CN115730580A - 基于主题网络爬虫的供电服务舆情分析方法和装置 - Google Patents

Abstract

本发明的实施例提供了基于主题网络爬虫的供电服务舆情分析方法和装置。所述方法包括在网络中设置监控节点，设定所述监控节点的监控区域；计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整；获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。以此方式，可以对供电服务舆情预警技术进行升级，解决舆情预警响应速度慢的问题，减少数据和信息的处理误差，更具实际应用价值。

Description

基于主题网络爬虫的供电服务舆情分析方法和装置

技术领域

本发明一般涉及网络数据分析领域，并且更具体地，涉及基于主题网络爬虫的供电服务舆情分析方法、装置和设备。

背景技术

互联网技术的日益提升为行业发展、生活服务提供了极大便利，但与此同时，网络环境带来的舆情问题也逐渐浮现，不实的新闻、夸大的言论、肆意传播的谣言在供电服务发展中造成了方向性障碍。在传统的舆情预警中，一般采用提取关键词的方法，预测舆情爆发规律后进行动态数据处理，但此技术方法预警周期长、容错率较低，在实际应用中的效果不理想。第一，现有的相似方法在数据采集阶段未进行数据相关性的预处理，供电服务系统与特定环境下的舆情数据会存在波动性，致使数据误差性会增大。第二，现有的相似方法中，舆情数据分析中未考虑到供电服务舆情话题热度是呈坡向的，单一性主题词的提炼与预警，不仅会增加预警周期，数据准确性也会大幅降低。

发明内容

根据本发明的实施例，提供了一种基于主题网络爬虫的供电服务舆情分析方案。本方案结合网络爬虫技术，对供电服务舆情预警技术进行升级，解决舆情预警响应速度慢的问题，减少数据和信息的处理误差，更具实际应用价值。

在本发明的第一方面，提供了一种基于主题网络爬虫的供电服务舆情分析方法。该方法包括：

在网络中设置监控节点，设定所述监控节点的监控区域；

计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整；

获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。

进一步地，所述监控节点的监控区域为以所述监控节点为圆心，以监控直径距离为直径的圆形区域。

进一步地，所述监控直径距离为：

其中，Y表示监控直径距离；

表示跟踪范围；τ₁表示监控节点距离；τ₂表示分布距离。

进一步地，所述计算各个监控节点的监控区域之间的重叠误差，包括：

其中，R为重叠误差；ρ为警告时间；C为换算差；ι为警告覆盖范围。

进一步地，所述根据所述重叠误差对所述监控节点的监控区域进行调整，包括：

若所述重叠误差大于0，则根据所述重叠误差与0的差值减小所述监控直径距离；

若所述重叠误差小于0，则根据所述重叠误差与0的差值增大所述监控直径距离。

进一步地，所述根据所述舆情数据计算网民倾向度，包括：

其中，N为网民倾向度；μ为空间变化情况；n为单一维度数据处理时间；a代表民意覆盖范围；κ代表反向常量值。

进一步地，还包括：

利用网络爬虫将所述舆情数据集成到URL的目标页面，生成舆情数据集，对所述舆情数据集增加HTML标签，导入查询数据库。

进一步地，还包括：

从所述舆情数据中识别出舆情主体，评估所述舆情主体的威胁程度，根据所述舆情主体的威胁程度对所述舆情主体进行预警。

在本发明的第二方面，提供了一种基于主题网络爬虫的供电服务舆情分析装置。该装置包括：

设置模块，用于在网络中设置监控节点，设定所述监控节点的监控区域；

计算模块，用于计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整；

分析模块，用于获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。

在本发明的第三方面，提供了一种电子设备。该电子设备至少一个处理器；以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本发明的实施例的基于主题网络爬虫的供电服务舆情分析方法的流程图；

图2示出了根据本发明的实施例的基于主题网络爬虫的供电服务舆情分析装置的方框图；

图3示出了能够实施本发明的实施例的示例性电子设备的方框图；

其中，300为电子设备、301为CPU、302为ROM、303为RAM、304为总线、305为I/O接口、306为输入单元、307为输出单元、308为存储单元、309为通信单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1示出了本发明实施例的基于主题网络爬虫的供电服务舆情分析方法的流程图。

