计算方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储 在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实 现上述实施例中政企网络支持度的计算方法的步骤，例如图2所示的步骤201 至步骤204及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算 机程序时实现上述实施例中政企网络支持度的计算装置的各模块/单元的功能， 例如图3所示模块30至模块33的功能。为避免重复，这里不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以 是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集 成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (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、分立硬件组件等。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，所述处理器是所述计算机装置的控制中 心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行 或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器 内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程 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(比如声音播放功能、图像播放功能等)等；存储数据区可存储 根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机 程序，计算机程序被处理器执行时实现上述实施例中政企网络支持度的计算 方法的步骤，例如图2所示的步骤201至步骤204及该方法的其它扩展和相关 步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中政企网络 支持度的计算装置的各模块/单元的功能，例如图3所示模块30至模块33的 功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储 于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上 述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存 储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性 存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、 电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易 失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为 说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM (DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、 增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、 存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以 上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而 将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划 分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实 施过程构成任何限定。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参 照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解： 其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技 术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱 离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之 内。

Claims (10)

1.一种政企网络支持度的计算方法，其特征在于，包括：
从网络获取与目标政企对应的网络信息和对应所述网络信息的评论统计数据，并从所述网络信息提取目标信息，所述目标信息包括含有所述目标政企之名称的语句和评论所述目标政企的评论语句；
根据预设情感分析模型分析所述目标信息的情感倾向，并根据所述情感倾向对所述目标信息进行情感标记，以得到带有情感分类标签的目标信息；
根据所述带有情感分类标签的目标信息和所述评论统计数据获取新闻支持度、社交媒体支持度以及网络影响度；
根据所述新闻支持度、所述社交媒体支持度及所述网络影响度获取所述目标政企的网络支持度。
2.根据权利要求1所述的方法，其特征在于，所述从网络获取与目标政企对应的网络信息和对应所述网络信息的评论统计数据，并从所述网络信息提取目标信息的步骤包括：
利用网络爬虫技术从网络爬取过滤得到所述目标政企对应的网络信息和对应所述网络信息的评论统计数据；
