CN112929235B - 一种基于互联网的网络监测系统 - Google Patents
一种基于互联网的网络监测系统 Download PDFInfo
- Publication number
- CN112929235B CN112929235B CN202110165301.XA CN202110165301A CN112929235B CN 112929235 B CN112929235 B CN 112929235B CN 202110165301 A CN202110165301 A CN 202110165301A CN 112929235 B CN112929235 B CN 112929235B
- Authority
- CN
- China
- Prior art keywords
- comment
- current
- terminal
- event
- value
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种基于互联网的网络监测系统,该系统包括事件重要性分析系统、源头追溯系统、评论区传播分析系统和网络监管平台,所述事件重要性分析系统用于对当前网络上所出现的舆论进行监测,并对当前舆论重要性程度进行分析,所述源头追溯系统用于当检测到当前事件的重要性程度较高时对当前事件的传播源头进行分析,并对传播源头的真实度进行分析,所述评论区传播分析系统用于对自媒体传播或者个人在网络上进行信息传播后,在设定时间内预测当前舆论的热度值,同时判断出是否存在引诱评论终端在引导评论热度,所述网络监管平台用于对不同事件的热度值进行分析保存,并将结果实时发送至各模块。
Description
技术领域
本发明涉及互联网舆论监测技术领域,具体为一种基于互联网的网络监测系统。
背景技术
社会是由人构成,舆论就从人所聚集的地方产生,舆论,在官方上的解释是可以作为约束、监督、引导社会价值而产生,但是随着网络的强大,舆论会导致越来越多人产生抑郁、自闭等症状发生。经过调查,有很多舆论是由于个人恶作剧或者空闲发表舆论,从而引起接收到此信息的人引起恐慌,并引起社会恐慌,因此需要对个人在网上所发表言论进行管理;
现如今,人们接收信号并不像以往一样仅仅依靠电视的新闻联播、报纸等渠道,随着新媒体的迅速发展、推陈出新,人们可以从各大社交网站、视频等多渠道了解相关信息,接收信息速度之快。因此只要有一个消息经过多方传播、转载,阅读此信息的人就越来越多,为了避免一件事情成为舆论,使得舆论导致更大的恐慌之前都需要寻找到舆论的传播源,从而对传播源头进行控制;
因此,需要一种基于互联网的网络监测系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于互联网的网络监测系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:该系统包括事件重要性分析系统、源头追溯系统、评论区传播分析系统和网络监管平台,所述事件重要性分析系统用于对当前网络上所出现的舆论进行监测,并对当前舆论重要性程度进行分析,从而及时对当前舆论结果进行处理并对舆论结果分析到位,所述源头追溯系统用于当检测到当前事件的重要性程度较高时对当前事件的传播源头进行分析,并对传播源头的真实度进行分析,从而能够对造假源头进行监管或者对真相源头进行挖掘,所述评论区传播分析系统用于对自媒体传播或者个人在网络上进行信息传播后,在设定时间内预测当前舆论的热度值,同时判断出是否存在引诱评论终端在引导评论热度,从而能够减缓评论区终端的热度值,不影响各平台的公共资源,所述网络监管平台用于对不同事件的热度值进行分析保存,并将结果实时发送至各模块,所述网络监管平台的输出端与事件重要性分析系统、源头追溯系统、评论区传播分析系统相连接。
进一步的,所述事件重要性分析系统包括事件爬虫终端、预警分析模块和数据可视化监测模块,所述事件爬虫终端用于对当前不同网站上的事件信息进行搜集,并将在不同时间段内搜集到事件的热度进行监测,形成表格发送至网络监管平台,使得网络监管平台能够及时对当前搜集到的事件进行处理,所述预警分析模块用于当检测到网络监管平台上所检测到的数据持续时间段内超过预设值时,进行预警监测,以便于能够提醒监管人对当前事件进行处理,所述数据可视化监测模块用于对当前预警事件的权重值进行处理分析,并将分析结果发送至网络监管平台。
进一步的,所述事件爬虫终端将所采集到高于预警值的事件按照热度从大到小进行排名,对于事件的排名为S={s1,s2,s3...sn},n指第n个事件,设定当前事件的热度值为其中Sij是指该事件基于其它事件不同终端设备点击次数和评论次数,Sab是指该事件基于其他事件各个自媒体的转发量和关注度,Scd是指该事件基于其他事件所持续时间,Sef是指该事件基于其他事件新闻部门、政府部门的重视程度,对上述事件的热度值进行实时更新;
