CN112711651A - 一种舆情监测方法及系统 - Google Patents
一种舆情监测方法及系统 Download PDFInfo
- Publication number
- CN112711651A CN112711651A CN202011605812.0A CN202011605812A CN112711651A CN 112711651 A CN112711651 A CN 112711651A CN 202011605812 A CN202011605812 A CN 202011605812A CN 112711651 A CN112711651 A CN 112711651A
- Authority
- CN
- China
- Prior art keywords
- public opinion
- rule
- judgment
- information
- reputation risk
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 16
- 238000007620 mathematical function Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 42
- 238000011835 investigation Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010206 sensitivity analysis 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer And Data Communications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种舆情监测方法及系统，基于舆情判别规则判断已订阅的特定舆情监测对象的舆情信息是否包含潜在声誉风险事件并进行记录，未通过机器自动判断的进行人工甄别，若包含，对潜在声誉风险事件进行后续处理，基于后续处理过程生成的数据构造建模数据集并更新舆情判别规则，基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。通过上述方案，对监测出的潜在声誉风险事件进行人工甄别分析、处置等后续处理，将后续处理过程生成的数据构造建模数据集更新舆情辨别规则并继续判断接收到的已订阅的特定舆情监测对象的舆情信息，使得对舆情辨别规则进行改进，提高舆情管理分析的准确性，准确监测出潜在声誉风险事件。
Description
技术领域
本发明涉及舆情管理技术领域，更具体地说，涉及一种舆情监测方法及系统。
背景技术
舆情监测是指整合互联网信息采集技术及信息智能处理技术，通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握群众思想动态，做出正确舆论引导，提供分析依据。舆情监测应用于舆情检测系统。
现有的舆情监测系统基于特定业务知识的差异，对特定行业的舆情的管理分析存在业务上的理解偏差，难以构建管理分析的判别规则；现有的舆情监测系统所收集到的舆情数据本身并不一定包含完整的信息，且舆情数据所包含的信息不一定真实；基于目前的自然语言处理技术，使得现有的舆情监测系统对语言的理解能力还处于较低水平。
由此可知，现有的舆情监测系统对特定行业的舆情管理分析存在准确性低，不能准确监测出潜在声誉风险事件的问题。
发明内容
有鉴于此，本发明实施例公开了一种舆情监测方法及系统，对舆情辨别规则进行改进，提高舆情管理分析的准确性，从而准确监测出潜在声誉风险事件。
为了实现上述目的，本发明实施例公开的技术内容如下：
本发明第一方面公开了一种舆情监测方法，所述方法包括：
接收已订阅的特定舆情监测对象的舆情信息，所述舆情信息可以包括舆情分析结果；
基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录；
若所述舆情信息包含潜在声誉风险事件，对所述潜在声誉风险事件进行后续处理；
基于所述事件、所述判别记录及所述后续处理过程中进行修订生成的数据构建建模数据集，通过所述建模数据集对所述舆情判别规则进行更新操作，并基于所述更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
优选的，订阅所述特定舆情监测对象的舆情信息的过程包括：
确定特定舆情监测对象的主监控词、搭配词和过滤词；
将所述主监控词、所述搭配词和所述过滤词进行组合，生成辨识规则；
基于所述辨识规则订阅所述特定舆情监测对象的舆情信息。
优选的，所述基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件，包括：
利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则；
判断所述舆情信息与所述舆情判别规则左侧是否匹配；
若所述舆情信息与所述舆情判别规则左侧匹配，则基于所述舆情判别规则右侧，确定所述舆情信息包含潜在声誉风险事件与否。
优选的，所述利用预设的文本匹配运算规则定义舆情判别规则左侧的过程，包括：
设置文本匹配运算规则，所述文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配；
基于所述正则表达式匹配、所述记号正则表达式匹配和所述主选滤三元关键词组匹配对所述舆情分析结果进行定义，得到文本匹配结果。
优选的，利用预设的内置函数规则定义舆情判别规则左侧的过程，包括：
设置内置函数规则，所述内置函数规则包括数学函数和日期函数；
基于所述数学函数和所述日期函数对所述舆情分析结果进行定义，得到函数匹配结果。
优选的，所述通过所述建模数据集对所述舆情判别规则进行更新操作，包括：
基于所述建模数据集对所述舆情信息进行声誉风险判断，并生成判断结果，所述判断结果包括正确判断结果或者错误判断结果；
将所述判断结果的特征更新所述舆情判别规则所对应的规则库。
本发明第二方面公开了一种舆情监测系统，所述系统包括：
接收单元，用于接收已订阅的特定舆情监测对象的舆情信息，所述舆情信息可以包括舆情分析结果；
判断单元，用于基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录；
处理单元，用于若所述舆情信息包含潜在声誉风险事件，对所述潜在声誉风险事件进行后续处理；