对所述网络信息进行分析，并提取含有所述目标政企之名称的目标语句和评论所述目标政企的评论语句，以得到目标信息。
3.根据权利要求2所述的方法，其特征在于，所述对所述网络信息进行分析，并提取含有所述目标政企之名称的目标语句和评论所述目标政企的评论语句，以得到目标信息的步骤包括：
对所述网络信息中的语句进行分析，以确定所述目标政企是够为所述语句的评论对象；
若所述目标政企是所述语句的评论对象，则确定所述语句为有效语句；
若所述目标政企不是所述语句的评论对象，则确定所述语句为无效语句，并丢弃所述无效语句；
对所述有效语句进行语句分类提取，得到含有所述目标政企之名称的目标语句和评论所述目标政企的评论语句；
将所述目标语句和所述评论语句的集合作为目标信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述带有情感分类标签的目标信息和所述评论统计数据获取新闻支持度的步骤包括：
当所述带有情感分类标签的目标信息为新闻信息时，统计当前周期内所述新闻信息的情感分类标签数量，得到来自每一个新闻网站的新闻信息总数、支持类新闻信息数量及中立类新闻信息数量；
根据所述新闻信息总数、所述支持类新闻信息数量、所述中立类新闻信息数量以及所述评论统计数据中与所述新闻信息对应的评论统计数据计算目标政企的新闻信息热度值、支持类新闻信息热度值、中立类新闻信息热度值；
根据所述新闻信息热度值、所述支持类新闻信息热度值、所述中立类新闻信息热度值以及上一周期的新闻支持度，计算当前周期的新闻支持度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述带有情感分类标签的目标信息和所述评论统计数据获取社交媒体支持度的步骤包括：
当所述带有情感分类标签的目标信息为社交媒体信息，且所述社交媒体信息包括官方社交媒体信息和非官方社交媒体信息时，统计当前周期内所述社交媒体信息的情感分类标签数量，得到来自每一个社交媒体的社交媒体信息总数、支持类社交媒体信息数量及中立类社交媒体信息数量；
根据所述社交媒体信息总数、所述支持类社交媒体信息数量、所述中立类社交媒体信息数量以及所述评论统计数据中与所述社交媒体信息对应的评论统计数据计算目标政企的社交媒体信息热度值、支持类社交媒体信息热度值、中立类社交媒体信息热度值；
根据所述评论统计数据中与所述官方社交媒体信息对应的评论统计数据获取当前周期的第一情感倾向；
根据所述社交媒体信息热度值、所述支持类社交媒体信息热度值、所述中立类社交媒体信息热度值以及上一周期所确定的第二情感倾向获取当前周期的第二情感倾向；
根据所述第一情感倾向和所述当前周期的第二情感倾向获取社交媒体支持度。
6.根据权利要求1所述的方法，其特征在于，所述根据所述带有情感分类标签的目标信息和所述评论统计数据获取网络影响度的步骤包括：
当所述带有情感分类标签的目标信息为所述社交媒体信息和所述新闻信息时，分别统计当前周期内所述社交媒体信息的情感分类标签总数量和所述新闻信息的情感分类标签总数量，得到社交媒体信息总数和新闻信息总数；
根据所述新闻媒体信息总数和所述评论统计数据中与所述新闻信息对应的评论统计数据获取新闻信息热度值；
根据所述新闻信息热度值、所述社交媒体信息总数以及所述评论统计数据中与所述社交媒体信息对应的评论统计数据获取所述目标政企的网络热度值；
根据所述网络热度值和前一周期的网络影响度获取当前周期的网络影响度。
7.根据权利要求1所述的方法，其特征在于，所述根据所述新闻支持度、所述社交媒体支持度及所述网络影响度获取所述目标政企的网络支持度的步骤具体为：
基于量化计算规则，对所述新闻支持度、所述社交媒体支持度及所述网络影响度进行量化计算以得到所述目标政企的网络支持度。
8.一种政企网络支持度的计算装置，其特征在于，包括：
信息获取模块，用于从网络获取与目标政企对应的网络信息和对应所述网络信息的评论统计数据，并从所述网络信息提取目标信息，所述目标信息包括含有所述目标政企之名称的语句和评论所述目标政企的评论语句；
情感标记模块，用于根据预设情感分析模型分析所述目标信息的情感倾向，并根据所述情感倾向对所述目标信息进行情感标记，以得到带有情感分类标签的目标信息；
第一获取模块，用于根据所述带有情感分类标签的目标信息和所述评论统计数据获取新闻支持度、社交媒体支持度以及网络影响度；
第二获取模块，用于根据所述新闻支持度、所述社交媒体支持度及所述网络影响度获取所述目标政企的网络支持度。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述一种政企网络支持度的计算方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述一种政企网络支持度的计算方法的步骤。
CN202011429688.7A 2020-12-09 2020-12-09 一种政企网络支持度的计算方法、装置、设备及存储介质 Active CN112559743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011429688.7A CN112559743B (zh) 2020-12-09 2020-12-09 一种政企网络支持度的计算方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011429688.7A CN112559743B (zh) 2020-12-09 2020-12-09 一种政企网络支持度的计算方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112559743A true CN112559743A (zh) 2021-03-26
CN112559743B CN112559743B (zh) 2024-02-13