通过对上述各个事件的热度值进行计算,能够判断出各个事件是否要追溯事件源头。
进一步的,所述源头追溯系统包括文件来源追溯模块、文件内容相似度模块和交易内容监测模块,所述文件来源追溯模块用于对当前自媒体所上传文件进行追溯,判断出所上传文件的真实度,从而能够对当前文件的真实性进行检测,查出传播源头验证真实性,所述交易内容监测模块用于对首次上传的自媒体聊天记录、图片内容和语音记录进行监测,判断出是否有与当前发表文件相似内容,从而能够判断出当前发表文件是由自媒体捏造的事件还是个人所发表的事件,所述文件内容相似度模块用于当检测到由个人发表文件时,验证个人所上传文件与自媒体所上传文件的相似度进行比较判断,从而验证文件的真实性。
进一步的,对图片内容、语音记录进行监测时,需要对语音记录里的语音转化成文字且对图片中包含的文字内容进行识别,通过文字与所上传文件内容进行比较确定相似度,文件内容的相似度通过此公式进行比较:
其中x,y是指两个文本,当两个文本的余弦值越接近1,两个文本的相似度就越高,否则,相似度越低,并将相似度的结果发送至网络监管平台中,当检测到当前文本的相似度较高且接收到交易内容监测模块中确定文件来源于个人的信号时,能够确定当前文件的真实性;
当检测到自媒体的交易内容监测模块中没有与个人的记录时,判断个人的影响度为:W=γ1Hre+γ2Hzf+γ3Htj+γ4Hhd,其中γ1、γ2、γ3、γ4为影响权重值,Hre是指发表文件数量,Hzf是指转发的文件数量,Htj是指在各大平台上被提及的频率,Hhd是指与所关注人群的互动频率,当检测到当前个人的影响值超过设定值时,表示个人有影响力度发表文件引起各大自媒体的重视,当检测到当前个人的影响值低于设定值时,表示个人没有影响度发表文集引起各大自媒体的重视。
所述评论区传播分析系统包括数据可视化监测模块、引导评论化监测模块、引导评论情感分析模块和账号类别标记模块,所述数据监测模块用于对当前网络监管平台搜集到的数据进行发送,从而能够分析出当前各事件的进度,以便于用户及时对预警的事件进行处理,所述引导评论化监测模块用于对不同事件评论区的评论趋势进行实时跟踪,从而能够检测评论区中是否存在引导评论的终端,所述引导评论情感分析模块用于对引导评论终端的内容判断当前评论的情感分析状态,判断当前引导评论终端是加强还是减弱其余评论者的热度,从而能够及时应对,所述账号分类标记模块用于对当前判断出来的引导评论终端账号进行标记,从而能够对该账号终端加强重视程度,同时将引导评论终端账号发送给网络监管平台。
检测引导评论终端的语义情感按如下步骤进行:
Z01:根据当前评论区不同含义的评论区分若干接口P={p1,p2,p3...pn},对不同接口内的数据进行实时检测,使用数据可视化终端对不同含义评论数据随着不同时间段的走势进行显示,并进行预测数据走向;
support(η∩θ→other)<support(η→θ)时,表示此终端下的支持度相比于其它终端下的支持度较多;
Z03:当检测到终端support(η→θ)在设定时间内的数据走势逐渐下降时,Senti(η→θ)的评论区的情感权重是向上的,当检测到终端support(η→θ)在设定时间内的数据走势逐渐加强时,Senti(η→θ)评论区情感权重时向下的;
其中:support(η→θ)时,表示支持该评论终端的用户终端的比例,其中人数从η变为θ,support(η∩θ),表示现支持该评论终端的所有人数,support(η∩θ→other)表示支持该评论终端的终端数量与支持其它评论终端的比例,Senti(η→θ)支持当前评论终端的情感权重。
情感权重是指在评论终端发表评论之后,不同用户终端对于当前事件的愤怒值或者宽容值,情感权重向上表示不同用户终端对于当前事件的宽容值上升,情感权重向下表示不同用户终端对于当前事件的愤怒值上升。
当检测到评论终端发布指令后,通过数据可视化监测模块监测到当前评论终端未发表评论时,检测到在t1时刻所检测到的热度值为Q1,在t2时刻评论终端发表言论且此时的热度值为Q2,检测到t3时刻,此时的热度值为Q3,在预设时刻t3-t1内热度值为Q3>Q1>Q2时,当前热度并未下降且在持续发酵,表示当前引导评论终端的所发表言论引起的愤怒值增加,需要对当前引导评论的账户进行监测并禁言,当在预设时刻t3-t1内热度值为Q1>Q2<Q3时,表示当前引导评论终端的所发表言论引起的愤怒值减小,仍需要对当前引导评论的账户在预设时间内进行监测,判断是否会回升。
系统的步骤如下:
