CN113779258B - 公众满意度的分析方法、存储介质及电子设备 - Google Patents
公众满意度的分析方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113779258B CN113779258B CN202111323562.6A CN202111323562A CN113779258B CN 113779258 B CN113779258 B CN 113779258B CN 202111323562 A CN202111323562 A CN 202111323562A CN 113779258 B CN113779258 B CN 113779258B
- Authority
- CN
- China
- Prior art keywords
- data
- negative
- score
- public
- satisfaction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 230000035945 sensitivity Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 20
- 230000008451 emotion Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002996 emotional effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 230000002457 bidirectional effect Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种公众满意度的分析方法、存储介质及电子设备，所述公众满意度的分析方法包括：采集公众反馈数据；对所述公众反馈数据进行类别划分，确定所述公众反馈数据的类别；根据所述公众反馈数据的敏感性确定每一类别的公众反馈数据的属性；所述属性包括正面属性和负面属性；基于所有类别的公众反馈数据的属性，确定正面得分、负面得分或负面情绪分布中的至少一种，根据所述正面得分、所述负面得分或所述负面情绪分布中的至少一种确定满意度总分，所述满意度总分表征所述公众满意度。本发明可以从数据正负面信息与事件正负面信息进行双向考虑，可以在公众关注度、传播度的基础上进一步分析公众满意度。
Description
技术领域
本发明属于数据分析的技术领域，涉及一种分析方法，特别是涉及一种公众满意度的分析方法、存储介质及电子设备。
背景技术
针对各种渠道下产生的公众数据，现有技术更多地根据社交媒介的点赞、评论等传播属性，分析某一事件数据的公众关注度或公众传播度，数据处理方式较简单。然而通过这样的处理分析方式并不能体现公众关注度所形成的趋势，比如，公众更多地是持有正面态度还是负面态度。
在目前的分析方式中，基于文本特征的关注度计算方式以及基于原始媒介数据量的直接计算方式等技术手段都是只能获取到公众对事件的关注程度。例如，以基于文本特征的关注度计算方式为例，在源数据中提取关键词，并构建关注度指数模型；实时获取网络数据，根据关注度指数模型计算获得事件关注度指数，通过关注度指数体现出公众对事件的关注程度。
因此，如何提供一种公众满意度的分析方法、存储介质及电子设备，以解决现有技术无法在公众关注度、传播度的基础上进一步分析公众满意度等缺陷，成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种公众满意度的分析方法、存储介质及电子设备，用于解决现有技术无法在公众关注度、传播度的基础上进一步分析公众满意度的问题。
为实现上述目的及其他相关目的，本发明一方面提供一种公众满意度的分析方法，所述公众满意度的分析方法包括：采集公众反馈数据；对所述公众反馈数据进行类别划分，确定所述公众反馈数据的类别；根据所述公众反馈数据的敏感性确定每一类别的公众反馈数据的属性；所述属性包括正面属性和负面属性；基于所有类别的公众反馈数据的属性，确定正面得分、负面得分或负面情绪分布中的至少一种，根据所述正面得分、所述负面得分或所述负面情绪分布中的至少一种确定满意度总分，所述满意度总分表征所述公众满意度。
于本发明的一实施例中，所述采集公众反馈数据的步骤包括：设置一采集时间段；在所述采集时间段内，获取所有渠道下产生的公众反馈数据。
于本发明的一实施例中，所述公众反馈数据的类别包括：观点数据、媒介数据或网络投递数据中的至少一种。
于本发明的一实施例中，所述根据所述公众反馈数据的敏感性确定每一类别的公众反馈数据的属性的步骤包括：分析所述观点数据的敏感性，若所述观点数据为非敏感数据，则将所述观点数据确定为正面数据；若所述观点数据为敏感数据，则将所述观点数据确定为负面数据；对所述媒介数据进行事件聚类，确定所述媒介数据的事件信息和所述媒介数据的数据信息；对所述网络投递数据进行事件聚类，确定所述网络投递数据的事件信息。
于本发明的一实施例中，所述媒介数据的事件信息包括媒介正面事件个数和媒介负面事件个数；所述媒介数据的数据信息包括媒介正面事件正面信息量和媒介负面事件负面信息量；所述网络投递数据的事件信息是指网络投递负面事件个数。
于本发明的一实施例中，所述基于所有类别的公众反馈数据的属性，确定正面得分、负面得分或负面情绪分布中的至少一种，根据所述正面得分、所述负面得分或所述负面情绪分布中的至少一种确定满意度总分，所述满意度总分表征所述公众满意度的步骤包括：基于所有类别的公众反馈数据的属性，确定所述公众反馈数据的正面得分或负面得分；分析所述公众反馈数据的负面情绪分布；根据所述正面得分、所述负面得分和所述负面情绪分布计算所有类别的公众反馈数据的正面总得分或负面总得分；结合所述正面总得分和所述负面总得分确定满意度总分；修正所述满意度总分，根据修正后的满意度总分评估所述公众满意度。
于本发明的一实施例中，所述正面得分包括观点正面加分和/或媒介正面加分；所述负面得分包括观点负面减分、媒介负面减分和/或网络投递负面减分。
于本发明的一实施例中，所述修正所述满意度总分的步骤包括：判断所述满意度总分是否大于0，若所述满意度总分大于0，则利用第一函数对所述满意度总分进行修正；若所述满意度总分不大于0，则利用第二函数对所述满意度总分进行修正。
为实现上述目的及其他相关目的，本发明另一方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的公众满意度的分析方法。
为实现上述目的及其他相关目的，本发明最后一方面提供一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述的公众满意度的分析方法。
如上所述，本发明所述的公众满意度的分析方法、存储介质及电子设备，具有以下有益效果：
本发明通过对公众反馈数据进行类别划分，确定每一类别的公众反馈数据的正面属性或负面属性，以此来分析公众满意度。本发明与现有技术相比，可以从数据正负面信息与事件正负面信息进行双向考虑，可以在公众关注度、传播度的基础上进一步分析公众满意度。
附图说明
图1显示为本发明的公众满意度的分析方法于一实施例中的原理流程图。
图2显示为本发明的公众满意度的分析方法于一实施例中的数据采集流程图。
图3显示为本发明的公众满意度的分析方法于一实施例中的属性确定流程图。
图4显示为本发明的公众满意度的分析方法于一实施例中的公众满意度分析流程图。
图5显示为本发明的电子设备于一实施例中的结构连接示意图。
元件标号说明
5——电子设备；
51——处理器；
52——存储器；
S11~S14——步骤；
S111~S112——步骤；
S131~S133——步骤；
S141~S145——步骤。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明所述的公众满意度的分析方法、存储介质及电子设备可以从数据正负面信息与事件正负面信息进行双向考虑，可以在公众关注度、传播度的基础上进一步分析公众满意度。本发明并不是对单一事件的满意度，而是对某一种事件类型的满意度。比如可以是一个城市或地区的生态环境方面、一个城市或地区的公共卫生安全方面的满意度。又比如在一段时间内公众某段时间对事件A的关注度高，现有技术中分析出的关注度高并不能反映大家对事件A的态度，即是否满意。本发明所述的公众满意度的分析方法可以进一步分析得出大家对事件A是否满意，满意度是多少等信息。
以下将结合图1至图5详细阐述本实施例的一种公众满意度的分析方法、存储介质及电子设备的原理及实施方式，使本领域技术人员不需要创造性劳动即可理解本实施例的公众满意度的分析方法、存储介质及电子设备。
请参阅图1，显示为本发明的公众满意度的分析方法于一实施例中的原理流程图。如图1所示，所述公众满意度的分析方法具体包括以下几个步骤：
S11，采集公众反馈数据。
请参阅图2，显示为本发明的公众满意度的分析方法于一实施例中的数据采集流程图。如图2所示，S11具体包括以下步骤：
S111，设置一采集时间段。
具体地，所述采集时间段例如为1小时，除此之外，也可以根据采集需求设置其他合理的时间段。
S112，在所述采集时间段内，获取所有渠道下产生的公众反馈数据。
具体地，在1小时内，获取所有渠道下产生的公众反馈数据，即观点方式、媒介方式、网络投递平台等全网或线上产生的公众反馈数据。于实际应用中，一条公众反馈数据是指一条文本数据。
S12，对所述公众反馈数据进行类别划分，确定所述公众反馈数据的类别。
于一实施例中，所述公众反馈数据的类别包括：观点数据、媒介数据或网络投递数据中的至少一种。
具体地，类别划分可以依据数据采集的方式实现。于实际应用中，根据数据采集的来源判断。例如，采集数据源于某一数据平台，则判定该数据为网络投递数据；采集数据源于媒介，则判定该数据为媒介数据；观点数据可以是全网数据中根据关键词筛选得到的数据。
S13，根据所述公众反馈数据的敏感性确定每一类别的公众反馈数据的属性；所述属性包括正面属性和负面属性。
具体地，关于正面属性和负面属性可用BiLSTM模型或其他可以实现二分类的模型进行判断。本发明所用的BiLSTM模型通过大量正面数据和负面数据训练生成。
请参阅图3，显示为本发明的公众满意度的分析方法于一实施例中的属性确定流程图。如图3所示，S13具体包括以下步骤：
S131，分析所述观点数据的敏感性，若所述观点数据为非敏感数据，则将所述观点数据确定为正面数据；若所述观点数据为敏感数据，则将所述观点数据确定为负面数据。
具体地，对观点数据进行敏感性分类，将非敏感的观点数据划分为正面数据，将敏感的观点数据划分为负面数据。将观点正面数据的条数作为观点正面信息量，将观点负面数据的条数作为观点负面信息量。
进一步地，对观点数据进行情绪分类，得到负面信息占比。
具体地，情绪分类可以使用一个情绪分类模型，例如可以是多分类Bert模型。进行喜、怒、悲伤、恐惧、惊讶、中性的多分类。假设一共N条数据，经过情绪分类模型后，得到如下4中负面情绪：情绪怒的观点数据为a条、情绪悲伤的观点数据为b条、情绪恐惧的观点数据为c条、情绪惊讶的观点数据为d条，则负面信息占比=（a+b+c+d)/N。