更新单元，用于基于所述事件、所述判别记录及所述后续处理过程中进行修订生成的数据构建建模数据集，通过所述建模数据集对所述舆情判别规则进行更新操作，并基于所述更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
优选的，订阅所述特定舆情监测对象的舆情信息的过程的所述接收单元，包括：
第一确定模块，用于确定特定舆情监测对象的主监控词、搭配词和过滤词；
生成模块，用于将所述主监控词、所述搭配词和所述过滤词进行组合，生成辨识规则；
订阅模块，用于基于所述辨识规则订阅所述特定舆情监测对象的舆情信息。
优选的，所述判断单元，包括：
定义模块，用于利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则；
判断模块，用于判断所述舆情信息与所述舆情判别规则左侧是否匹配；
第二确定模块，用于若所述舆情信息与所述舆情判别规则左侧匹配，则基于所述舆情判别规则右侧，确定所述舆情信息包含潜在声誉风险事件与否。
优选的，利用预设的文本匹配运算规则定义所述舆情判别规则左侧的过程的所述定义模块，包括：
第一设置子模块，用于设置文本匹配运算规则，所述文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配；
第一定义子模块，用于基于所述正则表达式匹配、所述记号正则表达式匹配和所述主选滤三元关键词组匹配对所述舆情分析结果进行定义，得到文本匹配结果。
经由上述技术方案可知，基于舆情判别规则判断已订阅的特定舆情监测对象的舆情信息是否包含潜在声誉风险事件并进行记录，未通过机器自动判断的进行人工甄别，若包含，对潜在声誉风险事件进行后续处理，基于后续处理过程生成的数据构造建模数据集并更新舆情判别规则，基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。通过上述方案，对监测出的潜在声誉风险事件进行人工甄别分析、处置等后续处理，将后续处理过程生成的数据构造建模数据集更新舆情辨别规则并继续判断接收到的已订阅的特定舆情监测对象的舆情信息，使得对舆情辨别规则进行改进，提高舆情管理分析的准确性，准确监测出潜在声誉风险事件。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种舆情监测方法的流程示意图；
图2为本发明实施例公开的订阅特定舆情监测对象的舆情信息的过程的流程示意图；
图3为本发明实施例公开的基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件的过程的流程示意图；
图4为本发明实施例公开的利用预设的文本匹配运算规则定义舆情判别规则左侧的过程的流程示意图；
图5为本发明实施例公开的利用预设的内置函数规则定义舆情判别规则左侧的过程的流程示意图；
图6为本发明实施例公开的通过建模数据集对舆情判别规则进行更新操作的过程的流程示意图；
图7为本发明实施例公开的一种舆情监测系统的结构示意图。
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他实施例，都属于本发明保护的范围。
在本申请中，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知，现有的舆情监测系统对特定行业的舆情管理分析存在准确性低，不能准确监测出潜在声誉风险事件的问题。
为了解决该问题，本发明实施例公开了一种舆情监测方法及系统，对监测出的潜在声誉风险事件进行人工甄别分析、处置等后续处理，将后续处理过程生成的数据构造建模数据集更新舆情辨别规则并继续判断接收到的已订阅的特定舆情监测对象的舆情信息，使得对舆情辨别规则进行改进，提高舆情管理分析的准确性，准确监测出潜在声誉风险事件。具体实现方式通过下述实施例具体进行说明。
如图1所示，为本发明实施例公开的一种舆情监测方法的流程示意图，该舆情监测方法主要包括如下步骤：
步骤S101：接收已订阅的特定舆情监测对象的舆情信息，舆情信息可以包括舆情分析结果。
在步骤S101的过程中，通过舆情监测工具的应用程序接口(ApplicationProgramming Interface，API)订阅特定的舆情监测对象的舆情信息。
舆情监测工具可以是新浪舆情通、百度舆情平台等，具体舆情监测工具的确定根据实际情况进行选取，本发明不做具体限定。
特定舆情监测对象可以是特定的企业、集团、个人等等。
需要说明的是，舆情信息包括舆情的发布者、任务中的相似文章数量、情感倾向分析(有些外部舆情监测系统称为敏感性分析)结果、任务id、文章标题、原文地址、文章发布的时间(如果网页上没有发布时间，则表示数据抓取时间)、摘要提取结果(一般是一小段文本)、文章正文、内容来源(例如“百度贴吧”、“新浪微博”)、媒体类型(包括新闻、微博、微信、论坛、博客、网页等)、任务中相似文章列表等等。
步骤S102：基于舆情判别规则对舆情信息进行判别并记录，得到事件及判别记录，若舆情信息包含潜在声誉风险事件，则执行步骤S103，若舆情信息包含非潜在声誉风险事件，则执行步骤S105，若无法判别舆情信息是否包含潜在声誉风险事件，则执行步骤S104。
在步骤S102的过程中，通过舆情判别规则对API推送回的舆情信息进行自动化计算，判断舆情信息是否包含潜在声誉风险事件。
通过规则编辑器来维护舆情判别规则，舆情判别规则包括排除规则和选出规则，与排除规则匹配的舆情信息不包含潜在声誉风险事件，与选取规则匹配的舆情信息包含潜在声誉风险事件。
从舆情信息中判别出潜在声誉风险事件，还可以根据API推送回来的特定舆情监测对象的舆情信息结合舆情之外的数据，如将舆情信息与特定企业、集团内部维护的投诉、举报、诉讼、监管调查等数据进行比对，判别舆情信息是否可能涉及近期的投诉、举报、诉讼、监管调查等事件，若舆情信息涉及近期的投诉、举报、诉讼、监管调查等事件，确定舆情信息包含潜在声誉风险事件。
从舆情信息中判别出潜在声誉风险事件，根据API推送回来的特定舆情监测对象的舆情信息，以及结合行业、企业特定的业务知识，监管要求、行业协会规则等，将监管要求、行业协会规则等编辑到潜在声誉风险事件监测的规则库中去判断舆情信息是否潜在声誉风险事件。
潜在声誉风险事件是指潜在的负面舆情信息。
可选的，若无法基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件，可随着时间的推移继续基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件，或者通过人工对舆情信息进行甄别是否包含潜在声誉风险事件。
步骤S103：对潜在声誉风险事件进行后续处理，后续处理包括人工甄别处理和其他后续处理。