Z001:使用事件重要性分析系统,对各大网站上所检测到事件信息进行搜集并检测,并对不同时间段内事件的热度进行监测,同时将热度高于预设热度的事件进行预警,以便于及时对热度较高的事件进行处理;
Z002:使用源头追溯系统,对检测到的传播源头进行分析,判断此传播源头上传的文件与自媒体所上传文件的相似度进行对比,判断是否为当前认定的传播源头所上传文件,并对当前传播源头的影响权重值进行对比分析,判断当前设定的传播源头是否真实;
Z003:使用评论区传播分析系统,对当前热度较高的自媒体评论区进行分析,当前评论区中是否有引导评论的终端,并对检测到的引导评论终端所发表言论进行分析当前评论的情感权重值是增大还是变小,当检测到当前评论终端所引导的言论情感权重值持续时间增大时,对当前评论终端进行监控并禁言。
与现有技术相比,本发明所达到的有益效果是:
1.使用事件重要性分析系统,通过使用爬虫端对各大网站上的事件进行搜集,当检测事件的热度高于预设值时,新闻调查组会对事件的真相进行排查,排查出当前事件的传播源头,并对传播源头进行监测,从而能够避免当前事件的热度持续上升;
2.使用源头追溯系统,对首次发出文件的自媒体与设定源头的聊天记录、图片等进行分析判断文本相似度值,同时判断设定源头与自媒体之间的关注度,当检测到设定源头与自媒体并无关注时,对设定源头的影响权重进行分析,判断设定源头是否能够引起当前事件的热度值,对传播源头所传播内容进行分析,判断事件是否为真相,对造谣的传播源头处罚同时也不放过真相;
3.使用评论区传播分析系统,对当前热度较高的自媒体评论区进行分析,当前评论区中是否有引导评论的终端,并对检测到的引导评论终端所发表言论进行分析当前评论的情感权重值是增大还是变小,当检测到当前评论终端所引导的言论情感权重值持续时间增大时,对当前评论终端进行监控并禁言,从而能够防止当前热度事件进一步发酵,引起社会的动荡和恐慌。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于互联网的网络监测系统的模块组成示意图;
图2是本发明一种基于互联网的网络监测系统的步骤示意图。
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。
请参阅图1-2,本发明提供技术方案:
该系统包括事件重要性分析系统、源头追溯系统、评论区传播分析系统和网络监管平台,所述事件重要性分析系统用于对当前网络上所出现的舆论进行监测,并对当前舆论重要性程度进行分析,从而及时对当前舆论结果进行处理并对舆论结果分析到位,所述源头追溯系统用于当检测到当前事件的重要性程度较高时对当前事件的传播源头进行分析,并对传播源头的真实度进行分析,从而能够对造假源头进行监管或者对真相源头进行挖掘,所述评论区传播分析系统用于对自媒体传播或者个人在网络上进行信息传播后,在设定时间内预测当前舆论的热度值,同时判断出是否存在引诱评论终端在引导评论热度,从而能够减缓评论区终端的热度值,不影响各平台的公共资源,所述网络监管平台用于对不同事件的热度值进行分析保存,并将结果实时发送至各模块,所述网络监管平台的输出端与事件重要性分析系统、源头追溯系统、评论区传播分析系统相连接。
进一步的,所述事件重要性分析系统包括事件爬虫终端、预警分析模块和数据可视化监测模块,所述事件爬虫终端用于对当前不同网站上的事件信息进行搜集,并将在不同时间段内搜集到事件的热度进行监测,形成表格发送至网络监管平台,使得网络监管平台能够及时对当前搜集到的事件进行处理,所述预警分析模块用于当检测到网络监管平台上所检测到的数据持续时间段内超过预设值时,进行预警监测,以便于能够提醒监管人对当前事件进行处理,所述数据可视化监测模块用于对当前预警事件的权重值进行处理分析,并将分析结果发送至网络监管平台。
进一步的,所述事件爬虫终端将所采集到高于预警值的事件按照热度从大到小进行排名,对于事件的排名为S={s1,s2,s3...sn},n指第n个事件,设定当前事件的热度值为其中Sij是指该事件基于其它事件不同终端设备点击次数和评论次数,Sab是指该事件基于其他事件各个自媒体的转发量和关注度,Scd是指该事件基于其他事件所持续时间,Sef是指该事件基于其他事件新闻部门、政府部门的重视程度,对上述事件的热度值进行实时更新;
通过对上述各个事件的热度值进行计算,能够判断出各个事件是否要追溯事件源头,通过设置热度值Q能够分析出当前新闻组是否需要对热度较高的事件进行调查,当新闻调查组对事件进行调查时,会使得当前事件的热度上升到一个档次,因此,需要格外对当前事件的热度值进行仔细排查。
