CN113761446B - 网络舆情监测方法、装置、设备、程序产品及存储介质 - Google Patents
网络舆情监测方法、装置、设备、程序产品及存储介质 Download PDFInfo
- Publication number
- CN113761446B CN113761446B CN202111063288.3A CN202111063288A CN113761446B CN 113761446 B CN113761446 B CN 113761446B CN 202111063288 A CN202111063288 A CN 202111063288A CN 113761446 B CN113761446 B CN 113761446B
- Authority
- CN
- China
- Prior art keywords
- information
- monitoring
- public opinion
- network public
- keyword
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 226
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000002596 correlated effect Effects 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 43
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开涉及网络舆情监测方法、装置、设备、程序及存储介质,方法包括接收用户端的监测请求,根据所述监测请求确定监测目标;根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表;采集网络舆情数据,将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配;将与所述关键词列表相匹配的网络舆情数据关联至监测报告,所述监测报告用于展示与所述监测报告相关联的网络舆情数据;响应用户端对所述监测目标的查询请求,在用户端展示所述监测报告:装置、设备、程序及存储介质用于实现上述方法的步骤。本公开提高了信息关键词之间的关联性,提高了监测精确度和效率。
Description
技术领域
本申请涉及网络舆情监测技术领域,特别是涉及一种网络舆情监测方法、装置、设备、程序产品及存储介质。
背景技术
由于信息的高度发展,信息大部分的来源已经转向网络。网络媒体已被公认为是继报纸、广播、电视之后的“第四媒体”,成为反映社会舆情的主要载体之一。网络舆情监测技术是针对像互联网这一新兴媒体,通过对海量网络舆论信息进行实时的自动采集、分析、汇总、监视,并识别其中的关键信息,及时通知到相关人员,从而第一时间应急响应,为正确舆论导向及收集群众意见提供帮助的一套信息化技术。针对企业而言,需要了解公众对产品、品牌和企业的印象,比如近期产品在某些方面出现了许多负面评价,则公司需要正确引导舆论方向,同时尽快提出产品的优化及提升方案,防止相关事件的进一步恶化,同时也是对自身产品、品牌的维护和提升。
然而,目前现有的网络舆情监测方法依赖用户设定的监测关键词,通过设定的关键词去全网信息流中进行过滤,将过滤出来的信息展示给用户。这种方法导致关键词过渡依赖人工,且彼此独立,难以形成完善的关键词关联,并且在面对关键词更新时具有一定的延迟。
发明内容
基于此,有必要针对上述技术问题,提供一种网络舆情监测方法、装置、设备、程序产品及存储介质。其中,一种网络舆情监测方法,包括步骤:
接收用户端的监测请求,根据所述监测请求确定监测目标;
根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表;
采集网络舆情数据,将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配;
将与所述关键词列表相匹配的网络舆情数据关联至监测报告,所述监测报告用于展示与所述监测报告相关联的网络舆情数据;
响应用户端对所述监测目标的查询请求,在用户端展示所述监测报告。
在一个实施例中,所述根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表包括:
基于所述监测目标进行信息查询,筛选与所述监测目标有预设关联关系的信息关键词;
将所述信息关键词写入列表,构建得到所述关键词列表。
在一个实施例中,所述采集网络舆情数据,将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配包括:
获取所述关键词列表中的信息关键词预设的等级标签;
根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配。
在一个实施例中,所述方法还包括:
获取所述监测目标工商信息的变更数据流;
判断所述变更数据流中是否有与所述关键词列表中的信息关键词对应的更新数据,当判断结果为是时,将所述更新数据覆盖未更新前对应的所述信息关键词,形成更新后的信息关键词。
在一个实施例中,所述方法还包括:
获取所述监测目标工商信息的变更数据流;
判断根据所述变更数据流是否获得所述关键词列表之外的新信息关键词,当判断结果为是时,将所述新信息关键词写入所述关键词列表。
在一个实施例中,所述方法还包括:
获取所述监测目标的网络公示数据流;
根据所述网络公示数据流生成相关事件,将所述相关事件关联至所述监测报告;
将采集到的网络舆情数据与所述相关事件按照预设匹配规则进行匹配,将与所述相关事件相匹配的网络舆情数据关联至所述相关事件。