在步骤S103中，其他后续处理包括分级分类、报告、决策、处置等。
在其他后续处理过程中根据后续调查的处理情况来决定是否对记录的潜在声誉风险事件进行修订。若在后续处理过程中，通过人工甄别、报告、处置等处理操作后，确定所记录的舆情信息为潜在声誉风险事件，则不对记录的潜在声誉风险事件的舆情信息进行修订。
若在后续处理过程中，通过人工调查、报告等处理操作，确定所记录的潜在声誉风险事件的舆情信息为非潜在声誉风险事件，对记录的潜在声誉风险事件的舆情信息进行修订，将所记录的包含潜在声誉风险事件的舆情信息修改为非潜在声誉风险事件的舆情信息。
后续处理过程生成的数据用于对潜在声誉风险事件监测的建模数据集进行构建。
在执行完步骤S103后，执行步骤S106。
步骤S104：对无法判别的舆情信息进行人工甄别处理，若人工甄别处理的结果指示舆情信息包含潜在声誉风险事件，则返回执行步骤S103，若人工甄别处理结果指示舆情信息包含非潜在声誉风险事件，则执行步骤S105。
步骤S105：对非潜在声誉风险事件进行记录。
在步骤S105中，非潜在声誉风险事件是指正面舆情信息或者中性的舆情信息。
在执行完步骤S105后，执行步骤S106。
步骤S106：基于事件、判别记录及后续处理过程中进行修订生成的数据构建建模数据集，通过建模数据集对舆情判别规则进行更新操作，并基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息，建模数据集包括潜在声誉风险事件和非潜在声誉风险事件。
在具体实现步骤S106中，事件记录的过程包括对潜在声誉风险事件进行记录和对非潜在声誉风险事件进行记录。
通过对建模数据集进行统计和分析，得到误判的舆情信息的特征，通过该误判的舆情信息的特征更新舆情判别规则对应的规则库。
通过上述后续处理过程中得到的舆情信息即为真实、可靠的数据，因此基于后续处理过程中生成的数据构建建模数据集。
该舆情监测方法可应用于客户端和服务器，具体过程如下：
首先，服务器接收已订阅的特定舆情监测对象的舆情信息，基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录，若舆情信息包含潜在声誉风险事件，发送包含潜在声誉风险事件的舆情信息至客户端。
然后，客户端对潜在声誉风险事件进行后续处理，将后续处理过程所生成的数据发送至服务器。
最后，服务器基于事件、判别记录及后续处理过程中进行修订生成的数据构建建模数据集，通过建模数据集对舆情判别规则进行更新操作，并基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
本发明实施例中公开了一种舆情监测方法，通过对监测出的潜在声誉风险事件进行人工甄别分析、处置等后续处理，将后续处理过程生成的数据构造建模数据集更新舆情辨别规则并继续判断接收到的已订阅的特定舆情监测对象的舆情信息，使得对舆情辨别规则进行改进，提高舆情管理分析的准确性，准确监测出潜在声誉风险事件。
在上述步骤S101中涉及到订阅特定舆情监测对象的舆情信息的过程，如图2所示，具体包括如下步骤：
步骤S201：确定特定舆情监测对象的主监控词、搭配词和过滤词。
在步骤S201中，主监控词是不可或缺；搭配词，是为了满足组合关键词设计的。抓取的内容一定包含监控词，和任意一个搭配词，并不会包含排除词；过滤词为预先设置的一些敏感词汇。
为了方便理解确定特定舆情监测对象的主监控词和搭配词的过程，这里举例进行说明：
例如，主监控词设置了"A"和"B"，搭配词设置了"C"和"D"，最终监测的任务关键词为：“A+C”、“A+D”、“B+C”和“B+D”四组关键词组合。设置主监控词为“开放区”，搭配词是“住宅”和“大厦”，则会抓取包含“开放区+住宅”“开放区+大厦”的舆情，而不会抓取仅包含“开发”、“开发区”的舆情。
步骤S202：将主监控词、搭配词和过滤词进行组合，生成辨识规则。
在步骤S202中，辨识规则用于订阅特定舆情监测对象的舆情信息。
通过主监控词、搭配词和过滤词的组合，生成辨识规则，构建一系列任务，如覆盖公司/分支机构的辨识关键词(组)、产品的辨识关键词(组)、知识产权的辨识关键词(组)、董监高等的辨识关键词(组)等。
进一步的，基于主监控次、搭配次和过滤词的组合，生成辨识规则，构建一系列任务，如监控公司/分支机构的辨识关键词(组)、产品的辨识关键词(组)、知识产权的辨识关键词(组)、董监高等的信息变更，通过增加辨识规则自动调整，及时调整舆情订阅任务。
步骤S203：基于辨识规则订阅特定舆情监测对象的舆情信息。
本发明实施例中，通过将特定舆情监测对象的主监控词、搭配词和过滤词进行组合，生成辨识规则，基于辨识规则订阅特定舆情监测对象的舆情信息，实现订阅特定舆情监测对象的舆情信息的目的。
在上述步骤S102涉及到基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件的过程，如图3所示，具体包括如下步骤：
步骤S301：利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则。
在步骤S301中，舆情判别规则右侧包括包含潜在声誉风险事件的判别规则和未包含声誉风险事件的判别规则。为了便于对潜在声誉风险事件进行修订处理，维护舆情判别规则的执行顺序，依次利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则的执行顺序，按照该执行顺序执行对舆情分析结果进行信息匹配。
一般来说，舆情判别规则＝{规则ID|规则名称|规则描述|规则表达式|规则效果}，规则效果＝{排除/选出}。
为了支持舆情判别规则的定义，可以将规则表达式确定为一个逻辑表达式，支持与/或/非的逻辑运算、大于/小于/等于等比较运算、包含/匹配等文本匹配运算、取数占位符、内置函数和自定义函数。
文本匹配运算包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配。
取数占位符是一个记号，取数占位符代表舆情订阅API返回的某个域，比如用${正文}代表舆情数据的正文；取数占位符代表舆情中原文地址所指向的资源(通常是网页)中可以进一步获得的最新信息，比如用${转发数}微博或其他类似媒体中舆情的转发数；取数占位符内部某个数据源中的数据，比如用${数据源名称|字段名称}来表示给定数据源名称中的给定字段名称的值(如果是多个值，则规则自动被遍历多次)，如果同一个数据源被多处取值，则需要保持每次取值时来自该数据源的同一行。为了便于扩展，可以引入自定义数据源功能，注册数据源的名称和字段。