进一步的,所述源头追溯系统包括文件来源追溯模块、文件内容相似度模块和交易内容监测模块,所述文件来源追溯模块用于对当前自媒体所上传文件进行追溯,判断出所上传文件的真实度,从而能够对当前文件的真实性进行检测,查出传播源头验证真实性,所述交易内容监测模块用于对首次上传的自媒体聊天记录、图片内容和语音记录进行监测,判断出是否有与当前发表文件相似内容,从而能够判断出当前发表文件是由自媒体捏造的事件还是个人所发表的事件,所述文件内容相似度模块用于当检测到由个人发表文件时,验证个人所上传文件与自媒体所上传文件的相似度进行比较判断,从而验证文件的真实性。
进一步的,对图片内容、语音记录进行监测时,需要对语音记录里的语音转化成文字且对图片中包含的文字内容进行识别,通过文字与所上传文件内容进行比较确定相似度,文件内容的相似度通过此公式进行比较:
其中x,y是指两个文本,当两个文本的余弦值越接近1,两个文本的相似度就越高,否则,相似度越低,并将相似度的结果发送至网络监管平台中,当检测到当前文本的相似度较高且接收到交易内容监测模块中确定文件来源于个人的信号时,能够确定当前文件的真实性。
当检测到自媒体的交易内容监测模块中没有与个人的记录时,判断个人的影响度为:W=γ1Hre+γ2Hzf+γ3Htj+γ4Hhd,其中γ1、γ2、γ3、γ4为影响权重值,Hre是指发表文件数量,Hzf是指转发的文件数量,Htj是指在各大平台上被提及的频率,Hhd是指与所关注人群的互动频率,当检测到当前个人的影响值超过设定值时,表示个人有影响力度发表文件引起各大自媒体的重视,当检测到当前个人的影响值低于设定值时,表示个人没有影响度发表文集引起各大自媒体的重视;
通过对影响度的计算,能够判断出个人在社交平台上的热度,从而能够判断出是否有能力将事件发酵到如此程度。
所述评论区传播分析系统包括数据可视化监测模块、引导评论化监测模块、引导评论情感分析模块和账号类别标记模块,所述数据监测模块用于对当前网络监管平台搜集到的数据进行发送,从而能够分析出当前各事件的进度,以便于用户及时对预警的事件进行处理,所述引导评论化监测模块用于对不同事件评论区的评论趋势进行实时跟踪,从而能够检测评论区中是否存在引导评论的终端,所述引导评论情感分析模块用于对引导评论终端的内容判断当前评论的情感分析状态,判断当前引导评论终端是加强还是减弱其余评论者的热度,从而能够及时应对,所述账号分类标记模块用于对当前判断出来的引导评论终端账号进行标记,从而能够对该账号终端加强重视程度,同时将引导评论终端账号发送给网络监管平台。
检测引导评论终端的语义情感按如下步骤进行:
Z01:根据当前评论区不同含义的评论区分若干接口P={p1,p2,p3...pn},对不同接口内的数据进行实时检测,使用数据可视化终端对不同含义评论数据随着不同时间段的走势进行显示,并进行预测数据走向;
Z02:当检测到不同接口内有终端用户服从时,且服从该终端的评论数据越来越多时,表示此终端是引导评论的终端,当检测到support(η∩θ→other)<support(η→θ)时,表示此终端下的支持度相比于其它终端下的支持度较多;
Z03:当检测到终端support(η→θ)在设定时间内的数据走势逐渐下降时,Senti(η→θ)的评论区的情感权重是向上的,当检测到终端support(η→θ)在设定时间内的数据走势逐渐加强时,Senti(η→θ)评论区情感权重时向下的;
其中:support(η→θ)时,表示支持该评论终端的用户终端的比例,其中人数从η变为θ,support(η∩θ),表示现支持该评论终端的所有人数,support(η∩θ→other)表示支持该评论终端的终端数量与支持其它评论终端的比例,Senti(η→θ)支持当前评论终端的情感权重。
情感权重是指在评论终端发表评论之后,不同用户终端对于当前事件的愤怒值或者宽容值,情感权重向上表示不同用户终端对于当前事件的宽容值上升,情感权重向下表示不同用户终端对于当前事件的愤怒值上升。
当检测到评论终端发布指令后,通过数据可视化监测模块监测到当前评论终端未发表评论时,检测到在t1时刻所检测到的热度值为Q1,在t2时刻评论终端发表言论且此时的热度值为Q2,检测到t3时刻,此时的热度值为Q3,在预设时刻t3-t1内热度值为Q3>Q1>Q2时,当前热度并未下降且在持续发酵,表示当前引导评论终端的所发表言论引起的愤怒值增加,需要对当前引导评论的账户进行监测并禁言,当在预设时刻t3-t1内热度值为Q1>Q2<Q3时,表示当前引导评论终端的所发表言论引起的愤怒值减小,仍需要对当前引导评论的账户在预设时间内进行监测,判断是否会回升。
系统的步骤如下:
Z001:使用事件重要性分析系统,对各大网站上所检测到事件信息进行搜集并检测,并对不同时间段内事件的热度进行监测,同时将热度高于预设热度的事件进行预警,以便于及时对热度较高的事件进行处理;