本公开还提供了一种网络舆情监测装置,包括:
交互模块,用于接收用户端发送的监测请求,并根据所述监测请求确定监测目标;还用于响应用户端对所述监测目标的查询请求,在用户端展示监测报告;
关键词模块,用于根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表;
信息采集模块,用于采集网络舆情数据;
舆情匹配模块,用于将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配;
监测报告模块,用于将与所述关键词列表相匹配的网络舆情数据关联至监测报告,所述监测报告用于展示与所述监测报告相关联的网络舆情数据。
在一个实施例中,所述关键词模块包括:
筛选单元,用于基于所述监测目标进行信息查询,筛选与所述监测目标有预设关联关系的信息关键词;
列表构建单元,用于将所述信息关键词写入列表,构建得到所述关键词列表。
在一个实施例中,所述舆情匹配模块包括:
标签单元,用于获取所述关键词列表中的信息关键词预设的等级标签;
匹配单元,用于根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配。
在一个实施例中,所述信息采集模块还用于采集所述监测目标工商信息的变更数据流;
所述装置还包括更新模块,所述更新模块用于判断所述变更数据流中是否有与所述关键词列表中的信息关键词对应的更新数据,如果判断结果为是,则将所述更新数据覆盖未更新前对应的所述信息关键词,形成更新后的信息关键词。
在一个实施例中,所述信息采集模块还用于采集所述监测目标工商信息的变更数据流;
所述装置还包括更新模块,所述更新模块用于判断根据所述变更数据流是否获得所述关键词列表之外的新信息关键词,如果判断结果为是,则将所述新信息关键词写入所述关键词列表。
在一个实施例中,所述信息采集模块还用于采集网络公示数据流;
所述装置还包括事件模块,所述事件模块用于根据所述网络公示数据流公示信息生成相关事件,将所述相关事件关联至所述监测报告;
所述舆情匹配模块还用于将采集到的网络舆情数据与所述相关事件按照预设匹配规则进行匹配,将与所述相关事件相匹配的网络舆情数据关联至所述相关事件。
本公开还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的网络舆情监测方法的步骤。
本公开还提供了一种计算机程序产品,所述计算机程序产品中包括指令,所述指令被执行时,能够执行上述的网络舆情监测方法的步骤。
本公开还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的网络舆情监测方法的步骤。
上述的网络舆情监测方法、装置、计算机设备、计算机程序产品和存储介质,至少包括以下有益效果:
本公开通过监测目标获取信息关键词,并构建关键词列表,扩展了监测目标的监测范围,提高了信息关键词之间的关联性,避免了漏掉监测目标的信息关键词,有助于对监测目标进行全面覆盖。同时,在匹配网络舆情数据时,与整个关键词列表进行匹配,提高了监测精确度和效率。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一实施例中提供的一种网络舆情监测方法的流程示意图;
图2为一实施例中提供的构建关键词列表的流程示意图;
图3为一实施例中提供的关键词列表匹配流程示意图;
图4为一实施例中提供的关键词列表更新的流程示意图;
图5为一实施例中提供的关键词列表更新的另一流程示意图;
图6为一实施例中提供的生成相关事件的流程示意图;
图7为一实施例中提供的网络舆情监测装置的结构示意图;
图8为一实施例中提供的网络舆情监测装置的数据传输流向示意图;
图9为一实施例中提供的关键词模块的结构示意图;
图10为一实施例中提供的舆情匹配模块的结构示意图;
图11为一实施例中提供的网络舆情监测装置的另一结构示意图;
图12为一实施例中提供的网络舆情监测装置的数据传输流向示意图;
图13为一实施例中提供的网络舆情监测装置的另一结构示意图;
图14为一实施例中提供的网络舆情监测装置的数据传输流向示意图;
图15为一实施例中提供的网络舆情监测设备的框图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产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它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了解决现有的网络舆情监测方案中关键词彼此之间关联性较弱,以及难以及时更新的问题,本公开提供了一种网络舆情监测方法,本方法可以应用在全网舆情监测方案中,通过对海量网络舆论信息进行实时的自动采集、分析、汇总,得出被监测目标相关的舆情信息的集合,例如针对企业的舆情监测,对于企业而言,需要了解公众对产品、品牌和企业的印象,比如近期产品在某些方面出现了许多负面评价,则公司需要及时获得监测的结果,便于后续根据监测结果正确引导舆论方向,同时尽快提出产品的优化及提升方案,防止相关事件的进一步恶化,同时也是对自身产品、品牌的维护和提升。
现以针对企业的网络舆情监测为例,请参阅图1,本实施例提供了一种网络舆情监测方法,包括步骤:
步骤S100:接收用户端的监测请求,根据监测请求确定监测目标。
这里用户端指得是用户侧可以连入网络的计算机设备,例如智能手机、电脑或者网络工作站,其上配备有可以运行网络操作系统的客户端软件。用户可以通过用户端进行操作,发送监测请求,监测请求信息中至少包括请求检测的监测目标信息,监测目标可以为某一已知的企业,例如用户可以通过手机app操作,请求检测M企业。