设置取数占位符规则，基于取数占位符规则对舆情分析结果进行匹配，得到占位符匹配结果，通过占位符匹配结果对舆情分析结果进行信息匹配来确定舆情信息是否包含潜在声誉风险事件，当通过该占位符匹配结果匹配舆情分析结果得到潜在声誉风险事件时，确定舆情信息包含潜在声誉风险事件，当通过该占位符匹配结果匹配舆情分析结果未得到潜在声誉风险事件时，确定舆情信息未包含潜在声誉风险事件。
自定义函数通常是为了表达某些比较复杂的规则而由用户开发定义并注册到系统中的函数。
步骤S302：判断舆情信息与舆情判别规则左侧是否匹配，若舆情信息与舆情判别规则左侧匹配，则执行步骤S303，若舆情信息与舆情判别规则左侧不匹配，则执行步骤S304。
其中，舆情判别规则左侧为条件判别规则，只有当舆情信息与判别规则左侧匹配时，才执行对舆情信息是否包含潜在声誉风险事件的判断。
步骤S303：基于舆情判别规则右侧，确定舆情信息包含潜在声誉风险事件与否。
在步骤S303中，若舆情信息包含舆情判别规则右侧中潜在声誉风险事件，确定舆情信息包含潜在声誉风险事件，若舆情信息未包含舆情判别规则右侧中潜在声誉风险事件，确定舆情信息未包含潜在声誉风险事件。
步骤S304：对舆情信息执行人工甄别操作。
可选的，若舆情信息与舆情判别规则左侧不匹配，通过时间的推移继续判断舆情信息与舆情判别规则左侧是否匹配。
本发明实施例中，利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则，定义舆情判别规则得到舆情判别规则左侧和舆情判别规则右侧，通过舆情判别规则左侧和舆情判别规则右侧对舆情信息进行判别，实现判断舆情信息是否包含潜在声誉风险事件的目的。
在上述步骤S301中涉及到利用预设的文本匹配运算规则定义舆情判别规则左侧的过程，如图4所示，具体包括如下步骤：
步骤S401：设置文本匹配运算规则，文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配。
其中，正则表达式匹配用于检索、替换符合文本匹配运算规则的文本。
记号正则表达式匹配，是指用类似斯坦福自然语言处理工具中的记号正则表达式来设置测试规则测试文本。
主选滤三元关键词组匹配，是指包含主关键词、选配关键词和过滤关键词的三组关键词的匹配规则。
步骤S402：基于正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配对舆情分析结果进行定义，得到文本匹配结果。
在步骤S402中，通过文本匹配结果对舆情分析结果进行信息匹配来确定舆情信息是否包含潜在声誉风险事件。
本发明实施例中，设置文本匹配运算规则，基于文本匹配运算规则中的正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配对舆情分析结果进行定义，得到文本匹配结果，实现通过文本匹配结果对舆情分析结果进行信息匹配来确定舆情信息是否包含潜在声誉风险事件的目的。
在上述步骤S301中涉及到利用预设的内置函数规则定义舆情判别规则左侧的过程，如图5所示，具体包括如下步骤：
步骤S501：设置内置函数规则，内置函数规则包括数学函数和日期函数。
在步骤S601中，内置函数规则通常为数学函数和日期函数等，如Ln(表达式)、Today(表达式)等。
步骤S502：基于数学函数和日期函数对舆情分析结果进行定义，得到函数匹配结果。
在步骤S502中，通过函数匹配结果对舆情分析结果进行定义得到函数匹配结果，当通过该函数匹配结果匹配舆情分析结果得到潜在声誉风险事件时，确定舆情信息包含潜在声誉风险事件，当通过该函数匹配结果匹配舆情分析结果未得到潜在声誉风险事件时，确定舆情信息未包含潜在声誉风险事件。
本发明实施例中，设置自定义函数规则，自定义函数规则包括数学函数和日期函数，基于数学函数和日期函数对舆情分析结果进行定义，实现得到函数匹配结果的目的。
在上述步骤S106中涉及到通过建模数据集对舆情判别规则进行更新操作的过程，如图6所示，具体包括如下步骤：
步骤S601：基于建模数据集对舆情信息进行声誉风险判断，并生成判断结果，判断结果包括正确判断结果或者错误判断结果。
在步骤S601中，利用建模数据集进行机器学习，基于机器学习的建模数据集对舆情信息进行判断，并将机器学习模型判断的结果作为舆情判别规则的规则库中的组成部分。例如，增加函数获取机器学习结果，并将该机器学习结果作为舆情判别规则的规则库中的组成部分，其中组成部分用与/或逻辑运算符连接。
步骤S602：将判断结果的特征更新舆情判别规则所对应的规则库。
在步骤S602中，基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
本发明实施例中，基于建模数据集对舆情信息进行声誉风险判断，并生成判断结果，将判断结果的特征更新舆情判别规则所对应的规则库，实现基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息的目的。
基于上述实施例图1公开的一种舆情监测方法，本发明实施例还对应公开了一种舆情监测系统的结构示意图，如图7所示，该舆情监测系统主要包括：
接收单元701，用于接收已订阅的特定舆情监测对象的舆情信息，舆情信息可以包括舆情分析结果。
判断单元702，用于基于舆情判别规则判断舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录。
处理单元703，用于若舆情信息包含潜在声誉风险事件，对潜在声誉风险事件进行后续处理。
更新单元704，用于基于事件、判别记录及后续处理过程中进行修订生成的数据构建建模数据集，通过建模数据集对舆情判别规则进行更新操作，并基于更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
进一步的，订阅特定舆情监测对象的舆情信息的过程的接收单元701包括：
第一确定模块，用于确定特定舆情监测对象的主监控词、搭配词和过滤词。
生成模块，用于将主监控词、搭配词和过滤词进行组合，生成辨识规则。
订阅模块，用于基于辨识规则订阅特定舆情监测对象的舆情信息。
进一步的，判断单元702，包括：
定义模块，用于利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则。
判断模块，用于判断舆情信息与舆情判别规则左侧是否匹配。
第二确定模块，用于若舆情信息与舆情判别规则左侧匹配，则基于舆情判别规则右侧，确定舆情信息包含潜在声誉风险事件与否。
进一步的，利用预设的文本匹配运算规则定义舆情判别规则左侧的过程的定义模块，包括：