Family

ID=75060776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011429688.7A Active CN112559743B (zh) 2020-12-09 2020-12-09 一种政企网络支持度的计算方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112559743B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111269A (zh) * 2021-05-10 2021-07-13 网易（杭州）网络有限公司 数据处理方法、装置、计算机可读存储介质及电子设备
CN113220837A (zh) * 2021-05-12 2021-08-06 深圳市网联安瑞网络科技有限公司 实体活动参与人的网络空间行为监测与分析方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016071394A (ja) * 2014-09-26 2016-05-09 日本電信電話株式会社 感動情報提供装置、感動情報提供方法、および、感動情報提供プログラム
CN106951409A (zh) * 2017-03-17 2017-07-14 黄淮学院 一种网络社交媒体观点倾向性分析系统及方法
CN108256016A (zh) * 2018-01-08 2018-07-06 合肥工业大学 基于个人微博的个人异常情绪检测方法及装置
CN108268669A (zh) * 2018-04-12 2018-07-10 中国计量大学 一种基于多维词句特征和情感分析的关键新词发现方法
CN108491377A (zh) * 2018-03-06 2018-09-04 中国计量大学 一种基于多维度信息融合的电商产品综合评分方法
CN108764617A (zh) * 2018-04-13 2018-11-06 北京理工大学 一种网络环境下企业声誉评价方法
US20190287142A1 (en) * 2018-02-12 2019-09-19 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus for evaluating review, device and storage medium
CN110516245A (zh) * 2019-08-27 2019-11-29 蓝盾信息安全技术股份有限公司 细粒度情感分析方法、装置、计算机设备及存储介质
CN110727713A (zh) * 2019-10-16 2020-01-24 杜泽壮 时政新闻的传播指数查询方法、装置以及存储介质
CN110990564A (zh) * 2019-11-19 2020-04-10 北京信息科技大学 一种基于情感计算与多头注意力机制的负面新闻识别方法
CN111241290A (zh) * 2020-01-19 2020-06-05 车智互联（北京）科技有限公司 一种评论标签生成方法、装置和计算设备
CN111353044A (zh) * 2020-03-09 2020-06-30 重庆邮电大学 一种基于评论的情感分析方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016071394A (ja) * 2014-09-26 2016-05-09 日本電信電話株式会社 感動情報提供装置、感動情報提供方法、および、感動情報提供プログラム
CN106951409A (zh) * 2017-03-17 2017-07-14 黄淮学院 一种网络社交媒体观点倾向性分析系统及方法
CN108256016A (zh) * 2018-01-08 2018-07-06 合肥工业大学 基于个人微博的个人异常情绪检测方法及装置
US20190287142A1 (en) * 2018-02-12 2019-09-19 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus for evaluating review, device and storage medium
CN108491377A (zh) * 2018-03-06 2018-09-04 中国计量大学 一种基于多维度信息融合的电商产品综合评分方法
CN108268669A (zh) * 2018-04-12 2018-07-10 中国计量大学 一种基于多维词句特征和情感分析的关键新词发现方法
CN108764617A (zh) * 2018-04-13 2018-11-06 北京理工大学 一种网络环境下企业声誉评价方法
CN110516245A (zh) * 2019-08-27 2019-11-29 蓝盾信息安全技术股份有限公司 细粒度情感分析方法、装置、计算机设备及存储介质
CN110727713A (zh) * 2019-10-16 2020-01-24 杜泽壮 时政新闻的传播指数查询方法、装置以及存储介质
CN110990564A (zh) * 2019-11-19 2020-04-10 北京信息科技大学 一种基于情感计算与多头注意力机制的负面新闻识别方法
CN111241290A (zh) * 2020-01-19 2020-06-05 车智互联（北京）科技有限公司 一种评论标签生成方法、装置和计算设备
CN111353044A (zh) * 2020-03-09 2020-06-30 重庆邮电大学 一种基于评论的情感分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭宇;王晰巍;李师萌;王楠阿雪;: "基于情感分析的社会网络用户影响力模型研究", 情报学报, no. 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111269A (zh) * 2021-05-10 2021-07-13 网易（杭州）网络有限公司 数据处理方法、装置、计算机可读存储介质及电子设备
CN113220837A (zh) * 2021-05-12 2021-08-06 深圳市网联安瑞网络科技有限公司 实体活动参与人的网络空间行为监测与分析方法及系统

Also Published As

Publication number Publication date
CN112559743B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Urbaczewski et al. Information Technology and the pandemic: a preliminary multinational analysis of the impact of mobile tracking technology on the COVID-19 contagion control
Zheludev et al. When can social media lead financial markets?
US10268960B2 (en) Information recommendation method, apparatus, and server based on user data in an online forum
WO2021047326A1 (zh) 信息推荐方法、装置、计算机设备和存储介质
US20150095267A1 (en) Techniques to dynamically generate real time frequently asked questions from forum data
US20170063913A1 (en) Method, apparatus and system for detecting fraudulant software promotion
US9477644B1 (en) Identifying referral pages based on recorded URL requests
CN111192153B (zh) 人群关系网络构建方法、装置、计算机设备和存储介质
US9245035B2 (en) Information processing system, information processing method, program, and non-transitory information storage medium
CN112559743A (zh) 一种政企网络支持度的计算方法、装置、设备及存储介质
CN111143654B (zh) 辅助识别爬虫的、爬虫识别方法、装置及电子设备
CN111967914A (zh) 基于用户画像的推荐方法、装置、计算机设备和存储介质
Rodrigues Barbosa et al. Characterizing the effectiveness of twitter hashtags to detect and track online population sentiment
CN111612610A (zh) 风险预警方法及系统、电子设备及存储介质
CN110110219B (zh) 根据网络行为确定用户偏好的方法及装置
CN109522495B (zh) 数据分析方法、装置、计算机设备和存储介质
CN111339438A (zh) 好友关系数据处理方法、服务器、终端设备及存储介质
Weiß Fully observed INAR (1) processes
Jiang et al. What prompts users to click on news headlines? A clickstream data analysis of the effects of news recency and popularity
CN111046240A (zh) 网关流量统计方法、装置、计算机设备和存储介质
CN113344469B (zh) 欺诈识别方法、装置、计算机设备及存储介质
CN115640486A (zh) 基于多源数据融合的网络新闻媒体影响力评估方法及装置
CN112784058B (zh) 一种基于动态图谱的实体相关性获取方法
CN110825976B (zh) 网站页面的检测方法、装置、电子设备及介质
CN110309421B (zh) 一种ugc内容质量评估方法、装置及电子设备

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