步骤S200:根据监测目标获取与监测目标有预设关联关系的信息关键词,基于信息关键词构建关键词列表。
在接收到用户端请求检测的监测目标M企业后,根据已知的预设关联关系查询监测目标M企业的相关信息,作为的信息关键词。预设关联关系可以是指已公开的与监测目标存在直接或间接的利益或依赖关系。例如,当监测目标为企业时,预设关联关系可以是指企业控股股东、实际控制人、董事、监事、高级管理人员与监测目标直接或者间接控制的企业之间的关系,以及可能导致公司利益转移的其他关系。
在查询获取信息关键词后,根据信息关键词构建关键词列表,关键词列表用于储存上述信息关键词。以监测目标M企业查询出的关键词列表,可以包括企业名称、企业简称、企业英文名称、法人名、高管人员、产品名、品牌名等信息关键词。
步骤S300:采集网络舆情数据,将采集到的网络舆情数据与关键词列表按照预设匹配规则进行匹配。
采集全网的网络舆情数据,当前,任何一个网络媒体平台都可能成为舆情滋生的源头,为此本实施例可对新闻媒体、社交媒体、主流门户网站、论坛、博客、微信公众号、短视频等多个平台的舆情进行全方位监测。本实施例根据热度例如词条点击率、评论率等获取网络舆情数据,也可以通过其他预设规则采取网络舆情数据。将采集到的网络舆情数据与构建的关键词列表按照预设匹配规则进行匹配,筛选出与关键词列表相匹配的网络舆情数据。匹配规则可以根据实际需求设置,例如针对网络中的文本类信息,可以采用自然语言处理(NLP)技术,自然语言处理(NLP)是一种专业分析人类语言的人工智能。
步骤S400:将与关键词列表相匹配的网络舆情数据关联至监测报告,监测报告用于展示与监测报告相关联的网络舆情数据。
经过上述步骤S300的采集和匹配网络舆情数据,将筛选出的与关键词列表相匹配的网络舆情数据关联至监测报告,使得监测报告作为与关键词列表相匹配的网络舆情数据的集合,用于展示与监测报告相关联的网络舆情数据。本实施例中监测报告可以是文本、图标、库、表、多媒体信息等数据集合的格式。
步骤S500:响应用户端对监测目标的查询请求,在用户端展示监测报告。
用户可以通过用户端进行操作,发送对监测目标的查询请求,查询请求信息中至少包括请求查询的监测目标信息。由于客户事先对监测目标发送过监测请求进行监测,因此在客户发送查询请求后,向客户端展示监测目标对应的监测报告。本实施例中,监测目标与其相应的监测报告是一一对应的,用户可以请求监测多个监测目标。
本实施例通过监测目标获取信息关键词,并构建关键词列表,扩展了监测目标的监测范围,提高了信息关键词之间的关联性,避免了漏掉监测目标的信息关键词,有助于对监测目标进行全面覆盖。同时,在匹配网络舆情数据时,与整个关键词列表进行匹配,提高了匹配精确度和效率。
请参阅图2,在一个实施例中,上述步骤S200提供的构建关键词列表的流程包括以下步骤:
步骤S201:基于监测目标进行信息查询,筛选与监测目标有预设关联关系的信息关键词。
在响应用户监测请求后,根据监测目标M企业查询与筛选与监测目标M企业有预设关联关系的信息关键词。本实施例中从企业信息数据库中获取信息关键词,企业信息数据库是按照数据结构来存储、组织以及管理企业数据的集合。可以把数据库简单的定义为按一定组织方式存储在一起的、具有一定相关性的、为用户所共同关注的全部数据的集合。因此,通过在企业信息数据库中查询M企业,可以获得与M企业相关的信息关键词。企业信息数据库可以是现有的由中国人民银行组织建立的全国统一的企业信用信息共享平台,或者其他企业组织建立的企业信息数据库。
步骤S203:将信息关键词写入列表,构建得到关键词列表。
将上述步骤S201筛选得到的信息关键词写入列表中进行存储,即可构建得到关键词列表。一些实施例中,关键词列表中可以至少包括表头和表头下的信息关键词,将筛选得到的信息关键词根据表头写入列表,例如表头为法人名,则该表头下的信息关键词为“法人A”。
在本公开的一些实施例中,请参阅图3,步骤S300包括步骤:
步骤S301:获取所述关键词列表中的信息关键词预设的等级标签。
本实施例对构建好的关键词列表中的信息关键词进行了标注等级标签,等级标签可以是指用于区分和设定关键词列表中的信息关键词匹配等级的标签,例如,可以对企业名称、企业简称、企业英文名称等信息关键词的等级标签设为一级标签,对法人名、高管人员、产品名等信息关键词设为二级标签,标签等级的设定可以只有一个等级,也可以具有两个或两个以上的等级。
步骤S303:根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配。
在将网络舆情数据与关键词列表进行匹配时,需要对关键词列表中的信息关键词进行匹配。在本实施例中,根据信息关键词的等级标签进行匹配。例如,将网络舆情数据与关键词列表进行匹配,当网络舆情数据与关键词列表中任意一个一级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与关键词列表符合匹配规则;当网络舆情数据与关键词列表中至少两个二级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与关键词列表符合匹配规则。
本实施例通过对关键词列表中的信息关键词进行等级标签标注,按照不同的等级标签对关键词信息进行匹配,可以通过任意一个信息关键词符合匹配规则判断网络舆情数据与关键词列表符合匹配规则,以及至少两个信息关键词符合匹配规则判断网络舆情数据与关键词列表符合匹配规则。使得网络舆情数据与关键词列表的匹配更加灵活,即可以满足全方位的匹配的要求,减少遗漏,又避免了逐一匹配造成的匹配逻辑冗杂,提高了匹配的准确度和效率。
请参阅图4,在本公开的一些实施例中,网络舆情监测方法还包括以下步骤:
步骤A100:获取监测目标工商信息的变更数据流。
根据监测目标对工商信息进行监测,实时获取监测目标工商信息的变更数据流,本实施例中的变更数据流可以是指监测目标的工商信息的变更数据,例如企业开展了新的分支机构,或者更换或者添加了法人代表等信息。
步骤A200:判断变更数据流中是否有与关键词列表中的信息关键词对应的更新数据,当判断结果为是时,将更新数据覆盖未更新前对应的信息关键词,形成更新后的信息关键词。
在获得监测目标的变更数据流后,将变更数据流与关键词列表中的信息关键词进行比对,判断信息关键词是否在变更数据流中有对应的更新数据,如果判断结果为是,即该信息关键词进行了更新,则可以将更新数据覆盖未更新前对应的信息关键词,形成更新后的信息关键词。例如,在实时监测M企业的工商信息中,国家工商局发布了M企业工商信息的变更数据流,变更数据流中包括了法人变更信息,将变更数据流与关键词列表中的信息关键词进行比对后,获得信息关键词“法人A”有对应的更新数据“法人B”,则将关键词列表中的法人信息由“法人A”替换为“法人B”。
本实施例提供了上述的关键词列表更新步骤,其关键词列表并未一成不变的,而是可以根据获取到的监测目标工商信息的变更数据流不断更新,可以及时将更新数据同步到关键词列表中,替换已失效的关键词信息,按照最新的关键词列表进行匹配,提高了网络舆情监测的实时性和准确性。
请参阅图5,本公开的另一些实施例中,所述网络舆情监测方法还可以包括以下步骤:
步骤B100:获取监测目标工商信息的变更数据流。
根据监测目标对工商信息进行监测,实时获取监测目标工商信息的变更数据流,本实施例中的变更数据流同上述实施例中的监测目标的工商信息的变更数据。
步骤B200:判断根据变更数据流是否获得关键词列表之外的新信息关键词,当判断结果为是时,将新信息关键词写入关键词列表。
在获得监测目标的变更数据流后,将变更数据流与关键词列表中的信息关键词进行比对,判断根据变更数据流是否获得关键词列表之外的新信息关键词,这里的关键词列表之外的新信息关键词,既可以是在关键词列表上添加新的表头,也可以是在原有的表头下添加新的信息关键词。如果判断结果为是,则将新信息关键词写入关键词列表。例如,根据国家工商局发布的M企业工商信息的变更数据流中,获得企业M成立了第一家分支机构P的信息,根据分支机构P的信息可以获得关键词列表之外的新信息关键词,即将“分支机构”加入原来的关键词列表的表头,“分支机构P”作为该表头下的元素。如果根据国家工商局发布的M企业工商信息的变更数据流,获得企业M成立了第二家分支机构Q的信息,需要将“分支机构Q”作为分支机构表头下的新元素写入原来的关键词列表。
本实施例提供了上述的关键词列表更新步骤。本实施例中,关键词列表可以自动完善,加强关键词列表对监测目标的覆盖,可以根据获取到的监测目标工商信息的变更数据流提取原有关键词列表之外的关键词信息,不断扩充和完善关键词列表,按照最新的关键词列表进行匹配,提高了网络舆情监测的实时性和准确性。
请参阅图6,在本说明书提供的另一些实施例中,网络舆情监测方法还可以包括以下步骤:
步骤C100:获取所述监测目标的网络公示数据流。
本实施例的网络公示数据流可以是指政府等权威单位公示信息,例如全国企业信用公示平台公示的企业违规、违法、失信等信息。根据监测目标获取网络公示数据流。
步骤C200:根据网络公示数据流生成相关事件,将相关事件关联至监测报告。
根据上述步骤C100获得的网络公示数据流,提取关键词进行聚合关联,生成相关事件。相关事件往往是企业的一些负面信息,这些相关事件往往有固定的关键词,例如获得M企业的公示数据中包括关于环保处罚的相关信息、关于严重违法的相关信息、企业失信的相关信息等,将关于环保处罚的相关信息进行聚合,提取与环保处罚的相关信息相匹配的关键词“环保处罚”,生成以“环保处罚”为关键词的相关事件,并将环保处罚的相关信息关联到环保处罚的相关事件下;又例如将关于严重违法的相关信息进行聚合,提取与严重违法的相关信息相匹配的关键词“严重违法”,生成以“严重违法”为关键词的相关事件,并将严重违法的相关信息关联到环保处罚的相关事件下;又例如将关于企业失信的相关信息进行聚合,提取与企业失信的相关信息相匹配的关键词“企业失信”,生成以“企业失信”为关键词的相关事件,并将企业失信的相关信息关联到企业失信的相关事件下。
再将形成的相关事件关联到监测报告,监测报告在向用户端展示时,同时展示相关事件。
步骤C300:将采集到的网络舆情数据与相关事件按照预设匹配规则进行匹配,将与相关事件相匹配的网络舆情数据关联至相关事件。
采集全网的网络舆情数据,将采集到的网络舆情数据与相关事件进行匹配,在匹配时可以采用自然语言处理(NLP)技术将采集到的网络舆情数据与相关事件的关键词进行匹配,进而筛选出与相关事件相匹配的网络舆情数据,并关联至相关事件。
在网络舆情监测中,诸如行政处罚、股权出质、环保处罚等极易形成一个网络舆情热点,对企业的形象造成损害。但是在对这些负面信息进行监测时,传统的监测方法只能按照监测目标的关键词列表进行监测,无法使得上述负面信息形成独立的事件。本实施例提供的网络舆情监测方法中包括了生成相关事件的步骤,通过获取网络公示数据流,对网络公示数据流进行聚合关联,按照预设的匹配逻辑生成相关事件,便于对采集到的网络舆情数据针对相关事件进行单独的分析。同时,通过将相关事件关联至监测报告,使得监测报告不仅可以展示与关键词列表相关的网络舆情数据,还可以展示与相关事件相关的网络舆情数据,进一步的提高了舆情监测的全面性和准确性,并且将网络舆情数据进行了合理高效的分类,便于后续的舆情分析过程。