该方法包括：

S101、在网络中设置监控节点，设定所述监控节点的监控区域。

作为本发明的一种实施例，所述监控节点为能够获取舆情数据的媒介，例如微博、贴吧、今日头条等舆论平台。其中，舆情数据主要为包括一些关键词条的数据，关键词条涵盖供电领域相关词，例如“国家电网”、“限电”等，以及情绪词，例如“投诉”、“不满意”等。

作为本发明的一种实施例，所述监控节点的监控区域为以所述监控节点为圆心，以监控直径距离为直径的圆形区域。

所述监控直径距离为：

其中，Y表示监控直径距离；

表示跟踪范围；τ₁表示监控节点距离；τ₂表示分布距离。

通过对监控直径距离的计算，使供电服务系统与特定环境下的舆情数据监控节点相关联，更准、更快速获取数据。

S102、计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整。

作为本发明的一种实施例，所述计算各个监控节点的监控区域之间的重叠误差，包括：

其中，R为重叠误差；ρ为警告时间；C为换算差；ι为警告覆盖范围。

重叠误差越大，说明各个监控节点之间的重复监控区域越大，舆情数据采集的重复率越高；反之，当重叠误差越小，说明各个监控节点之间的重复监控区域越小，舆情数据采集的重复率越低。然而，如果重叠误差为0，也需要考虑是否各个监控节点之间存在较大的监控盲区，造成舆情数据采集存在疏漏。

故，根据所述重叠误差对所述监控节点的监控区域进行调整，包括：

若所述重叠误差大于0，则根据所述重叠误差与0的差值减小所述监控直径距离。

具体地，所述根据所述重叠误差与0的差值减小所述监控直径距离，包括：若重叠误差超过0的部分越大，则监控直径距离减少的越多，反之，若重叠误差超过0的部分越小，则监控直径距离减少的越少。

若所述重叠误差小于0，则根据所述重叠误差与0之间的差值增大所述监控直径距离。

具体地，所述根据所述重叠误差与0的差值增大所述监控直径距离，包括：若重叠误差小于0的部分越大，则监控直径距离增加的越多，反之，若重叠误差小于0的部分越小，则监控直径距离增加的越少。

通过上述对各个监控节点的监控直径距离的调整，能够调整监控节点的采集范围，提高舆情数据的准确性。

S103、获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。

作为本发明的一种实施例，根据所述舆情数据计算网民倾向度，包括：

其中，N为网民倾向度；μ为空间变化情况；n为单一维度数据处理时间；a代表民意覆盖范围；κ代表反向常量值。

网民倾向度能够定向分析得到舆情趋势，例如舆情数据中“限电”和“不满意”词条的网民倾向度较高，则认为网民存在对于限电表示不满的舆情趋势。

在本实施例中，根据所述网民倾向度进行舆情趋势分析，得到分析结果；例如，根据民意监测中的情绪数据，将倾向性进行“积极、中立、消极”分类，从而区分舆情属性，并设置舆情预警关键字，对负面舆情数据提级分析，获取过去的言论趋势和当前的舆情指数。

在舆情数据采集中，结合主题网络爬虫技术在网络海量数据网中布置监控节点，根据超级用户的定位区域和目标，利用在相关关键网站上打分、分布式数据采集模式整合关键信息、使用筛选软件过滤不良信息的方法，转换采集范围，得到实际监测直径距离，使供电服务系统与特定环境下的舆情数据监控节点相关联，更准、更快速获取数据。

在舆情分析环节，结合主题网络爬虫技术，创建动态舆情预警环境。根据网络民意数据信息，计算民意倾向度，并通过舆情趋势变化，从关注的重点数据中提取热点话题，设置核心舆情关键词的提取机制，完成后续舆情分析与话题发现。

作为本发明的一种实施例，所述方法还包括：

利用网络爬虫将所述舆情数据集成到URL的目标页面，生成舆情数据集，对所述舆情数据集增加HTML标签，导入查询数据库。通过将舆情数据导入查询数据库，能够为后期查找提供数据基础。并且，通过对舆情数据及增加HTML标签，可以通过相应标签对舆情数据进行查找。提高了数据利用的便捷度和准确性。

在本实施例中，还可以将数据以CSV、DAT、DBF等格式进行导入数据库。

作为本发明的一种实施例，所述方法还包括：

从所述舆情数据中识别出舆情主体，评估所述舆情主体的威胁程度，根据所述舆情主体的威胁程度对所述舆情主体进行预警。

在本实施例中，舆情主体可分为4类：1、无故停限电、乱收费、指定施工单位等较为严重的违规行为。2、电费发票开具不便捷、电压不稳定等意见建议性内容。3、受客观因素如天气等影响的频繁停电、超时限等。4、客户无理诉求。

威胁程度可定义为4个等级，严重、较重、较轻、无影响。

4类不同属性的舆情主体与4个等级的威胁程度一一对应。严重、较重等级需要重点预警，较轻、无影响等级无需重点关注。

作为本发明的一种实施例，本发明还包括：

通过威胁评估法可判断供电服务舆情的社会威胁，从而预估模糊的舆情受众数量。

在本实施例中，威胁评估法属于一种指标综合评估方法，可利用关键词条数据出现的网站数、在各网站中出现的频次、网民提及词条时的情绪态度等信息判断威胁程度，根据参与讨论的网民性别、年龄、行业等数据分布特性粗略估算舆情受众数量。

根据本发明的实施例，结合主题网络爬虫技术设置监控节点，提高数据采集速率与准确度；利用主题创建动态舆情预警环境，提取热点话题，并设置核心提取机制，根据倾向程度完成舆情分析与话题发现。并在此基础上，设置重叠预警结构，根据舆情变化调整舆情预警目标，动态更新热词，减小信息处理误差。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

如图2所示，装置200包括：

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的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。

本发明的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本发明的实施例，本发明还提供了一种电子设备。

图3示出了可以用来实施本发明的实施例的电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如方法S101～S103。例如，在一些实施例中，方法S101～S103可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的方法S101～S103的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法S101～S103。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种基于主题网络爬虫的供电服务舆情分析方法，其特征在于，包括：

在网络中设置监控节点，设定所述监控节点的监控区域；

计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整；

获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。

2.根据权利要求1所述的方法，其特征在于，所述监控节点的监控区域为以所述监控节点为圆心，以监控直径距离为直径的圆形区域。

3.根据权利要求2所述的方法，其特征在于，所述监控直径距离为：

其中，Y表示监控直径距离；

表示跟踪范围；τ₁表示监控节点距离；τ₂表示分布距离。

4.根据权利要求3所述的方法，其特征在于，所述计算各个监控节点的监控区域之间的重叠误差，包括：

其中，R为重叠误差；ρ为警告时间；C为换算差；ι为警告覆盖范围。

5.根据权利要求4所述的方法，其特征在于，所述根据所述重叠误差对所述监控节点的监控区域进行调整，包括：

若所述重叠误差大于0，则根据所述重叠误差与0的差值减小所述监控直径距离；

若所述重叠误差小于0，则根据所述重叠误差与0的差值增大所述监控直径距离。

6.根据权利要求1所述的方法，其特征在于，所述根据所述舆情数据计算网民倾向度，包括：

其中，N为网民倾向度；μ为空间变化情况；n为单一维度数据处理时间；a代表民意覆盖范围；κ代表反向常量值。

7.根据权利要求1所述的方法，其特征在于，还包括：

利用网络爬虫将所述舆情数据集成到URL的目标页面，生成舆情数据集，对所述舆情数据集增加HTML标签，导入查询数据库。

8.根据权利要求1所述的方法，其特征在于，还包括：

从所述舆情数据中识别出舆情主体，评估所述舆情主体的威胁程度，根据所述舆情主体的威胁程度对所述舆情主体进行预警。

9.一种基于主题网络爬虫的供电服务舆情分析装置，其特征在于，包括：

设置模块，用于在网络中设置监控节点，设定所述监控节点的监控区域；

计算模块，用于计算各个监控节点的监控区域之间的重叠误差，根据所述重叠误差对所述监控节点的监控区域进行调整；

分析模块，用于获取调整后的监控区域内的舆情数据，根据所述舆情数据计算网民倾向度，并根据所述网民倾向度进行舆情趋势分析，得到分析结果。

10.一种电子设备，包括至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其特征在于，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

Images