Z002:使用源头追溯系统,对检测到的传播源头进行分析,判断此传播源头上传的文件与自媒体所上传文件的相似度进行对比,判断是否为当前认定的传播源头所上传文件,并对当前传播源头的影响权重值进行对比分析,判断当前设定的传播源头是否真实;
Z003:使用评论区传播分析系统,对当前热度较高的自媒体评论区进行分析,当前评论区中是否有引导评论的终端,并对检测到的引导评论终端所发表言论进行分析当前评论的情感权重值是增大还是变小,当检测到当前评论终端所引导的言论情感权重值持续时间增大时,对当前评论终端进行监控并禁言。
实施例1:当某社交网站上,例如知网、微博上在不同时刻发表了同一事件,通过事件重要性分析系统对当前事件的热度值进行计算,当检测到当前事件的热度值高于预设值时,使得新闻调查组进行调查时,新闻调查组需要对首次在各大社交网站上公布事件的网站进行调查,判断传播源头是故意造成社会恐慌还是真实事件;
分析首个发布文件的自媒体聊天记录、图片等信息,实时检测记录与文件的相似度,当检测到当前自媒体记录与文本的相似度较高时,表示自媒体不是第一个传播源头,对与自媒体交易的个人进行监测,判断个人的影响度,当检测到当前个人的影响度低于预设值时,个人需要与自媒体进行交易内容,同时对当前热度较高的自媒体的评论进行监测,当检测到有引导评论的终端引导话题时,对所引导话题的热度进行监测,根据评论区的热度能够判断出当前引导评论终端的话题是正面的还是负面的,当检测到当前评论是负面时,对当前的引导评论终端注销账号。
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。而且,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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于互联网的网络监测系统,其特征在于:该系统包括事件重要性分析系统、源头追溯系统、评论区传播分析系统和网络监管平台,所述事件重要性分析系统用于对当前网络上所出现的舆论进行监测,并对当前舆论重要性程度进行分析,所述源头追溯系统用于当检测到当前事件的重要性程度高于预警值时对当前事件的传播源头进行分析,并对传播源头的真实度进行分析,所述评论区传播分析系统用于对自媒体传播或者个人在网络上进行信息传播后,在设定时间内预测当前舆论的热度值,同时判断出是否存在引诱评论终端在引导评论热度,所述网络监管平台用于对不同事件的热度值进行分析保存,并将结果实时发送至各模块,所述网络监管平台的输出端与事件重要性分析系统、源头追溯系统、评论区传播分析系统相连接;
对图片内容、语音记录进行监测时,需要对语音记录里的语音转化成文字且对图片中包含的文字内容进行识别,通过文字与所上传文件内容进行比较确定相似度,文件内容的相似度通过此公式进行比较:
其中x,y是指两个文本,当两个文本的余弦值越接近1,两个文本的相似度就越高,否则,相似度越低,并将相似度的结果发送至网络监管平台中,当检测到当前文本的相似度高且接收到交易内容监测模块中确定文件来源于个人的信号时,能够确定当前文件的真实性;
当检测到自媒体的交易内容监测模块中没有与个人的记录时,判断个人的影响度为:W=γ1Hre+γ2Hzf+γ3Htj+γ4Hhd,其中γ1、γ2、γ3、γ4影响权重值,Hre是指发表文件数量,Hzf是指转发的文件数量,Htj是指在各大平台上被提及的频率,Hhd是指与所关注人群的互动频率,当检测到当前个人的影响值超过设定值时,表示个人有影响力度发表文件引起各大自媒体的重视,当检测到当前个人的影响值低于设定值时,表示个人没有影响度发表文集引起各大自媒体的重视;
所述事件重要性分析系统包括事件爬虫终端、预警分析模块和数据可视化监测模块,所述事件爬虫终端用于对当前不同网站上的事件信息进行搜集,并将在不同时间段内搜集到事件的热度进行监测,形成表格发送至网络监管平台,使得网络监管平台能够及时对当前搜集到的事件进行处理,所述预警分析模块用于当检测到网络监管平台上所检测到的数据持续时间段内超过预设值时,进行预警监测,所述数据可视化监测模块用于对当前预警事件的权重值进行处理分析,并将分析结果发送至网络监管平台;
检测引导评论终端的语义情感按如下步骤进行:
Z01:根据当前评论区不同含义的评论区分若干接口P={p1,p2,p3...pn},对不同接口内的数据进行实时检测,使用数据可视化监测模块对不同含义评论数据随着不同时间段的走势进行显示,并进行预测数据走向;
Z02:当检测到不同接口内有终端用户服从时,且服从该终端的评论数据越来越多时,表示此终端是引导评论的终端,当检测到support(η∩θ→other)<support(η→θ)时,表示此终端下的支持度相比于其它终端下的支持度多;