第一设置子模块，用于设置文本匹配运算规则，文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配。
第一定义子模块，用于基于正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配对舆情分析结果进行定义，得到文本匹配结果。
进一步的，利用预设的内置函数规则定义舆情判别规则左侧的过程的定义模块，包括：
第二设置子模块，用于设置内置函数规则，内置函数规则包括数学函数和日期函数。
第二定义子模块，用于基于数学函数和日期函数对舆情分析结果进行定义，得到函数匹配结果。
进一步的，通过建模数据集对舆情判别规则进行更新操作的更新单元704，包括：
生成模块，用于基于建模数据集对所述舆情信息进行声誉风险判断，并生成判断结果，判断结果包括正确判断结果或者错误判断结果；
更新模块，用于将判断结果的特征更新舆情判别规则所对应的规则库。
本发明实施例公开了一种舆情监测系统，通过对监测出的潜在声誉风险事件进行人工甄别分析、处置等后续处理，将后续处理过程生成的数据构造建模数据集更新舆情辨别规则并继续判断接收到的已订阅的特定舆情监测对象的舆情信息，使得对舆情辨别规则进行改进，提高舆情管理分析的准确性，准确监测出潜在声誉风险事件。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，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。
本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种舆情监测方法，其特征在于，所述方法包括：
接收已订阅的特定舆情监测对象的舆情信息，所述舆情信息可以包括舆情分析结果；
基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录；
若所述舆情信息包含潜在声誉风险事件，对所述潜在声誉风险事件进行后续处理；
基于所述事件、所述判别记录及所述后续处理过程中进行修订生成的数据构建建模数据集，通过所述建模数据集对所述舆情判别规则进行更新操作，并基于所述更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
2.根据权利要求1所述的方法，其特征在于，订阅所述特定舆情监测对象的舆情信息的过程包括：
确定特定舆情监测对象的主监控词、搭配词和过滤词；
将所述主监控词、所述搭配词和所述过滤词进行组合，生成辨识规则；
基于所述辨识规则订阅所述特定舆情监测对象的舆情信息。
3.根据权利要求1所述的方法，其特征在于，所述基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件，包括：
利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则；
判断所述舆情信息与所述舆情判别规则左侧是否匹配；
若所述舆情信息与所述舆情判别规则左侧匹配，则基于所述舆情判别规则右侧，确定所述舆情信息包含潜在声誉风险事件与否。
4.根据权利要求3所述的方法，其特征在于，所述利用预设的文本匹配运算规则定义舆情判别规则左侧的过程，包括：
设置文本匹配运算规则，所述文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配；
基于所述正则表达式匹配、所述记号正则表达式匹配和所述主选滤三元关键词组匹配对所述舆情分析结果进行定义，得到文本匹配结果。
5.根据权利要求3所述的方法，其特征在于，利用预设的内置函数规则定义舆情判别规则左侧的过程，包括：
设置内置函数规则，所述内置函数规则包括数学函数和日期函数；
基于所述数学函数和所述日期函数对所述舆情分析结果进行定义，得到函数匹配结果。
6.根据权利要求1所述的方法，其特征在于，所述通过所述建模数据集对所述舆情判别规则进行更新操作，包括：
基于所述建模数据集对所述舆情信息进行声誉风险判断，并生成判断结果，所述判断结果包括正确判断结果或者错误判断结果；
将所述判断结果的特征更新所述舆情判别规则所对应的规则库。
7.一种舆情监测系统，其特征在于，所述系统包括：
接收单元，用于接收已订阅的特定舆情监测对象的舆情信息，所述舆情信息可以包括舆情分析结果；
判断单元，用于基于舆情判别规则判断所述舆情信息是否包含潜在声誉风险事件并进行记录，得到事件及判别记录；
处理单元，用于若所述舆情信息包含潜在声誉风险事件，对所述潜在声誉风险事件进行后续处理；
更新单元，用于基于所述事件、所述判别记录及所述后续处理过程中进行修订生成的数据构建建模数据集，通过所述建模数据集对所述舆情判别规则进行更新操作，并基于所述更新后的舆情判别规则继续判断接收到的已订阅的特定舆情监测对象的舆情信息。
8.根据权利要求7所述的系统，其特征在于，订阅所述特定舆情监测对象的舆情信息的过程的所述接收单元，包括：
第一确定模块，用于确定特定舆情监测对象的主监控词、搭配词和过滤词；
生成模块，用于将所述主监控词、所述搭配词和所述过滤词进行组合，生成辨识规则；
订阅模块，用于基于所述辨识规则订阅所述特定舆情监测对象的舆情信息。
9.根据权利要求7所述的系统，其特征在于，所述判断单元，包括：
定义模块，用于利用预设的文本匹配运算规则、预设的取数占位符规则和预设的内置函数规则定义舆情判别规则左侧，舆情判别规则右侧指示包括包含潜在声誉风险事件的判别规则还是未包含声誉风险事件的判别规则；
判断模块，用于判断所述舆情信息与所述舆情判别规则左侧是否匹配；
第二确定模块，用于若所述舆情信息与所述舆情判别规则左侧匹配，则基于所述舆情判别规则右侧，确定所述舆情信息包含潜在声誉风险事件与否。
10.根据权利要求9所述的系统，其特征在于，利用预设的文本匹配运算规则定义所述舆情判别规则左侧的过程的所述定义模块，包括：
第一设置子模块，用于设置文本匹配运算规则，所述文本匹配运算规则包括正则表达式匹配、记号正则表达式匹配和主选滤三元关键词组匹配；
第一定义子模块，用于基于所述正则表达式匹配、所述记号正则表达式匹配和所述主选滤三元关键词组匹配对所述舆情分析结果进行定义，得到文本匹配结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011605812.0A CN112711651B (zh) | 2020-12-30 | 2020-12-30 | 一种舆情监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011605812.0A CN112711651B (zh) | 2020-12-30 | 2020-12-30 | 一种舆情监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711651A true CN112711651A (zh) | 2021-04-27 |