S132，对所述媒介数据进行事件聚类，确定所述媒介数据的事件信息和所述媒介数据的数据信息。
于一实施例中，所述媒介数据的事件信息包括媒介正面事件个数和媒介负面事件个数；所述媒介数据的数据信息包括媒介正面事件正面信息量和媒介负面事件负面信息量。
具体地，对媒介数据进行事件聚类，确定媒介正面事件和媒介负面事件，分别统计媒介正面事件个数和媒介负面事件个数。并对单条数据进行敏感性分类，根据敏感性信息数量，判断媒介数据为媒介正面数据或媒介负面数据，将统计的媒介正面数据的条数作为媒介正面事件正面信息量，将统计的媒介负面数据的条数作为媒介负面事件负面信息量。
于实际应用中，例如有100条媒介数据，经过事件聚类后确定正面事件个数为1个，负面事件个数为1个，经过单条媒介数据的敏感性分类后确定媒介正面数据为60条，媒介负面数据为40条，则媒介正面事件正面信息量为60，媒介负面事件负面信息量为40。
具体地，网络投递数据均认为是负面信息，通过事件聚类，得到网络投递负面事件个数。
S133，对所述网络投递数据进行事件聚类，确定所述网络投递数据的事件信息。
于一实施例中，所述网络投递数据的事件信息是指网络投递负面事件个数。
具体地，针对媒介数据和网络投递数据的聚类，原理如下：对每条媒介数据或网络投递数据的文本进行分词，使用word2vec模型，并求平均值得到句子的句向量。对所有文本的句向量进行相似度计算，相似度高的文本作为一类事件来聚类。其中，Word2vec，是一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。
S14，基于所有类别的公众反馈数据的属性，确定正面得分、负面得分或负面情绪分布中的至少一种，根据所述正面得分、所述负面得分或所述负面情绪分布中的至少一种确定满意度总分，所述满意度总分表征所述公众满意度。
请参阅图4，显示为本发明的公众满意度的分析方法于一实施例中的公众满意度分析流程图。如图4所示，S14具体包括以下步骤：
S141，基于所有类别的公众反馈数据的属性，确定所述公众反馈数据的正面得分或负面得分。
于一实施例中，所述正面得分包括观点正面加分和/或媒介正面加分；所述负面得分包括观点负面减分、媒介负面减分和/或网络投递负面减分。
具体地，根据整理数据，通过对信息量和事件个数类变量进行独立对数化，或对信息量事件个数进行对数化，得到各类数据的正负面得分。包括：观点负面减分、观点正面加分、媒介负面减分、媒介正面加分、网络投递负面减分。特别的，网络投递正面加分设置为0。
其中，对数化所用到的函数为：s = ln(a)。a表示信息量和事件个数或信息量事件个数，s表示正负面得分。
S142，分析所述公众反馈数据的负面情绪分布。
具体地，观点负面情绪分布 = 负面信息占比 * f。其中f表示缩放比例因子，用于将观点负面情绪分布设置为与其他分数量级相同的转换数值。例如，观点正面加分范围在0-0.1，负面信息占比为0-0.01，则令f=10，观点负面情绪分布也变成0-0.1之间。
S143，根据所述正面得分、所述负面得分和所述负面情绪分布计算所有类别的公众反馈数据的正面总得分或负面总得分。
具体地，正面总得分为总正面加分，负面总得分为总负面减分，通过加权分别计算出总负面减分和总正面加分：
总负面减分 = a*观点负面减分 + b*观点负面情绪分布+ c*媒介负面减分 + d*网络投递负面减分；
总正面加分 = o*观点正面加分 + p*（1- 观点负面情绪分布）+ q*媒介正面加分+ r*网络投递正面加分。
其中，权重值a + b + c + d = 1，权重值o + p + q + r = 1。
于实际应用中，设权重值a 、 b 、 c 、d 分别为0.15、0.25、0.40、0.20，设权重值o、 p、q、r分别为0.15、0.25、0.40、0.20。除此之外，其他根据业务需求以及重点侧重哪类数据所设置的合理权重值均在本发明保护的范围内。
S144，结合所述正面总得分和所述负面总得分确定满意度总分。
具体地，总分 = 总正面加分 - 总负面减分。
S145，修正所述满意度总分，根据修正后的满意度总分评估所述公众满意度。
于一实施例中，所述修正所述满意度总分的步骤包括：
判断所述满意度总分是否大于0，若所述满意度总分大于0，则利用第一函数对所述满意度总分进行修正；若所述满意度总分不大于0，则利用第二函数对所述满意度总分进行修正。
具体地，根据设定的阈值进行sigmoid分数修正。Sigmoid函数是一个常见的S型函数，也称为S型生长曲线。在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的激活函数，将变量映射到0，1之间。
于实际应用中，当总分大于0时，使用第一函数计算：
当总分小于或等于0时，使用第二函数计算：
其中，x表示原始总分，y表示修正后的分数，i，j，m，n为公式常数。所述公式常数不是特定的某一个值，是根据不同事件类型分别得到的。即不同的事件类型取值不同。实际设置过程中是先选定某一事件方向，根据不同城市的数据和结果，反复根据业务方的反馈来进行调整的。
于实际应用中，主要是对sigmoid中的i，j， m， n进行调整，以达到与人为主观感受更加相符的得分。比如一个城市出现重大卫生安全事故，那么如果现在关心的是城市卫生安全方面的满意度，那么满意度在这段时间内会出现下降。再比如，对于某些方面有比如主流媒介的排名，会作为城市间对比的依据。
在i，j， m， n参数的具体调整过程中，比如得到一个城市一个月的数据，业务方会反馈给我们比如分数整体偏高或偏低，或对不同输入是否敏感等。i，m可以帮助控制对输入的敏感性，j，n可以帮助控制整体分数高低。
需要说明的是，Sigmoid函数的特点包括：（1）是单调递增的。（2）函数值范围在(0，1)之间。（3）可以接受正数和负数的输入。（4）当输入越大或越小的时候变化越缓慢。除此之外，其他的具备上述特点（1）-（4）的函数用于修正也在本发明保护的范围内。
进一步地，本发明中还可以在对公众反馈数据进行分析处理之前进行不同地区的划分，针对不同地区进行公众满意度的分析，进而定量显示、比较直观地呈现不同地区的分析结果，且对不同地区的分析结果进行对比，分析不同地区针对同一类事件（例如生态环境方面或公共卫生安全方面）公众满意度的差异。具体地，设采集时间段为1小时，则针对A城市和B城市，均会每隔1小时生成一个y值，由此，A城市和B城市的多个y值可以通过统计图、Excel表等形式向用户呈现A城市或B城市随着时间变化公众满意度的变化，也可以呈现A城市与B城市在同一时间段内公众满意度的区别，还可以呈现任何可以通过y值直接或间接能获知的公众满意度信息。
于本发明不同的实施例中，可以只根据数据的正面与负面属性进行公众满意度的分析，也可以只根据聚类后事件的正面与负面属性进行分析，还可以结合数据的正面与负面属性、事件的正面与负面属性进行分析，结合分析为优选方式，但其他单独的分析方式也在本发明保护的范围内。
由此，本发明基于正负面敏感分类后事件、信息统计的公众满意度计算方式，相比于传统各类指数计算方式针对原始数据量的直接缩放、加权计算方式，先对数据进行敏感性分类，考虑正负面加减分，可以进一步体现出公众的满意度。本发明根据特定阈值调整的变体sigmoid函数进行分数修正的分数计算方式，使得分数计算更加灵活多变，可以根据大量实际数据进行函数的参数调整，以达到与人为主观感受更加相符的得分。
本发明所述的公众满意度的分析方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述公众满意度的分析方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的计算机可读存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的计算机存储介质。
请参阅图5，显示为本发明的电子设备于一实施例中的结构连接示意图。如图5所示，本实施例提供一种电子设备5，具体包括：处理器51及存储器52；所述存储器52用于存储计算机程序，所述处理器51用于执行所述存储器52存储的计算机程序，以使所述电子设备5执行所述公众满意度的分析方法的各个步骤。
上述的处理器51可以是通用处理器，包括中央处理器（Central ProcessingUnit，简称CPU）、网络处理器（Network Processor，简称NP）等；还可以是数字信号处理器（Digital Signal Processing，简称DSP）、专用集成电路（Alication SpecificIntegrated Circuit，简称ASIC）、现场可编程门阵列（Field Programmable GateArray，简称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。
上述的存储器52可能包含随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatilememory），例如至少一个磁盘存储器。
于实际应用中，所述电子设备可以是包括存储器、存储控制器、一个或多个处理单元（CPU）、外设接口、RF 电路、音频电路、扬声器、麦克风、输入/输出（I/O）子系统、显示屏、其他输出或控制设备，以及外部端口等组件的计算机；所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理（Personal DigitalAssistant，简称PDA）等个人电脑，在另一些实施方式中，所述电子设备还可以是服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以是由分布的或集中的服务器集群构成的云服务器，本实施例不作限定。
综上所述，本发明所述公众满意度的分析方法、存储介质及电子设备通过对公众反馈数据进行类别划分，确定每一类别的公众反馈数据的正面属性或负面属性，以此来分析公众满意度。本发明与现有技术相比，可以从数据正负面信息与事件正负面信息进行双向考虑，可以在公众关注度、传播度的基础上进一步分析公众满意度。本发明有效克服了现有技术中的种种缺点而具有高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种公众满意度的分析方法，其特征在于，所述公众满意度的分析方法包括：
采集公众反馈数据；
对所述公众反馈数据进行类别划分，确定所述公众反馈数据的类别；所述公众反馈数据的类别包括：观点数据、媒介数据和网络投递数据；
分析所述观点数据的敏感性，若所述观点数据为非敏感数据，则将所述观点数据确定为正面数据；若所述观点数据为敏感数据，则将所述观点数据确定为负面数据；对所述媒介数据进行事件聚类，确定所述媒介数据的事件信息和所述媒介数据的数据信息；对所述网络投递数据进行事件聚类，确定所述网络投递数据的事件信息；
基于所述观点数据、所述媒介数据和所述网络投递数据的数据信息和事件信息，确定正面得分、负面得分和负面情绪分布，根据所述正面得分、所述负面得分和所述负面情绪分布确定满意度总分，所述满意度总分表征所述公众满意度。
2.根据权利要求1所述的公众满意度的分析方法，其特征在于，所述采集公众反馈数据的步骤包括：
设置一采集时间段；
在所述采集时间段内，获取所有渠道下产生的公众反馈数据。
3.根据权利要求1所述的公众满意度的分析方法，其特征在于，
所述媒介数据的事件信息包括媒介正面事件个数和媒介负面事件个数；
所述媒介数据的数据信息包括媒介正面事件正面信息量和媒介负面事件负面信息量；
所述网络投递数据的事件信息是指网络投递负面事件个数。
4.根据权利要求1所述的公众满意度的分析方法，其特征在于，所述基于所述观点数据、所述媒介数据和所述网络投递数据的数据信息和事件信息，确定正面得分、负面得分和负面情绪分布，根据所述正面得分、所述负面得分和所述负面情绪分布确定满意度总分的步骤包括：
基于所述观点数据、所述媒介数据和所述网络投递数据的数据信息和事件信息，确定所述公众反馈数据的正面得分或负面得分；
分析所述公众反馈数据的负面情绪分布；
根据所述正面得分、所述负面得分和所述负面情绪分布计算所有类别的公众反馈数据的正面总得分或负面总得分；
结合所述正面总得分和所述负面总得分确定满意度总分；
修正所述满意度总分，根据修正后的满意度总分评估所述公众满意度。
5.根据权利要求4所述的公众满意度的分析方法，其特征在于，
所述正面得分包括观点正面加分和/或媒介正面加分；
所述负面得分包括观点负面减分、媒介负面减分和/或网络投递负面减分。
6.根据权利要求4所述的公众满意度的分析方法，其特征在于，所述修正所述满意度总分的步骤包括：
判断所述满意度总分是否大于0，若所述满意度总分大于0，则利用第一函数对所述满意度总分进行修正；若所述满意度总分不大于0，则利用第二函数对所述满意度总分进行修正。
7.一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，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的公众满意度的分析方法。
8.一种电子设备，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1至6中任一项所述的公众满意度的分析方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111323562.6A CN113779258B (zh) | 2021-11-10 | 2021-11-10 | 公众满意度的分析方法、存储介质及电子设备 |
| PCT/CN2022/107244 WO2023082698A1 (zh) | 2021-11-10 | 2022-07-22 | 公众满意度的分析方法、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111323562.6A CN113779258B (zh) | 2021-11-10 | 2021-11-10 | 公众满意度的分析方法、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113779258A CN113779258A (zh) | 2021-12-10 |
| CN113779258B true CN113779258B (zh) | 2022-03-11 |
Family
ID=78873755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111323562.6A Active CN113779258B (zh) | 2021-11-10 | 2021-11-10 | 公众满意度的分析方法、存储介质及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113779258B (zh) |
| WO (1) | WO2023082698A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113779258B (zh) * | 2021-11-10 | 2022-03-11 | 上海蜜度信息技术有限公司 | 公众满意度的分析方法、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102929861A (zh) * | 2012-10-22 | 2013-02-13 | 杭州东信北邮信息技术有限公司 | 一种文本情感指数计算方法和系统 |
| CN110020159A (zh) * | 2017-12-11 | 2019-07-16 | 网智天元科技集团股份有限公司 | 基于数据特征的舆情分析方法和系统 |
| CN111026868A (zh) * | 2019-12-05 | 2020-04-17 | 厦门市美亚柏科信息股份有限公司 | 一种多维度舆情危机预测方法、终端设备及存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120316916A1 (en) * | 2009-12-01 | 2012-12-13 | Andrews Sarah L | Methods and systems for generating corporate green score using social media sourced data and sentiment analysis |
| US8554701B1 (en) * | 2011-03-18 | 2013-10-08 | Amazon Technologies, Inc. | Determining sentiment of sentences from customer reviews |
| US10474752B2 (en) * | 2011-04-07 | 2019-11-12 | Infosys Technologies, Ltd. | System and method for slang sentiment classification for opinion mining |
| CN109271512B (zh) * | 2018-08-29 | 2023-11-24 | 中国平安保险(集团)股份有限公司 | 舆情评论信息的情感分析方法、装置及存储介质 |
| CN109684481A (zh) * | 2019-01-04 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 舆情分析方法、装置、计算机设备和存储介质 |
| CN110232149B (zh) * | 2019-05-09 | 2022-03-01 | 北京邮电大学 | 一种热点事件检测方法和系统 |
| CN110134849A (zh) * | 2019-05-20 | 2019-08-16 | 瑞森网安(福建)信息科技有限公司 | 一种网络舆情监控方法及系统 |
| CN111914096B (zh) * | 2020-07-06 | 2024-02-02 | 同济大学 | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 |
| CN112612895B (zh) * | 2020-12-29 | 2021-12-07 | 中科院计算技术研究所大数据研究院 | 一种主体话题态度指数的计算方法 |
| TWM617933U (zh) * | 2021-07-02 | 2021-10-01 | 大數軟體有限公司 | 新聞及公眾意見分析系統 |
| CN113779258B (zh) * | 2021-11-10 | 2022-03-11 | 上海蜜度信息技术有限公司 | 公众满意度的分析方法、存储介质及电子设备 |
-
2021
- 2021-11-10 CN CN202111323562.6A patent/CN113779258B/zh active Active
-
2022
- 2022-07-22 WO PCT/CN2022/107244 patent/WO2023082698A1/zh unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102929861A (zh) * | 2012-10-22 | 2013-02-13 | 杭州东信北邮信息技术有限公司 | 一种文本情感指数计算方法和系统 |
| CN110020159A (zh) * | 2017-12-11 | 2019-07-16 | 网智天元科技集团股份有限公司 | 基于数据特征的舆情分析方法和系统 |
| CN111026868A (zh) * | 2019-12-05 | 2020-04-17 | 厦门市美亚柏科信息股份有限公司 | 一种多维度舆情危机预测方法、终端设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Understanding patient satisfaction with received healthcare services: A natural language processing approach;Doing-Harris等;《AMIA ... Annual Symposium proceedings. AMIA Symposium》;20161231;第2016卷;全文 * |
| 网络舆情环境下政府信息服务公众满意度评价研究;左珊;《中国优秀硕士学位论文全文数据库 (社会科学Ⅰ辑)》;20160615(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023082698A1 (zh) | 2023-05-19 |
| CN113779258A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105740228B (zh) | 一种互联网舆情分析方法及系统 | |
| CN111767403B (zh) | 一种文本分类方法和装置 | |
| JP5817491B2 (ja) | 商品検索装置およびプログラム | |
| CN108363753A (zh) | 评论文本情感分类模型训练与情感分类方法、装置及设备 | |
| CN109299245B (zh) | 知识点召回的方法和装置 | |
| CN108256029A (zh) | 统计分类模型训练装置及训练方法 | |
| CN107688870A (zh) | 一种基于文本流输入的深度神经网络的分层因素可视化分析方法及装置 | |
| CN111538828A (zh) | 文本情感分析方法、装置、计算机装置及可读存储介质 | |
| Ferrari et al. | Identification of cross-domain ambiguity with language models | |
| CN112348417A (zh) | 一种基于主成分分析算法的营销价值评估方法及装置 | |
| CN113779258B (zh) | 公众满意度的分析方法、存储介质及电子设备 | |
| Li et al. | Intelligent depression detection with asynchronous federated optimization | |
| CN114817683A (zh) | 一种信息推荐方法、装置、计算机设备及存储介质 | |
| Hu et al. | Balancing gender bias in job advertisements with text-level bias mitigation | |
| CN110019556A (zh) | 一种话题新闻获取方法、装置及其设备 | |
| CN117235264A (zh) | 文本处理方法、装置、设备和计算机可读存储介质 | |
| Hantke et al. | Trustability-based dynamic active learning for crowdsourced labelling of emotional audio data | |
| CN109871486B (zh) | 社交媒体环境下领先市场的产品需求分析方法和系统 | |
| CN116108177A (zh) | 一种语音交互与品牌定位关系的评价方法及装置 | |
| CN112987940B (zh) | 一种基于样本概率量化的输入方法、装置和电子设备 | |
| KR20190102905A (ko) | 콘텐츠 평점 산출 방법 | |
| CN116842936A (zh) | 关键词识别方法、装置、电子设备和计算机可读存储介质 | |
| CN114117057A (zh) | 产品反馈信息的关键词提取方法及终端设备 | |
| CN109787784A (zh) | 群组推荐方法、装置、存储介质和计算机设备 | |
| Jeoung et al. | Examining the Causal Effect of First Names on Language Models: The Case of Social Commonsense Reasoning |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Analysis method, storage medium and electronic equipment of public satisfaction Effective date of registration: 20220824 Granted publication date: 20220311 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI MDATA INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2022310000198 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230901 Granted publication date: 20220311 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI MDATA INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2022310000198 |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 301ab, No.10, Lane 198, zhangheng Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 201204 Patentee after: Shanghai Mido Technology Co.,Ltd. Address before: Room 301ab, No.10, Lane 198, zhangheng Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 201204 Patentee before: SHANGHAI MDATA INFORMATION TECHNOLOGY Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Analysis methods, storage media, and electronic devices for public satisfaction Granted publication date: 20220311 Pledgee: Bank of Communications Ltd. Shanghai New District Branch Pledgor: Shanghai Mido Technology Co.,Ltd. Registration number: Y2024310000145 |