应该理解的是,虽然图1-图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-图6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是,本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同/相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。
基于上述的网络舆情监测方法实施例的描述,本公开还提供了一种网络舆情监测装置,装置可以包括使用了本说明书实施例方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本公开实施例提供的一个或多个实施例中的装置如下面的实施例。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
请参阅图7,在一个实施例中,提供了一种网络舆情监测装置Z00,包括:
交互模块Z10,用于接收用户端100发送的监测请求,并根据监测请求确定监测目标;还用于响应用户端100对监测目标的查询请求,在用户端100展示监测报告;
关键词模块Z20,用于根据监测目标获取与监测目标有预设关联关系的信息关键词,基于信息关键词构建关键词列表;
信息采集模块Z30,用于采集网络舆情数据;
舆情匹配模块Z40,用于将采集到的网络舆情数据与关键词列表按照预设匹配规则进行匹配;
监测报告模块Z50,用于将与关键词列表相匹配的网络舆情数据关联至监测报告,监测报告用于展示与监测报告相关联的网络舆情数据。
本实施例提供的网络舆情监测装置通过交互模块Z10与用户端100实现信号传输,接收用户端100发送的监测请求和查询请求,确定监测目标。请参阅图8,在一些实施例中,关键词模块Z20可以连接外部数据库,例如关键词模块Z20连接监测目标数据库Z80,可以在监测目标数据库Z80中通过监测目标查询信息关键词,进而根据信息关键词构建关键词列表。
监测目标数据库Z80可以是企业信息数据库。舆情匹配模块Z40可以对信息采集模块Z30采
集的网络舆情数据和关键词模块Z20构建的关键词列表按照预设匹配规则进行匹配,监测报
告模块Z50可以生成监测报告,根据舆情匹配模块Z40筛选出的与关键词列表相匹配的网络舆情数据关联至监测报告。在一些实施例中,本装置可以配备或者连接外部舆情监测数据库Z90,舆情监测数据库Z90可以用来存储关键词列表和监测报告,方便后续查阅。
在一示例性实施例中,请参阅图9,关键词模块Z20包括:
筛选单元Z21,用于基于监测目标进行信息查询,筛选与监测目标有预设关联关系的信息关键词;
列表构建单元Z22,用于将信息关键词写入列表,构建得到关键词列表。
在一示例性实施例中,请参阅图10,舆情匹配模块Z40包括:
标签单元Z41,用于获取所述关键词列表中的信息关键词预设的等级标签;
匹配单元Z42,用于根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配。
在一示例性实施例中,请参阅图11和图12,信息采集模块Z30还用于采集监测目标工商信息的变更数据流。
本实施例所述的装置还包括更新模块Z60,更新模块Z60用于判断变更数据流中是否有与关键词列表中的信息关键词对应的更新数据,如果判断结果为是,则将更新数据覆盖未更新前对应的信息关键词,形成更新后的信息关键词。
在实施例提供的装置中,信息采集模块Z30将采集到的变更数据流传输至更新模块Z60,更新模块Z60将变更数据流和关键词模块Z20中的关键词列表进行比对,判断信息关键词是否在变更数据流中有对应的更新数据,如果判断结果为是,则将更新数据覆盖未更新前对应的信息关键词,形成更新后的信息关键词。
在一示例性实施例中,信息采集模块Z30还用于采集监测目标工商信息的变更数据流。
本实施例所述的装置还包括更新模块Z60,更新模块Z60用于判断根据变更数据流是否获得关键词列表之外的新信息关键词,如果判断结果为是,则将新信息关键词写入关键词列表。
在实施例提供的装置中,信息采集模块Z30将采集到的变更数据流传输至更新模块Z60,更新模块Z60将变更数据流和关键词模块Z20中的关键词列表进行比对,判断根据变更数据流是否获得关键词列表之外的新信息关键词,如果判断结果为是,则将新信息关键词写入关键词列表。
在一示例性实施例中,请参阅图13和图14,信息采集模块Z30还用于采集网络公示数据流。
本实施例所述的装置还包括事件模块Z70,事件模块Z70用于根据网络公示数据流公示信息生成相关事件,将相关事件关联至监测报告。
舆情匹配模块Z40还用于将采集到的网络舆情数据与相关事件按照预设匹配规则进行匹配,将与相关事件相匹配的网络舆情数据关联至相关事件。
在本实施例所述的装置中,信息采集模块Z30将采集到的网络公示数据流传输至事件模块Z70,网络公示数据流可以是指政府等权威单位公示信息,事件模块Z70可以根据公示信息聚合关联生成相关事件,将相关事件关联至舆情监测数据库Z90中的监测报告。舆情匹配模块Z40还用于将事件模块Z70中的相关事件与网络舆情数据相匹配,将与相关事件相匹配的网络舆情数据关联至相关事件。
需要说明的,上述的装置根据方法实施例的描述还可以包括其它的实施方式,具体的实现方式可以参照前述网络舆情监测方法的实施例的描述,在此不作一一赘述。上述网络舆情监测装置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。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