| CN112711651B CN112711651B (zh) | 2024-08-16 |
Family
ID=75547116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011605812.0A Active CN112711651B (zh) | 2020-12-30 | 2020-12-30 | 一种舆情监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711651B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118377962A (zh) * | 2024-04-23 | 2024-07-23 | 武汉鑫欧亚电器有限公司 | 基于知识图谱的电力服务系统舆情处理方法和系统 |
Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100174570A1 (en) * | 2006-03-28 | 2010-07-08 | Alibaba Group Holding Limited | Method and System for Risk Monitoring in Online Business |
| CN101964000A (zh) * | 2010-11-09 | 2011-02-02 | 焦点科技股份有限公司 | 一种敏感词自动过滤管理系统 |
| WO2012083856A1 (zh) * | 2010-12-21 | 2012-06-28 | 北大方正集团有限公司 | 一种处理舆情话题的方法、装置和系统 |
| US20140245376A1 (en) * | 2013-02-25 | 2014-08-28 | Beyondtrust Software, Inc. | Systems and methods of risk based rules for application control |
| CN106557558A (zh) * | 2016-11-09 | 2017-04-05 | 中国工商银行股份有限公司 | 一种数据分析方法及装置 |
| CN107516279A (zh) * | 2017-08-15 | 2017-12-26 | 皑沐(上海)文化传媒有限公司 | 一种网络舆情自动预警的方法 |
| CN107562822A (zh) * | 2017-08-18 | 2018-01-09 | 武汉红茶数据技术有限公司 | 一种舆情事件挖掘方法和系统 |
| CN107908619A (zh) * | 2017-11-15 | 2018-04-13 | 中国平安人寿保险股份有限公司 | 基于舆情监控的处理方法、装置、终端及计算机存储介质 |
| CN108108902A (zh) * | 2017-12-26 | 2018-06-01 | 阿里巴巴集团控股有限公司 | 一种风险事件告警方法和装置 |
| CN108229806A (zh) * | 2017-12-27 | 2018-06-29 | 中国银行股份有限公司 | 一种分析企业风险的方法以及系统 |
| CN109299228A (zh) * | 2018-11-27 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 计算机执行的文本风险预测方法及装置 |
| CN109993448A (zh) * | 2019-04-08 | 2019-07-09 | 湖北风口网络科技有限公司 | 一种企业网络舆情潜在风险的评估方法及系统 |
| CN110008394A (zh) * | 2019-01-22 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种舆情信息的识别方法、装置及设备 |
| CN110119882A (zh) * | 2019-04-12 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种平台风险监控方法、装置、设备及存储介质 |
| CN110188933A (zh) * | 2019-05-21 | 2019-08-30 | 湖北经济学院 | 一种高校网络舆情监测预警方法和系统 |
| CN110263238A (zh) * | 2019-06-21 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的舆情聆听系统 |
| WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 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 |
| CN110659436A (zh) * | 2019-08-22 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 网络舆情监控方法、装置和设备 |
| CN111026940A (zh) * | 2019-10-24 | 2020-04-17 | 中国电力科学研究院有限公司 | 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备 |
| CN111339385A (zh) * | 2020-02-26 | 2020-06-26 | 山东爱城市网信息技术有限公司 | 基于cart的舆情类型识别方法及系统、存储介质、电子设备 |
| CN111414520A (zh) * | 2020-03-19 | 2020-07-14 | 南京莱斯网信技术研究院有限公司 | 一种舆情信息中敏感信息的智能挖掘系统 |
| CN111538888A (zh) * | 2020-06-05 | 2020-08-14 | 国网山东省电力公司检修公司 | 基于主动监测引擎和大数据的网络舆情烈度演化分析系统 |