Z03:当检测到终端support(η→θ)在设定时间内的数据走势逐渐下降时,Senti(η→θ)的评论区的情感权重是向上的,当检测到终端support(η→θ)在设定时间内的数据走势逐渐加强时,Senti(η→θ)评论区情感权重时向下的;
其中:support(η→θ)时,表示支持该评论终端的用户终端的比例,其中人数从η变为θ,support(η∩θ),表示现支持该评论终端的所有人数,support(η∩θ→other)表示支持该评论终端的终端数量与支持其它评论终端的比例,Senti(η→θ)支持当前评论终端的情感权重;
情感权重是指在评论终端发表评论之后,不同用户终端对于当前事件的愤怒值或者宽容值,情感权重向上表示不同用户终端对于当前事件的宽容值上升,情感权重向下表示不同用户终端对于当前事件的愤怒值上升;
2.根据权利要求1所述的一种基于互联网的网络监测系统,其特征在于:所述数据可视化监测模块能够将当前不同事件所发生的频率、历史类似事件对比、事件发生等级并生成报告,发送至网络监管平台。
4.根据权利要求1所述的一种基于互联网的网络监测系统,其特征在于:所述源头追溯系统包括文件来源追溯模块、文件内容相似度模块和交易内容监测模块,所述文件来源追溯模块用于对当前自媒体所上传文件进行追溯,判断出所上传文件的真实度,所述交易内容监测模块用于对首次上传的自媒体聊天记录、图片内容和语音记录进行监测,判断出是否有与当前发表文件相似内容,所述文件内容相似度模块用于当检测到由个人发表文件时,验证个人所上传文件与自媒体所上传文件的相似度进行比较判断。
5.根据权利要求1所述的一种基于互联网的网络监测系统,其特征在于:所述评论区传播分析系统包括数据监测模块、引导评论化监测模块、引导评论情感分析模块和账号类别标记模块,所述数据可视化监测模块用于对当前网络监管平台搜集到的数据进行发送,所述引导评论化监测模块用于对不同事件评论区的评论趋势进行实时跟踪,所述引导评论情感分析模块用于对引导评论终端的内容判断当前评论的情感分析状态,判断当前引导评论终端是加强还是减弱其余评论者的热度,所述账号分类标记模块用于对当前判断出来的引导评论终端账号进行标记,同时将引导评论终端账号发送给网络监管平台。
6.根据权利要求1所述的一种基于互联网的网络监测系统,其特征在于:当检测到评论终端发布指令后,通过数据可视化监测模块监测到当前评论终端未发表评论时,检测到在t1时刻所检测到的热度值为Q1,在t2时刻评论终端发表言论且此时的热度值为Q2,检测到t3时刻,此时的热度值为Q3,在预设时刻t3-t1内热度值为Q3>Q1>Q2时,当前热度并未下降且在持续发酵,表示当前引导评论终端的所发表言论引起的愤怒值增加,需要对当前引导评论的账户进行监测并禁言,当在预设时刻t3-t1内热度值为Q1>Q2<Q3时,表示当前引导评论终端的所发表言论引起的愤怒值减小,仍需要对当前引导评论的账户在预设时间内进行监测,判断是否会回升。
7.根据权利要求1所述的一种基于互联网的网络监测系统,其特征在于:该系统的步骤如下:
Z001:使用事件重要性分析系统,对各大网站上所检测到事件信息进行搜集并检测,并对不同时间段内事件的热度进行监测,同时将热度高于预设热度的事件进行预警,以便于及时对热度高于预设热度的事件进行处理;
Z002:使用源头追溯系统,对检测到的传播源头进行分析,判断此传播源头上传的文件与自媒体所上传文件的相似度进行对比,判断是否为当前认定的传播源头所上传文件,并对当前传播源头的影响权重值进行对比分析,判断当前设定的传播源头是否真实;
Z003:使用评论区传播分析系统,对当前热度高于设定阈值时的自媒体评论区进行分析,当前评论区中是否有引导评论的终端,并对检测到的引导评论终端所发表言论进行分析当前评论的情感权重值是增大还是变小,当检测到当前评论终端所引导的言论情感权重值持续时间增大时,对当前评论终端进行监控并禁言。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165301.XA CN112929235B (zh) | 2021-02-06 | 2021-02-06 | 一种基于互联网的网络监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165301.XA CN112929235B (zh) | 2021-02-06 | 2021-02-06 | 一种基于互联网的网络监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112929235A CN112929235A (zh) | 2021-06-08 |
CN112929235B true CN112929235B (zh) | 2022-02-11 |
Family
ID=76170954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110165301.XA Active CN112929235B (zh) | 2021-02-06 | 2021-02-06 | 一种基于互联网的网络监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112929235B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187126B (zh) * | 2021-11-08 | 2022-08-19 | 杭州萝卜智能技术有限公司 | 一种基于数据分析的网络舆情管控系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090271417A1 (en) * | 2008-04-25 | 2009-10-29 | John Toebes | Identifying User Relationships from Situational Analysis of User Comments Made on Media Content |
US20110282860A1 (en) * | 2010-05-16 | 2011-11-17 | Access Business Group International Llc | Data collection, tracking, and analysis for multiple media including impact analysis and influence tracking |
CN102567393A (zh) * | 2010-12-21 | 2012-07-11 | 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 |
CN102708096B (zh) * | 2012-05-29 | 2014-10-15 | 代松 | 一种基于语义的网络智能舆情监测系统及其工作方法 |
CN104281607A (zh) * | 2013-07-08 | 2015-01-14 | 上海锐英软件技术有限公司 | 微博热点话题分析方法 |
CN103793503B (zh) * | 2014-01-24 | 2017-02-08 | 北京理工大学 | 一种基于web文本的观点挖掘与分类的方法 |
CN104504150B (zh) * | 2015-01-09 | 2017-09-29 | 成都布林特信息技术有限公司 | 新闻舆情监测系统 |
CN111221972A (zh) * | 2020-01-08 | 2020-06-02 | 安徽霍迹寻踪供应链管理有限公司 | 一种网络舆情信息监控预警系统 |
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 |
CN111984787A (zh) * | 2020-08-17 | 2020-11-24 | 深圳新闻网传媒股份有限公司 | 一种基于互联网数据的舆情热点获取方法及系统 |
-
2021
- 2021-02-06 CN CN202110165301.XA patent/CN112929235B/zh active Active
Non-Patent Citations (2)
Title |
---|
《Content Similarity Analysis of Written Comments under Posts in Social Media》;Marzieh Mozafari等;《2019 Sixth International Conference on Social Networks Analysis, Management and Security (SNAMS)》;20191025;全文 * |
《基于文本挖掘技术的微信公众号关系网络研究》;潘伟;《中国优秀博硕士学位论文全文数据库(硕士)——信息科技辑》;20190515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112929235A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rubin et al. | Deception detection for news: three types of fakes | |
AU2016261088B2 (en) | Social media events detection and verification | |
EP2657855A1 (en) | Method, device and system for processing public opinion topics | |
Morgan et al. | Is news sharing on Twitter ideologically biased? | |
Hong et al. | Information needs and communication gaps between citizens and local governments online during natural disasters | |
Osimo et al. | Research challenge on opinion mining and sentiment analysis | |
Bifet et al. | Moa-tweetreader: real-time analysis in twitter streaming data | |
CN111178586B (zh) | 网络爱国舆情事件跟踪、预测和疏导方法 | |
US7725346B2 (en) | Method and computer program product for predicting sales from online public discussions | |
US20140172497A1 (en) | Apparatus and method for managing risk based on prediction on social web media | |
US8762161B2 (en) | Method and apparatus for visualization of interaction categorization | |
CN107229689B (zh) | 一种微博舆情风险研判的方法 | |
CN103399891A (zh) | 网络内容自动推荐方法、装置和系统 | |
Yarmand et al. | " Can you believe [1: 21]?!" Content and Time-Based Reference Patterns in Video Comments | |
Sugandhi et al. | Automatic monitoring and prevention of cyberbullying | |
CN112929235B (zh) | 一种基于互联网的网络监测系统 | |
CN111221972A (zh) | 一种网络舆情信息监控预警系统 | |
Trilling et al. | Between article and topic: News events as level of analysis and their computational identification | |
CN111191096B (zh) | 全网爱国舆情事件识别及流行度跟踪方法 | |
Srisopha et al. | How should developers respond to app reviews? features predicting the success of developer responses | |
CN110147482B (zh) | 用于获取突发热点主题的方法和装置 | |
KR102544313B1 (ko) | 딥러닝 모델 기반 이벤트, 이슈 상황 인지 관리 시스템 및 방법 | |
Amsalem et al. | Fine-grained analysis of diversity levels in the news | |
Hsieh et al. | Social event radar: A bilingual context mining and sentiment analysis summarization system | |
Deokate | Fake news detection using support vector machine learning algorithm |
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 |