基于前述方法实施例描述,本公开提供的装置的另一个实施例中,提供了一种计算机设备,图15是根据一示例性实施例示出的一种数据传输的加解密设备S00的框图。例如,设备S00可以为一服务器。参照图15,设备S00包括处理组件S20,其进一步包括一个或多个处理器,以及由存储器S22所代表的存储器资源,用于存储可由处理组件S20的执行的指令,例如应用程序。存储器S22中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件S20被配置为执行指令,以执行上述实施例中网络舆情监测方法的步骤。
设备S00还可以包括一个电源组件S24被配置为执行设备S00的电源管理,一个有线或无线网络接口S26被配置为将设备S00连接到网络,和一个输入输出(I/O)接口S28。设备S00可以操作基于存储在存储器S22的操作系统,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD或类似。
基于前述方法实施例描述,本公开提供的装置的另一个实施例中,提供了一种计算机程序产品,计算机程序产品中包括指令,指令被执行时,能够执行上述实施例中网络舆情监测方法的步骤。
基于前述方法实施例描述,本公开提供的装置的另一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述实施例中网络舆情监测方法的步骤。
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一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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本说明书中上述方法、装置、计算机设备、计算机程序及存储介质的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见或参照对应的方法实施例描述即可,每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见方法实施例的部分说明即可。具体的可以根据前述方法实施例的描述的可以得到,且都应属于本申请所保护的实施范围之内,在此不做逐个实施例实现方案的赘述。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种网络舆情监测方法,其特征在于,包括步骤:
接收用户端的监测请求,根据所述监测请求确定监测目标;所述监测请求信息中至少包括请求监测的监测目标信息;
根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表;所述预设关联关系是指已公开的与所述监测目标存在直接或间接的利益或依赖关系;
采集网络舆情数据,将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配;
将与所述关键词列表相匹配的网络舆情数据关联至监测报告,所述监测报告用于展示与所述监测报告相关联的网络舆情数据;
响应用户端对所述监测目标的查询请求,在用户端展示所述监测报告;
其中,所述采集网络舆情数据,将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配包括:
获取所述关键词列表中的信息关键词预设的等级标签;
根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配;
所述等级标签包括一级标签和二级标签,当网络舆情数据与所述关键词列表中任意一个一级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与所述关键词列表符合匹配规则;
当网络舆情数据与所述关键词列表中至少两个二级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与所述关键词列表符合匹配规则。
2.如权利要求1所述的方法,其特征在于,所述根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表包括:
基于所述监测目标进行信息查询,筛选与所述监测目标有预设关联关系的信息关键词;
将所述信息关键词写入列表,构建得到所述关键词列表。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述监测目标工商信息的变更数据流;
判断所述变更数据流中是否有与所述关键词列表中的信息关键词对应的更新数据,当判断结果为是时,将所述更新数据覆盖未更新前对应的所述信息关键词,形成更新后的信息关键词。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述监测目标工商信息的变更数据流;
判断根据所述变更数据流是否获得所述关键词列表之外的新信息关键词,当判断结果为是时,将所述新信息关键词写入所述关键词列表。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述监测目标的网络公示数据流;
根据所述网络公示数据流生成相关事件,将所述相关事件关联至所述监测报告;
将采集到的网络舆情数据与所述相关事件按照预设匹配规则进行匹配,将与所述相关事件相匹配的网络舆情数据关联至所述相关事件。
6.一种网络舆情监测装置,其特征在于,包括:
交互模块,用于接收用户端发送的监测请求,并根据所述监测请求确定监测目标;还用于响应用户端对所述监测目标的查询请求,在用户端展示监测报告;
关键词模块,用于根据所述监测目标获取与所述监测目标有预设关联关系的信息关键词,基于所述信息关键词构建关键词列表;
信息采集模块,用于采集网络舆情数据;
舆情匹配模块,用于将采集到的网络舆情数据与所述关键词列表按照预设匹配规则进行匹配;
监测报告模块,用于将与所述关键词列表相匹配的网络舆情数据关联至监测报告,所述监测报告用于展示与所述监测报告相关联的网络舆情数据;
所述舆情匹配模块包括:
标签单元,用于获取所述关键词列表中的信息关键词预设的等级标签;
匹配单元,用于根据所述等级标签,将所述网络舆情数据与所述关键词列表中的信息关键词按照预设匹配规则匹配;
所述等级标签包括一级标签和二级标签,所述匹配单元,还用于当网络舆情数据与所述关键词列表中任意一个一级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与所述关键词列表符合匹配规则;
当网络舆情数据与所述关键词列表中至少两个二级标签的信息关键词符合匹配规则时,即可认定网络舆情数据与所述关键词列表符合匹配规则。
7.如权利要求6所述的装置,其特征在于,所述关键词模块包括:
筛选单元,用于基于所述监测目标进行信息查询,筛选与所述监测目标有预设关联关系的信息关键词;
列表构建单元,用于将所述信息关键词写入列表,构建得到所述关键词列表。
8.如权利要求6所述的装置,其特征在于,所述信息采集模块还用于采集所述监测目标工商信息的变更数据流;
所述装置还包括更新模块,所述更新模块用于判断所述变更数据流中是否有与所述关键词列表中的信息关键词对应的更新数据,如果判断结果为是,则将所述更新数据覆盖未更新前对应的所述信息关键词,形成更新后的信息关键词。
9.如权利要求6所述的装置,其特征在于,所述信息采集模块还用于采集所述监测目标工商信息的变更数据流;
所述装置还包括更新模块,所述更新模块用于判断根据所述变更数据流是否获得所述关键词列表之外的新信息关键词,如果判断结果为是,则将所述新信息关键词写入所述关键词列表。
10.如权利要求6所述的装置,其特征在于,所述信息采集模块还用于采集网络公示数据流;
所述装置还包括事件模块,所述事件模块用于根据所述网络公示数据流公示信息生成相关事件,将所述相关事件关联至所述监测报告;
所述舆情匹配模块还用于将采集到的网络舆情数据与所述相关事件按照预设匹配规则进行匹配,将与所述相关事件相匹配的网络舆情数据关联至所述相关事件。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
12.一种计算机程序产品,所述计算机程序产品中包括指令,其特征在于,所述指令被执行时,能够执行权利要求1至5中任一项所述的方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063288.3A CN113761446B (zh) | 2021-09-10 | 2021-09-10 | 网络舆情监测方法、装置、设备、程序产品及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063288.3A CN113761446B (zh) | 2021-09-10 | 2021-09-10 | 网络舆情监测方法、装置、设备、程序产品及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113761446A CN113761446A (zh) | 2021-12-07 |
CN113761446B true CN113761446B (zh) | 2024-02-23 |
Family
ID=78794852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111063288.3A Active CN113761446B (zh) | 2021-09-10 | 2021-09-10 | 网络舆情监测方法、装置、设备、程序产品及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113761446B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200380047A1 (en) * | 2019-05-30 | 2020-12-03 | AdMarketplace | Computer implemented system and methods for implementing a search engine access point enhanced for suggested listing navigation |
CN112765514A (zh) * | 2019-11-06 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 一种监测网络舆情方法、装置及存储介质 |
-
2021
- 2021-09-10 CN CN202111063288.3A patent/CN113761446B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200380047A1 (en) * | 2019-05-30 | 2020-12-03 | AdMarketplace | Computer implemented system and methods for implementing a search engine access point enhanced for suggested listing navigation |