| CN111581945A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 一种基于舆情分析的数据分析方法、装置和系统 |
| CN111695033A (zh) * | 2020-04-29 | 2020-09-22 | 平安科技（深圳）有限公司 | 企业舆情分析方法、装置、电子设备及介质 |
| CN111859064A (zh) * | 2020-05-26 | 2020-10-30 | 安徽舆鹰信息技术有限公司 | 一种企业风险评估舆情预警系统 |
| CN111950860A (zh) * | 2020-07-21 | 2020-11-17 | 中证征信（深圳）有限公司 | 一种企业舆情风险指数的监控方法及装置 |
| CN112100474A (zh) * | 2020-11-02 | 2020-12-18 | 成都智元汇信息技术股份有限公司 | 一种乘客服务质量舆情监管系统及方法 |
-
2020
- 2020-12-30 CN CN202011605812.0A patent/CN112711651B/zh active Active
Patent Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100174570A1 (en) * | 2006-03-28 | 2010-07-08 | Alibaba Group Holding Limited | Method and System for Risk Monitoring in Online Business |
| CN101964000A (zh) * | 2010-11-09 | 2011-02-02 | 焦点科技股份有限公司 | 一种敏感词自动过滤管理系统 |
| WO2012083856A1 (zh) * | 2010-12-21 | 2012-06-28 | 北大方正集团有限公司 | 一种处理舆情话题的方法、装置和系统 |
| US20140245376A1 (en) * | 2013-02-25 | 2014-08-28 | Beyondtrust Software, Inc. | Systems and methods of risk based rules for application control |
| CN106557558A (zh) * | 2016-11-09 | 2017-04-05 | 中国工商银行股份有限公司 | 一种数据分析方法及装置 |
| CN107516279A (zh) * | 2017-08-15 | 2017-12-26 | 皑沐(上海)文化传媒有限公司 | 一种网络舆情自动预警的方法 |
| CN107562822A (zh) * | 2017-08-18 | 2018-01-09 | 武汉红茶数据技术有限公司 | 一种舆情事件挖掘方法和系统 |
| CN107908619A (zh) * | 2017-11-15 | 2018-04-13 | 中国平安人寿保险股份有限公司 | 基于舆情监控的处理方法、装置、终端及计算机存储介质 |
| CN108108902A (zh) * | 2017-12-26 | 2018-06-01 | 阿里巴巴集团控股有限公司 | 一种风险事件告警方法和装置 |
| CN108229806A (zh) * | 2017-12-27 | 2018-06-29 | 中国银行股份有限公司 | 一种分析企业风险的方法以及系统 |
| WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 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 |
| CN109299228A (zh) * | 2018-11-27 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 计算机执行的文本风险预测方法及装置 |
| CN110008394A (zh) * | 2019-01-22 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种舆情信息的识别方法、装置及设备 |
| CN109993448A (zh) * | 2019-04-08 | 2019-07-09 | 湖北风口网络科技有限公司 | 一种企业网络舆情潜在风险的评估方法及系统 |
| CN110119882A (zh) * | 2019-04-12 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种平台风险监控方法、装置、设备及存储介质 |
| CN110188933A (zh) * | 2019-05-21 | 2019-08-30 | 湖北经济学院 | 一种高校网络舆情监测预警方法和系统 |
| CN110263238A (zh) * | 2019-06-21 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的舆情聆听系统 |
| CN110659436A (zh) * | 2019-08-22 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 网络舆情监控方法、装置和设备 |
| CN111026940A (zh) * | 2019-10-24 | 2020-04-17 | 中国电力科学研究院有限公司 | 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备 |
| CN111339385A (zh) * | 2020-02-26 | 2020-06-26 | 山东爱城市网信息技术有限公司 | 基于cart的舆情类型识别方法及系统、存储介质、电子设备 |
| CN111414520A (zh) * | 2020-03-19 | 2020-07-14 | 南京莱斯网信技术研究院有限公司 | 一种舆情信息中敏感信息的智能挖掘系统 |
| CN111581945A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 一种基于舆情分析的数据分析方法、装置和系统 |
| CN111695033A (zh) * | 2020-04-29 | 2020-09-22 | 平安科技（深圳）有限公司 | 企业舆情分析方法、装置、电子设备及介质 |
| CN111859064A (zh) * | 2020-05-26 | 2020-10-30 | 安徽舆鹰信息技术有限公司 | 一种企业风险评估舆情预警系统 |
| CN111538888A (zh) * | 2020-06-05 | 2020-08-14 | 国网山东省电力公司检修公司 | 基于主动监测引擎和大数据的网络舆情烈度演化分析系统 |
| CN111950860A (zh) * | 2020-07-21 | 2020-11-17 | 中证征信（深圳）有限公司 | 一种企业舆情风险指数的监控方法及装置 |
| CN112100474A (zh) * | 2020-11-02 | 2020-12-18 | 成都智元汇信息技术股份有限公司 | 一种乘客服务质量舆情监管系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118377962A (zh) * | 2024-04-23 | 2024-07-23 | 武汉鑫欧亚电器有限公司 | 基于知识图谱的电力服务系统舆情处理方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711651B (zh) | 2024-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gaffney et al. | Caveat emptor, computational social science: Large-scale missing data in a widely-published Reddit corpus | |
| US11176154B1 (en) | Collaborative dataset management system for machine learning data | |
| CN104573054B (zh) | 一种信息推送方法和设备 | |
| CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
| US9171072B2 (en) | System and method for real-time dynamic measurement of best-estimate quality levels while reviewing classified or enriched data | |
| US20070244921A1 (en) | Method, apparatus and computer-readable medium to provide customized classification of documents in a file management system | |
| US20140304198A1 (en) | Question-Related Identification of Relevant Social Communities | |
| US11803600B2 (en) | Systems and methods for intelligent content filtering and persistence | |
| US11681764B2 (en) | System and method for monitoring internet activity | |
| CN106164896B (zh) | 用于发现对手方关系的多维递归方法及系统 | |
| CN110647683A (zh) | 一种信息推荐方法、装置 | |
| Marinova et al. | Weverify: Wider and enhanced verification for you project overview and tools | |
| CN112631889A (zh) | 针对应用系统的画像方法、装置、设备及可读存储介质 | |
| CN116384889A (zh) | 基于自然语言处理技术的情报大数据智能分析方法 | |
| CN117829291B (zh) | 一种全过程咨询知识集成管理系统及方法 | |
| US11816112B1 (en) | Systems and methods for automated process discovery | |
| CN117909392B (zh) | 一种智能化数据资产盘点的方法和系统 | |
| CN108021713B (zh) | 一种文档聚类的方法和装置 | |
| Cioffi et al. | Identifying and correcting invalid citations due to DOI errors in Crossref data | |
| CN112711651B (zh) | 一种舆情监测方法及系统 | |
| Badovinac | Defining data quality in bibliographic and authority records: A case study of the COBISS. SI system | |
| Toivonen | Big data quality challenges in the context of business analytics | |
| CN115982429B (zh) | 一种基于流程控制的知识管理方法及系统 | |
| CN109460518B (zh) | 一种基于用户网站访问记录的图书推荐方法 | |
| CN110781211B (zh) | 一种数据的解析方法及装置 |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: No. 210, Liangjing Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 200120 Applicant after: Shanghai Jinshida Software Technology Co.,Ltd. Address before: 210 Liangjing Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 201203 Applicant before: Shanghai Kingstar Software Technology Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |