CN114329163A - 基于知识图谱的舆情监测分析方法、装置、设备和介质 - Google Patents

Abstract

本公开的实施例公开了基于知识图谱的舆情监测分析方法、装置、设备和介质。该方法的一具体实施方式包括：检测针对目标平台上传的至少一条用户评论信息；基于预先构建的医学知识图谱，从至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；对医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到医学相关评论信息的舆情分析结果以组成舆情分析结果集合；基于舆情分析结果集合，调整至少一条用户评论信息的显示方式。该实施方式对筛选得到的医学相关评论信息进行舆情分析，根据舆情分析结果调整显示方式，避免了舆论误导大众的情况，为实现网络环境的真实可靠性做出了贡献。

Description

基于知识图谱的舆情监测分析方法、装置、设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及基于知识图谱的舆情监测分析方法、装置、设备和介质。

背景技术

在信息时代，随着互联网技术发展，越来越多的用户利用网络查询自己需要的信息、观看媒体信息(视频、文字、图片)以及发表自己的言论。针对医学领域，用户可以在网上或者医疗相关平台上查询、讨论相关的知识，但是很多言论并不真实可靠。为避免舆论引起歧义、误导大众，所以急需一种有效的医学知识相关的舆情监测方法。

发明内容

有鉴于此，本公开实施例提供了一种基于知识图谱的舆情监测分析方法、装置、设备和介质，以解决现有技术中如何对用户发表的评论信息进行舆情监测分析的问题。

本公开实施例的第一方面，提供了一种基于知识图谱的舆情监测分析方法，包括：检测针对目标平台上传的至少一条用户评论信息；基于预先构建的医学知识图谱，从上述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；对上述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果以组成舆情分析结果集合；基于上述舆情分析结果集合，调整上述至少一条用户评论信息的显示方式。

本公开实施例的第二方面，提供了一种基于知识图谱的舆情监测分析装置，装置包括：检测单元，被配置成检测针对目标平台上传的至少一条用户评论信息；选择单元，被配置成基于预先构建的医学知识图谱，从上述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；舆情分析单元，被配置成对上述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果以组成舆情分析结果集合；显示单元，被配置成基于上述舆情分析结果集合，调整上述至少一条用户评论信息的显示方式。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，检测针对目标平台上传的至少一条用户评论信息；然后，根据预先构建的医学知识图谱，对上述至少一条用户评论信息进行筛选，筛选出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；之后，对上述医学相关评论信息集合中的医学相关评论信息进行舆情分析，得到舆情分析结果集合；最后，根据上述舆情分析结果集合，对上述至少一条用户评论信息的显示方式进行调整。本公开提供的方法可以对目标平台实施用户评论信息上传的实时检测，可以对上传的用户评论信息进行是否包含医学相关信息的筛选，降低舆情监测分析的工作量。然后，对筛选得到的医学相关评论信息进行舆情分析，而后根据舆情分析结果调整显示方式，由此避免了舆论上传、显示误导大众的情况，为实现网络环境的真实可靠性做出了贡献。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的基于知识图谱的舆情监测分析方法的一个应用场景的示意图；

图2是根据本公开的基于知识图谱的舆情监测分析方法的一些实施例的流程示意图；

图3是根据本公开的基于知识图谱的舆情监测分析装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

下面将结合附图详细说明根据本公开实施例的一种基于知识图谱的舆情监测分析方法、装置、设备和介质。

图1是根据本公开一些实施例的基于知识图谱的舆情监测分析方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以检测针对目标平台上传的至少一条用户评论信息102。然后，计算设备101可以基于预先构建的医学知识图谱103，从上述至少一条用户评论信息102中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合104。之后，计算设备101可以对上述医学相关评论信息集合104中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果以组成舆情分析结果集合105。最后，基于上述舆情分析结果集合105，计算设备101可以调整上述至少一条用户评论信息的显示方式，如附图标记106所示。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

图2是本公开实施例提供的基于知识图谱的舆情监测分析方法的流程示意图。图2的基于知识图谱的舆情监测分析方法可以由图1的计算设备101执行。

如图2所示，该基于知识图谱的舆情监测分析方法，包括以下步骤：

步骤S201，检测针对目标平台上传的至少一条用户评论信息。

在一些实施例中，基于知识图谱的舆情监测分析方法的执行主体(如图1所示的计算设备101)首先可以设置检测时间间隔。然后，上述执行主体可以按照上述检测时间间隔检测针对上述目标平台(例如，医疗相关的知识搜索、咨询平台)上传的用户评论信息。这里，检测可以用于检测在上述检测时间间隔内是否有针对上述目标平台上传的包含医学相关信息的用户评论信息，其中，医学相关信息可以包括但不限于：药物名称、疾病名称、症状信息。上述用户评论信息可以是用户针对上述目标平台显示的媒体信息做出评论的信息。具体地，上述媒体信息可以包括但不限于以下至少一项：图片、视频、文章。

步骤S202，基于预先构建的医学知识图谱，从上述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合。

在一些实施例中，上述医学知识图谱可以是由药物相关知识和病理相关知识组成的图谱。其中，医学知识图谱还存在与图谱中各个图谱信息对应的文本向量。上述执行主体可以通过如下步骤从上述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为上述医学相关评论信息，得到医学相关评论信息集合：

第一步，上述执行主体可以对上述至少一条用户评论信息中的每条用户评论信息进行分词处理，得到上述至少一条用户评论信息中每条用户评论信息的分词集合。这里，分词处理可以是将一个语句切分成一个个单独的单词，得到至少一个词语，这里的词语可以是一个单词，也可以是一个至少包括两个单词的词语组合。作为示例，用户评论信息可以是“我今天吃了头孢”，对上述用户评论信息进行分词处理可以得到分词集合“‘我’，‘今天’，‘吃了’，‘头孢’”。

第二步，上述执行主体可以将上述至少一条用户评论信息中每条用户评论信息的分词集合作为检索关键词集合，依次对上述医学知识图谱进行检索，得到上述用户评论信息的检索结果以组成检索结果集合。这里，检索结果不为空值时检索结果中包含检索得到的图谱信息，检索结果为空值时检索结果不包含信息。

第三步，上述执行主体可以确定上述检索结果集合中是否存在表征空值的检索结果。作为示例，检索结果为空值表征根据关键词检索，没有检索到包含关键词的图谱信息。

第四步，响应于确定存在表征空值的检索结果，上述执行主体可以将表征空值的检索结果去除，得到新的检索结果集合。作为示例，检索结果集合可以是“检索结果1：图谱信息1、图谱信息2、图谱信息3；检索结果2：图谱信息4、图谱信息5；检索结果3：‘’”，上述执行主体可以确定“检索结果3”为空值，可以对其去除，得到新的检索结果集合“检索结果1：图谱信息1、图谱信息2、图谱信息3；检索结果2：图谱信息4、图谱信息5”。

第五步，上述执行主体可以选择上述新的检索结果集合中每个新的检索结果在上述至少一条用户评论信息中对应的用户评论信息作为医学相关评论信息，得到上述医学相关评论信息集合。

步骤S203，对上述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果以组成舆情分析结果集合。

在一些实施例中，上述执行主体可以通过如下步骤对上述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果：

第一步，上述执行主体可以生成上述医学相关评论信息的特征向量。

可选的，上述执行主体可以对上述医学相关评论信息进行分词处理，得到词集合。然后，上述执行主体可以对上述词集合中每个词进行词嵌入，得到每个词的词向量。之后，上述执行主体可以对每个词的词向量进行拼接，得到上述医学相关评论信息的特征向量。

上文陈述的词嵌入(Word Embedding)是一种将文本中的词转换成数字向量的方法，是自然语言处理中语言模型与表征学习技术的统称。概念上而言，它是指把一个维数为所有词的数量的高维空间嵌入到一个维数低得多的连续向量空间中，每个单词或词组被映射为实数域上的向量。具体地，词向量(word vector)可以是单词或短语通过词嵌入方法被映射到实数的向量。从概念上讲，它涉及从每个单词一维的空间到具有更低维度的连续向量空间的数学嵌入。

第二步，上述执行主体可以获取上述医学相关评论信息的检索结果中包含的至少一个图谱信息的文本向量，得到文本向量集合。可选的，上述执行主体可以在上述医学知识图谱中筛选得到上述图谱信息的文本向量，组成上述文本向量集合。

第三步，上述执行主体可以确定上述特征向量和上述文本向量集合中每个文本向量之间的相关度，得到相关度集合。在这里，相关度可以是用于表征特征向量与文本向量之间存在相互联系的分值。相关度可以利用算法计算得到，也可以输入相关度模型得到。

第四步，基于上述相关度集合，上述执行主体可以从上述至少一个图谱信息中选择出相关度分值最大的文本向量对应的图谱信息作为目标图谱信息。作为示例，上述文本向量、相关度可以是“文本向量1——相关度：80；文本向量2——相关度：75；文本向量3——相关度：40”。上述执行主体可以选择“文本向量1”对应的图谱信息作为上述目标图谱信息。

第五步，上述执行主体可以将上述特征向量和上述目标图谱信息的文本向量输入至预先训练的语意识别模型，得到语意识别结果；其中，上述语意识别结果用于表征上述医学相关评论信息的语意与上述医学知识图谱中包含的图谱信息的语意是否一致。这里，上述语意识别模型可以是采用了支持向量机(Support Vector Machine，SVM)算法的神经网络模型。

第六步，上述执行主体可以基于上述语意识别结果生成上述医学相关评论信息的舆情分析结果。这里，舆情分析结果可以是用于表征医学相关评论信息是否为舆论的信息。作为示例，语意识别结果可以是“医学相关评论信息的语意与医学知识图谱中包含的图谱信息的语意一致”，上述执行主体可以生成舆情分析结果“该评论信息不属于舆论！”。语意识别结果可以是“医学相关评论信息的语意与医学知识图谱中包含的图谱信息的语意不一致”，上述执行主体可以生成舆情分析结果“该评论信息属于舆论！”。

步骤S204，基于上述舆情分析结果集合，调整上述至少一条用户评论信息的显示方式。

在一些实施例中，上述执行主体可以对舆情分析结果表征上述舆情分析结果的语意与上述医学知识图谱中包含的图谱信息的语意不一致的医学相关评论信息进行隐藏。作为示例，上述执行主体可以对语意不一致的医学相关评论信息不予显示。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，检测针对目标平台上传的至少一条用户评论信息；然后，根据预先构建的医学知识图谱，对上述至少一条用户评论信息进行筛选，筛选出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；之后，对上述医学相关评论信息集合中的医学相关评论信息进行舆情分析，得到舆情分析结果集合；最后，根据上述舆情分析结果集合，对上述至少一条用户评论信息的显示方式进行调整。本公开提供的方法可以对目标平台实施用户评论信息上传的实时检测，可以对上传的用户评论信息进行是否包含医学相关信息的筛选，降低舆情监测分析的工作量。然后，对筛选得到的医学相关评论信息进行舆情分析，而后根据舆情分析结果调整显示方式，由此避免了舆论上传、显示误导大众的情况，为实现网络环境的真实可靠性做出了贡献。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3是本公开实施例提供的基于知识图谱的舆情监测分析装置的示意图。如图3所示，该基于知识图谱的舆情监测分析装置包括：检测单元301、选择单元302、舆情分析单元303和显示单元304。其中，检测单元301，被配置成检测针对目标平台上传的至少一条用户评论信息；选择单元302，被配置成基于预先构建的医学知识图谱，从上述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；舆情分析单元303，被配置成对上述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到上述医学相关评论信息的舆情分析结果以组成舆情分析结果集合；显示单元304，被配置成基于上述舆情分析结果集合，调整上述至少一条用户评论信息的显示方式。

在一些实施例的一些可选的实现方式中，基于知识图谱的舆情监测分析装置的检测单元301被进一步配置成：设置检测时间间隔；按照上述检测时间间隔检测针对上述目标平台上传的用户评论信息。

在一些实施例的一些可选的实现方式中，基于知识图谱的舆情监测分析装置的选择单元302被进一步配置成：对上述至少一条用户评论信息中的每条用户评论信息进行分词处理，得到上述至少一条用户评论信息中每条用户评论信息的分词集合；将上述至少一条用户评论信息中每条用户评论信息的分词集合作为检索关键词集合，依次对上述医学知识图谱进行检索，得到上述用户评论信息的检索结果以组成检索结果集合；确定上述检索结果集合中是否存在表征空值的检索结果；响应于确定存在表征空值的检索结果，将表征空值的检索结果去除，得到新的检索结果集合；选择上述新的检索结果集合中每个新的检索结果在上述至少一条用户评论信息中对应的用户评论信息作为医学相关评论信息，得到上述医学相关评论信息集合。

在一些实施例的一些可选的实现方式中，基于知识图谱的舆情监测分析装置的舆情分析单元303被进一步配置成：生成上述医学相关评论信息的特征向量；获取上述医学相关评论信息的检索结果中包含的至少一个图谱信息的文本向量，得到文本向量集合；确定上述特征向量和上述文本向量集合中每个文本向量之间的相关度，得到相关度集合；基于上述相关度集合，从上述至少一个图谱信息中选择出相关度分值最大的文本向量对应的图谱信息作为目标图谱信息；基于上述特征向量和上述目标图谱信息，生成上述医学相关评论信息的舆情分析结果。

在一些实施例的一些可选的实现方式中，上述基于上述特征向量和上述目标图谱信息，生成上述医学相关评论信息的舆情分析结果，包括：将上述特征向量和上述目标图谱信息的文本向量输入至预先训练的语意识别模型，得到语意识别结果；其中，上述语意识别结果用于表征上述医学相关评论信息的语意与上述医学知识图谱中包含的图谱信息的语意是否一致；基于上述语意识别结果生成上述医学相关评论信息的舆情分析结果。

在一些实施例的一些可选的实现方式中，上述语意识别模型中采用了支持向量机算法。

在一些实施例的一些可选的实现方式中，基于知识图谱的舆情监测分析装置的显示单元304被进一步配置成：对舆情分析结果表征上述舆情分析结果的语意与上述医学知识图谱中包含的图谱信息的语意不一致的医学相关评论信息进行隐藏。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图4是本公开实施例提供的计算机设备4的示意图。如图4所示，该实施例的计算机设备4包括：处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序403可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在计算机设备4中的执行过程。

计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。

处理器401可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器402可以是计算机设备4的内部存储单元，例如，计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备，例如，计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，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，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于知识图谱的舆情监测分析方法，其特征在于，包括：

检测针对目标平台上传的至少一条用户评论信息；

基于预先构建的医学知识图谱，从所述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；

对所述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到所述医学相关评论信息的舆情分析结果以组成舆情分析结果集合；

基于所述舆情分析结果集合，调整所述至少一条用户评论信息的显示方式。

2.根据权利要求1所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述检测针对目标平台上传的至少一条用户评论信息，包括：

设置检测时间间隔；

按照所述检测时间间隔检测针对所述目标平台上传的用户评论信息。

3.根据权利要求1所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述基于预先构建的医学知识图谱，从所述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合，包括：

对所述至少一条用户评论信息中的每条用户评论信息进行分词处理，得到所述至少一条用户评论信息中每条用户评论信息的分词集合；

将所述至少一条用户评论信息中每条用户评论信息的分词集合作为检索关键词集合，依次对所述医学知识图谱进行检索，得到所述用户评论信息的检索结果以组成检索结果集合；

确定所述检索结果集合中是否存在表征空值的检索结果；

响应于确定存在表征空值的检索结果，将表征空值的检索结果去除，得到新的检索结果集合；

选择所述新的检索结果集合中每个新的检索结果在所述至少一条用户评论信息中对应的用户评论信息作为医学相关评论信息，得到所述医学相关评论信息集合。

4.根据权利要求3所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述对所述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到所述医学相关评论信息的舆情分析结果以组成舆情分析结果集合，包括：

生成所述医学相关评论信息的特征向量；

获取所述医学相关评论信息的检索结果中包含的至少一个图谱信息的文本向量，得到文本向量集合；

确定所述特征向量和所述文本向量集合中每个文本向量之间的相关度，得到相关度集合；

基于所述相关度集合，从所述至少一个图谱信息中选择出相关度分值最大的文本向量对应的图谱信息作为目标图谱信息；

基于所述特征向量和所述目标图谱信息，生成所述医学相关评论信息的舆情分析结果。

5.根据权利要求4所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述基于所述特征向量和所述目标图谱信息，生成所述医学相关评论信息的舆情分析结果，包括：

将所述特征向量和所述目标图谱信息的文本向量输入至预先训练的语意识别模型，得到语意识别结果；其中，所述语意识别结果用于表征所述医学相关评论信息的语意与所述医学知识图谱中包含的图谱信息的语意是否一致；

基于所述语意识别结果生成所述医学相关评论信息的舆情分析结果。

6.根据权利要求5所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述语意识别模型中采用了支持向量机算法。

7.根据权利要求1-6所述的一种基于知识图谱的舆情监测分析方法，其特征在于，所述基于所述舆情分析结果集合，调整所述至少一条用户评论信息的显示方式，包括：

对舆情分析结果表征所述舆情分析结果的语意与所述医学知识图谱中包含的图谱信息的语意不一致的医学相关评论信息进行隐藏。

8.一种基于知识图谱的舆情监测分析装置，其特征在于，包括：

检测单元，被配置成检测针对目标平台上传的至少一条用户评论信息；

选择单元，被配置成基于预先构建的医学知识图谱，从所述至少一条用户评论信息中选择出包含医学相关信息的用户评论信息作为医学相关评论信息，得到医学相关评论信息集合；

舆情分析单元，被配置成对所述医学相关评论信息集合中的每条医学相关评论信息进行舆情分析，得到所述医学相关评论信息的舆情分析结果以组成舆情分析结果集合；

显示单元，被配置成基于所述舆情分析结果集合，调整所述至少一条用户评论信息的显示方式。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

Images