CN114385890B - 互联网舆情监控系统 - Google Patents
互联网舆情监控系统 Download PDFInfo
- Publication number
- CN114385890B CN114385890B CN202210280080.5A CN202210280080A CN114385890B CN 114385890 B CN114385890 B CN 114385890B CN 202210280080 A CN202210280080 A CN 202210280080A CN 114385890 B CN114385890 B CN 114385890B
- Authority
- CN
- China
- Prior art keywords
- keyword
- public opinion
- speech
- node
- keywords
- 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
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
-
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
-
- 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
- G06N3/08—Learning methods
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)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种互联网舆情监控系统,包括:数据采集模块,用于采集获取待监控的网络舆情信息;通信部或者传输接口,用于连接数据采集模块并将所述数据采集模块采集到的网络舆情信息发送至处理装置;所述处理装置具有:比较模块、分析模块、机器学习系统、主分类器、辅分类器、动态分配器、配置模块以及监测模块,本发明可以通过将监控过程中所积累得到的关键词进行输出,以监控这些关键词是否能够成为热点话题的可能。
Description
技术领域
本发明涉及一种数据处理技术领域,特别是涉及一种互联网舆情监控系统。
背景技术
在互联网的舆情监控中,往往网络舆论会在某一时间点将某一话题炒作成热点话题,现有的舆情监控的手段基本上采用的是依赖人工每天从上百万的数据中监控网络舆情信息,此种方式会大大降低网络舆情监控的效率。但是,在一些公开的文献中,也公开了利用数据处理的方式解决舆情监控的手段,例如公开号为“CN110659436A”公开了一种通过利用网络舆情监控模型,可以基于待监控网络舆情信息的语义特征向量与已有的预设参考网络舆情信息的语义特征向量计算待监控网络舆情信息与参考网络舆情信息之间的距离。基于待监控网络舆情信息与已有的参考网络舆情信息之间的距离计算两者的相似度,可以减少相似度计算的复杂度,不需要复杂的网络舆情监控模型。通过判断快速得到的相似度是否满足未知业务类目触发条件,可以及时的筛选出属于未知业务类目的新型网络舆情信息,避免漏掉一些新型的热点网络舆情信息,提高了对网络舆情信息监控的准确度。
在上述中,由于是通过语义特征向量与已有的预设参考网络舆情信息的语义特征向量计算待监控网络舆情信息与参考网络舆情信息之间的距离,若预设参考网络舆情信息的语义特征向量不完善,势必会将预设参考网络舆情信息之外的舆情信息排除在外,不能形成新的舆情发现和监控。
发明内容
有鉴于此,本发明的主要目的在于提供一种互联网舆情监控系统。
本发明采用的技术方案如下:
互联网舆情监控系统,包括:
数据采集模块,用于采集获取待监控的网络舆情信息;
通信部或者传输接口,用于连接数据采集模块并将所述数据采集模块采集到的网络舆情信息发送至处理装置;
所述处理装置具有:
比较模块,用于将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;
分析模块,用于将关键词独立进行第一词性和第一词义分析,并结合该关键词对应的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析,若不一致,则输入至机器学习系统;
主分类器,用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;
在每一第一节点中设置有辅分类器,该辅分类器用于将第一节点中的关键词按照第一词义进行二次分类;
动态分配器,用于基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;
配置模块,用于配置动态分配器所分配的所述子节点的节点内存;
监测模块,用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点。
进一步地,当所述监测模块将关键词输出后,用于存储关键词的子节点被所述动态分配器删除。
进一步地,所述子节点具有256个字节。
进一步地,所述分析模块具有:
至少一个分析单元,所述分析单元用于获取关键词的第一词性和第一词义;
至少一个复判单元,与分析单元对应连接,所述复判单元用于通过关键词的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析,若不一致,则输入至机器学习系统。
进一步地,所述机器学习系统被配置成将复判单元中第一词性和第一词义与第二词性和第二词义表达不一致的关键词和关键词的关键语句进行智能复判,若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达一致,则说明复判单元所使用的词典在关键词的关键语句中语意理解缺失或者理解错误,所述智能复判将关键词的关键语句的语意理解更新至词典中;
若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达不一致,则所述智能复判则将该关键词和关键词的关键语句删除。
进一步地,所述机器学习系统具有多个神经网络单元,多个神经网络单元用于接收关键词以及关键词对应的关键语句进行迭代训练,以获取关键词在关键语句中的词义和词义的表达;并将关键词在关键语句中的词义和词义的表达写入在表达库中。
进一步地,所述智能复判通过加载表达库来对关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达进行多次复判。
进一步地,所述动态分配器配置在存储单元中,并根据配置机制将存储单元依据辅分类器的二次分类在第一节点下建立子节点。
所述机器学习系统还包括以同步单元,该同步单元用于将表达库实时的同步在舆情数据库中。
本发明可以通过将监控过程中所积累得到的关键词进行输出,以监控这些关键词是否能够成为热点话题的可能,具体的,采用数据采集模块获取待监控的网络舆情信息;将网络舆情信息通信部或者传输接口发送至处理装置;所述处理装置利用比较模块将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;将关键词利用分析模块独立进行第一词性和第一词义分析,并结合该关键词对应的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析,若不一致,则输入至机器学习系统;所述主分类器用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;在每一第一节点中设置有辅分类器,所述辅分类器用于将第一节点中的关键词按照第一词义进行二次分类,所述动态分配器基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;所述监测模块用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点。
在本发明中,舆情数据库可以根据监测过程进行更新。
附图说明
图1为本发明系统的框架原理示意图;
图2为本发明的方法流程图。
具体实施方式
以下参照实施例和附图对本发明进行详细的描述。
参照图1和图2。
实施例1,本发明提供了互联网舆情监控系统,包括:
数据采集模块,用于采集获取待监控的网络舆情信息;
通信部或者传输接口,用于连接数据采集模块并将所述数据采集模块采集到的网络舆情信息发送至处理装置;
所述处理装置具有:
比较模块,用于将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;
所述分析模块具有:
至少一个分析单元,所述分析单元用于获取关键词的第一词性和第一词义;
至少一个复判单元,与分析单元对应连接,所述复判单元用于通过关键词的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析。
主分类器,用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;
在每一第一节点中设置有辅分类器,该辅分类器用于将第一节点中的关键词按照第一词义进行二次分类;
动态分配器,用于基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;所述子节点具有256个字节。因此,每一子节点最多可以存储256个字符,所述动态分配器配置在存储单元中,并根据配置机制将存储单元依据辅分类器的二次分类在第一节点下建立子节点。
配置模块,用于配置动态分配器所分配的所述子节点的节点内存;
监测模块,用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点。当所述监测模块将关键词输出后,用于存储关键词的子节点被所述动态分配器删除。
参照图2,在上述中,第一节点和第一节点下的子节点具有父子对应的关系,且子节点依据是否产生了新的监控关键词而建立。且关键词具有相同的词义。
实施例2,发明提供了一种互联网舆情监控系统,包括:
数据采集模块,用于采集获取待监控的网络舆情信息;
通信部或者传输接口,用于连接数据采集模块并将所述数据采集模块采集到的网络舆情信息发送至处理装置;
所述处理装置具有:
比较模块,用于将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;
所述分析模块具有:
至少一个分析单元,所述分析单元用于获取关键词的第一词性和第一词义;
至少一个复判单元,与分析单元对应连接,所述复判单元用于通过关键词的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;
若一致,输入至主分类器进行分析。主分类器,用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;在每一第一节点中设置有辅分类器,该辅分类器用于将第一节点中的关键词按照第一词义进行二次分类,动态分配器,用于基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;所述子节点具有256个字节;因此,每一子节点最多可以存储256个字符,所述动态分配器配置在存储单元中,并根据配置机制将存储单元依据辅分类器的二次分类在第一节点下建立子节点;配置模块,用于配置动态分配器所分配的所述子节点的节点内存;监测模块,用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点;当所述监测模块将关键词输出后,用于存储关键词的子节点被所述动态分配器删除。
若不一致,输入至所述机器学习系统。所述机器学习系统被配置成将复判单元中第一词性和第一词义与第二词性和第二词义表达不一致的关键词和关键词的关键语句进行智能复判,若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达一致,则说明复判单元所使用的词典在关键词的关键语句中语意理解缺失或者理解错误,所述智能复判将关键词的关键语句的语意理解更新至词典中;若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达不一致,则所述智能复判则将该关键词和关键词的关键语句删除。
在上述中,所述机器学习系统具有多个神经网络单元,多个神经网络单元用于接收关键词以及关键词对应的关键语句进行迭代训练,以获取关键词在关键语句中的词义和词义的表达;并将关键词在关键语句中的词义和词义的表达写入在表达库中。
在上述中,所述智能复判通过加载表达库来对关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达进行多次复判。所述机器学习系统还包括以同步单元,该同步单元用于将表达库实时的同步在舆情数据库中。
本发明的原理为:通过将监控过程中所积累得到的关键词进行输出,以监控这些关键词是否能够成为热点话题的可能,具体的,采用数据采集模块获取待监控的网络舆情信息;将网络舆情信息通信部或者传输接口发送至处理装置;所述处理装置利用比较模块将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;将关键词利用分析模块独立进行第一词性和第一词义分析,并结合该关键词对应的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;
若一致,输入至主分类器进行分析,所述主分类器用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;在每一第一节点中设置有辅分类器,所述辅分类器用于将第一节点中的关键词按照第一词义进行二次分类,所述动态分配器基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;所述监测模块用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点。
若不一致,则输入至机器学习系统;所述机器学习系统被配置成将复判单元中第一词性和第一词义与第二词性和第二词义表达不一致的关键词和关键词的关键语句进行智能复判,若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达一致,则说明复判单元所使用的词典在关键词的关键语句中语意理解缺失或者理解错误,所述智能复判将关键词的关键语句的语意理解更新至词典中;若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达不一致,则所述智能复判则将该关键词和关键词的关键语句删除。
本发明首先判断关键词的词性和词义,同时将关键词对应的关键语句进行分析,分析所述关键词在关键语句中的语意表达。这种方式可以避免断章取义,使得分析结果更具有可靠性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.互联网舆情监控系统,其特征在于,包括:
数据采集模块,用于采集获取待监控的网络舆情信息;
通信部或者传输接口,用于连接数据采集模块并将所述数据采集模块采集到的网络舆情信息发送至处理装置;
所述处理装置具有:
比较模块,用于将网络舆情信息在舆情数据库遍历比较,以获取网络舆情信息中关键词以及关键词对应的关键语句;
分析模块,用于将关键词独立进行第一词性和第一词义分析,并结合该关键词对应的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析,若不一致,则输入至机器学习系统;
主分类器,用于将关键词按照第一词性和第一词义进行分类,将具有相同词性和相似词义的关键词对应的存储在第一节点中;
在每一第一节点中设置有辅分类器,该辅分类器用于将第一节点中的关键词按照第一词义进行二次分类;
动态分配器,用于基于辅分类器的二次分类在第一节点下配置至少一个子节点,并将具有相同词义的关键词分配至对应的子节点中;
配置模块,用于配置动态分配器所分配的所述子节点的节点内存;
监测模块,用于监测每一子节点的存储状态,当关键词在对应的子节点中所占用的字节超过设定阈值后,将该子节点中的关键词输出,以获取舆情热点。
2.根据权利要求1所述的互联网舆情监控系统,其特征在于,当所述监测模块将关键词输出后,用于存储关键词的子节点被所述动态分配器删除。
3.根据权利要求1所述的互联网舆情监控系统,其特征在于,所述子节点具有256个字节。
4.根据权利要求1所述的互联网舆情监控系统,其特征在于,所述分析模块具有:
至少一个分析单元,所述分析单元用于获取关键词的第一词性和第一词义;
至少一个复判单元,与分析单元对应连接,所述复判单元用于通过关键词的关键语句来复判关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达是否一致;若一致,输入至主分类器进行分析,若不一致,则输入至机器学习系统。
5.根据权利要求1所述的互联网舆情监控系统,其特征在于,所述机器学习系统被配置成将复判单元中第一词性和第一词义与第二词性和第二词义表达不一致的关键词和关键词的关键语句进行智能复判,若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达一致,则说明复判单元所使用的词典在关键词的关键语句中语意理解缺失或者理解错误,所述智能复判将关键词的关键语句的语意理解更新至词典中;
若在多次的智能复判中关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达不一致,则所述智能复判则将该关键词和关键词的关键语句删除。
6.根据权利要求1或5所述的互联网舆情监控系统,其特征在于,所述机器学习系统具有多个神经网络单元,多个神经网络单元用于接收关键词以及关键词对应的关键语句进行迭代训练,以获取关键词在关键语句中的词义和词义的表达;并将关键词在关键语句中的词义和词义的表达写入在表达库中。
7.根据权利要求5所述的互联网舆情监控系统,其特征在于,所述智能复判通过加载表达库来对关键词在关键语句中的第二词性和第二词义与关键词独立分析获得的第一词性和第一词义的表达进行多次复判。
8.根据权利要求1所述的互联网舆情监控系统,其特征在于,所述动态分配器配置在存储单元中,并根据配置机制将存储单元依据辅分类器的二次分类在第一节点下建立子节点。
9.根据权利要求1所述的互联网舆情监控系统,其特征在于,所述机器学习系统还包括以同步单元,该同步单元用于将表达库实时的同步在舆情数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280080.5A CN114385890B (zh) | 2022-03-22 | 2022-03-22 | 互联网舆情监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280080.5A CN114385890B (zh) | 2022-03-22 | 2022-03-22 | 互联网舆情监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114385890A CN114385890A (zh) | 2022-04-22 |
CN114385890B true CN114385890B (zh) | 2022-05-20 |
Family
ID=81205145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210280080.5A Active CN114385890B (zh) | 2022-03-22 | 2022-03-22 | 互联网舆情监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114385890B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136352A (zh) * | 2013-02-27 | 2013-06-05 | 华中师范大学 | 基于双层语义分析的全文检索系统 |
CN103544255A (zh) * | 2013-10-15 | 2014-01-29 | 常州大学 | 基于文本语义相关的网络舆情信息分析方法 |
CN107229684A (zh) * | 2017-05-11 | 2017-10-03 | 合肥美的智能科技有限公司 | 语句分类方法、系统、电子设备、冰箱及存储介质 |
CN108304890A (zh) * | 2018-03-16 | 2018-07-20 | 科大讯飞股份有限公司 | 一种分类模型的生成方法及装置 |
KR20180091496A (ko) * | 2017-02-07 | 2018-08-16 | 주식회사 에스엘커뮤니케이션즈 | 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법 |
CN108595643A (zh) * | 2018-04-26 | 2018-09-28 | 重庆邮电大学 | 基于多分类节点卷积循环网络的文本特征提取及分类方法 |
CN109087205A (zh) * | 2018-08-10 | 2018-12-25 | 北京字节跳动网络技术有限公司 | 舆情指数的预测方法及装置、计算机设备和可读存储介质 |
CN109409390A (zh) * | 2017-08-17 | 2019-03-01 | 普天信息技术有限公司 | 深度学习分类方法和装置 |
CN110222178A (zh) * | 2019-05-24 | 2019-09-10 | 新华三大数据技术有限公司 | 文本情感分类方法、装置、电子设备及可读存储介质 |
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 |
CN110795942A (zh) * | 2019-09-18 | 2020-02-14 | 平安科技(深圳)有限公司 | 基于语义识别的关键词确定方法、装置和存储介质 |
CN111130877A (zh) * | 2019-12-23 | 2020-05-08 | 国网江苏省电力有限公司信息通信分公司 | 一种基于nlp的网络日志处理系统及方法 |
CN111368550A (zh) * | 2018-12-26 | 2020-07-03 | 广州灵刃信息科技有限公司 | 一种舆情信息管理系统 |
CN113255323A (zh) * | 2021-06-16 | 2021-08-13 | 明品云(北京)数据科技有限公司 | 一种描述数据处理方法、系统、电子设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001022310A1 (en) * | 1999-09-22 | 2001-03-29 | Oleg Kharisovich Zommers | Interactive personal information system and method |
KR101536520B1 (ko) * | 2014-04-28 | 2015-07-14 | 숭실대학교산학협력단 | 토픽을 추출하고, 추출된 토픽의 적합성을 평가하는 방법 및 서버 |
US20150081277A1 (en) * | 2014-08-28 | 2015-03-19 | Kambiz Behi | System and Method for Automatically Classifying Text using Discourse Analysis |
-
2022
- 2022-03-22 CN CN202210280080.5A patent/CN114385890B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136352A (zh) * | 2013-02-27 | 2013-06-05 | 华中师范大学 | 基于双层语义分析的全文检索系统 |
CN103544255A (zh) * | 2013-10-15 | 2014-01-29 | 常州大学 | 基于文本语义相关的网络舆情信息分析方法 |
KR20180091496A (ko) * | 2017-02-07 | 2018-08-16 | 주식회사 에스엘커뮤니케이션즈 | 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법 |
CN107229684A (zh) * | 2017-05-11 | 2017-10-03 | 合肥美的智能科技有限公司 | 语句分类方法、系统、电子设备、冰箱及存储介质 |
CN109409390A (zh) * | 2017-08-17 | 2019-03-01 | 普天信息技术有限公司 | 深度学习分类方法和装置 |
CN108304890A (zh) * | 2018-03-16 | 2018-07-20 | 科大讯飞股份有限公司 | 一种分类模型的生成方法及装置 |
CN108595643A (zh) * | 2018-04-26 | 2018-09-28 | 重庆邮电大学 | 基于多分类节点卷积循环网络的文本特征提取及分类方法 |
CN109087205A (zh) * | 2018-08-10 | 2018-12-25 | 北京字节跳动网络技术有限公司 | 舆情指数的预测方法及装置、计算机设备和可读存储介质 |
CN111368550A (zh) * | 2018-12-26 | 2020-07-03 | 广州灵刃信息科技有限公司 | 一种舆情信息管理系统 |
CN110222178A (zh) * | 2019-05-24 | 2019-09-10 | 新华三大数据技术有限公司 | 文本情感分类方法、装置、电子设备及可读存储介质 |
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 |
CN110795942A (zh) * | 2019-09-18 | 2020-02-14 | 平安科技(深圳)有限公司 | 基于语义识别的关键词确定方法、装置和存储介质 |
CN111130877A (zh) * | 2019-12-23 | 2020-05-08 | 国网江苏省电力有限公司信息通信分公司 | 一种基于nlp的网络日志处理系统及方法 |
CN113255323A (zh) * | 2021-06-16 | 2021-08-13 | 明品云(北京)数据科技有限公司 | 一种描述数据处理方法、系统、电子设备及介质 |
Non-Patent Citations (5)
Title |
---|
Emotional communication analysis of emergency microblog based on the evolution life cycle of public opinion;Ling Zhang 等;《Information Discovery and Delivery》;20200813;第48卷(第13期);151-163 * |
IPOMS: an Internet Public Opinion Monitoring System;Ding Jie 等;《2009 Second International Conference on the Applications of Digital Information and Web Technologies》;20091002;433-437 * |
Research on Application of Emergency Text Classification Based on Combination Model;Long Lyu 等;《IOP Conference Series: Materials Science and Engineering》;20191116;第79卷;1-7 * |
社交网络中的情感知识图谱构建关键技术研究;许多;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20200715(第07期);I138-1541 * |
网络信息的情感倾向分类技术研究;魏从源;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20160315(第03期);I138-8017 * |
Also Published As
Publication number | Publication date |
---|---|
CN114385890A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330125B (zh) | 基于知识图谱技术的海量非结构化配网数据集成方法 | |
CN111625659B (zh) | 知识图谱处理方法、装置、服务器及存储介质 | |
WO2023045417A1 (zh) | 一种故障知识图谱构建方法及装置 | |
CN109299183A (zh) | 一种数据处理方法、装置、终端设备和存储介质 | |
CN110716868B (zh) | 异常程序行为检测方法、装置 | |
CN105335752A (zh) | 一种基于主成分分析多变量决策树的接线方式识别方法 | |
EP1323078A1 (en) | A document categorisation system | |
CN110765277B (zh) | 一种基于知识图谱的移动端的在线设备故障诊断方法 | |
WO2023050967A1 (zh) | 一种系统异常检测处理方法及装置 | |
WO2022048668A1 (zh) | 知识图谱构建方法和装置、检查方法、存储介质 | |
CN116628173B (zh) | 一种基于关键字提取的智能客服信息生成系统及生成方法 | |
CN110503247A (zh) | 电信网络告警预测方法及系统 | |
CN113806547A (zh) | 一种基于图模型的深度学习多标签文本分类方法 | |
CN114239828A (zh) | 一种基于因果关系的供应链事理图谱构建方法 | |
CN114579693A (zh) | 一种nlp文本安全审核多级检索系统 | |
WO2020131004A1 (en) | Domain-independent automated processing of free-form text | |
CN115665787A (zh) | 一种基于机器学习的低开销amf网络智能故障诊断方法 | |
CN114528405A (zh) | 一种基于网络突发热点的舆情监测方法 | |
CN114385890B (zh) | 互联网舆情监控系统 | |
CN112199488A (zh) | 面向电力客服问答的渐增式知识图谱实体抽取方法和系统 | |
CN116467459A (zh) | 物联网设备故障报告方法、装置、计算机设备和存储介质 | |
CN115994531A (zh) | 一种多维度文本综合辨识方法 | |
JP2004171316A (ja) | Ocr装置及び文書検索システム及び文書検索プログラム | |
CN111552856B (zh) | 一种微博舆情传播路径分析方法 | |
CN117493681B (zh) | 一种基于云计算的智慧医疗信息推送系统及方法 |
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 |