CN112765514A (zh) * | 2019-11-06 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 一种监测网络舆情方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113761446A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10972509B2 (en) | Data processing and scanning systems for generating and populating a data inventory | |
US11036771B2 (en) | Data processing systems for generating and populating a data inventory | |
US10949565B2 (en) | Data processing systems for generating and populating a data inventory | |
US10282370B1 (en) | Data processing systems for generating and populating a data inventory | |
US10438016B2 (en) | Data processing systems for generating and populating a data inventory | |
US10181051B2 (en) | Data processing systems for generating and populating a data inventory for processing data access requests | |
US10929345B2 (en) | System and method of performing similarity search queries in a network | |
US20200042743A1 (en) | Data processing systems for generating and populating a data inventory for processing data access requests | |
US20120290544A1 (en) | Data compliance management | |
US10970675B2 (en) | Data processing systems for generating and populating a data inventory | |
CN113761446B (zh) | 网络舆情监测方法、装置、设备、程序产品及存储介质 | |
CN114297223A (zh) | 一种基于大数据的中小企业信息化服务平台 | |
US20210303603A1 (en) | Data processing systems for generating and populating a data inventory | |
Abdallah et al. | A Data Collection Quality Model for Big Data Systems | |
WO2019221060A1 (ja) | 支援システム及び支援方法 | |
CN114239517A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN117668128A (zh) | 有向关系图的管理方法、装置、设备及存储介质 | |
CN117273429A (zh) | 事件监测方法、系统、电子设备及存储介质 | |
CN116703141A (zh) | 审计数据处理方法、装置、计算机设备和存储介质 | |
CN116821479A (zh) | 审计程序推荐方法、装置和计算机可读存储介质 | |
CN117271570A (zh) | 数据存储方法、装置、介质和计算设备 | |
WO2019023509A1 (en) | DATA PROCESSING AND SCANNING SYSTEMS FOR GENERATING AND FEEDING DATA INVENTORY | |
Salmeron et al. | Final report on JIEDDO research project optimally locating BETSS-C surveillance assets |
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 | ||
CB02 | Change of applicant information |
Address after: No. 8 Huizhi Street, Suzhou Industrial Park, Suzhou Area, China (Jiangsu) Pilot Free Trade Zone, Suzhou City, Jiangsu Province, 215000 Applicant after: Qichacha Technology Co.,Ltd. Address before: Room 503, 5 / F, C1 building, 88 Dongchang Road, Suzhou Industrial Park, 215000, Jiangsu Province Applicant before: Qicha Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |