CN116644239B - 一种重大服务质量事件信息监控方法 - Google Patents
一种重大服务质量事件信息监控方法 Download PDFInfo
- Publication number
- CN116644239B CN116644239B CN202310885321.3A CN202310885321A CN116644239B CN 116644239 B CN116644239 B CN 116644239B CN 202310885321 A CN202310885321 A CN 202310885321A CN 116644239 B CN116644239 B CN 116644239B
- Authority
- CN
- China
- Prior art keywords
- information
- social network
- text data
- association degree
- service quality
- 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 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 9
- 239000012634 fragment Substances 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008054 signal transmission 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
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)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及网络信息处理领域,公开了一种重大服务质量事件信息监控方法,包括:基于爬虫获取社交网络中的搜索排行,获取搜索排行对应的推荐信息集合,遍历推荐信息集合,获得与推荐信息对应的文本数据,基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度,若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构,若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。本发明实现社交网络无意义文本的去除,避免蹭热点的无效文本被分析带来的额外负担。本发明可以维护一个社交网络的活跃用户图谱,基于用户之间的关联及时发现质量差的信息,从而针对性的采取措施。
Description
技术领域
本发明涉及网络信息处理领域,尤其涉及一种重大服务质量事件信息监控方法。
背景技术
本申请中的信息是指在一定的社会空间内,围绕中介性社会事件的发生、发展和变化。而大部分的网络信息存在着无意义文本和蹭热点的无效文本带来额外负担,且无针对性的获得信息和服务质量关联度,造成需要跟踪大批量,无法维护一个社交网络的活跃用户图谱并基于关联及时发现质量差的信息。
发明内容
本发明的目的在于克服上述一种或多种现有的技术问题,提供一种重大服务质量事件信息监控方法。
为实现上述目的,本发明提供的一种重大服务质量事件信息监控方法,包括:
基于爬虫获取社交网络中的搜索排行;
获取搜索排行对应的推荐信息集合;
遍历推荐信息集合,获得与推荐信息对应的文本数据;
基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
根据本发明的一个方面,所述获得与推荐信息对应的文本数据的方法为:
从社交网络对应的推荐信息页面中获得文本,基于和搜索排行关联的热搜标题提取源关联词和关联特征词,对推荐信息页面中进行信息提取,获得多个文本片段,去除不包含源关联词和关联特征词的文本,得到与推荐信息对应的文本数据。
根据本发明的一个方面,提取关联特征词的方法为:
将从推荐信息页面获得的文本和推荐信息比对,获得一个或者多个连续文本作为源关联词;
将源关联词加入至词典,对推荐信息页面进行分词,对关联平台对应的关键特征词进行聚类,得到至少一个关键特征词簇;
计算源关联词与同一关键特征词簇中其他关键特征词的相似度;
筛选出相似度大于阈值的关键特征词作为关联特征词。
根据本发明的一个方面,获得社交网络对社交网络用户的分类信息;
对源关联词以及内容属性标签进行聚类,得到若干个标签簇;
基于标签簇内包含的社交网络用户的分类信息确定社交网络用户的信息分类标签,基于信息分类标签确定用户参与信息传播的意愿。
根据本发明的一个方面,所述获得热搜和服务质量关联程度的方法为:
将文本数据按照信息进行切分,分别计算切分文本数据中的关键词和服务质量对应的关键词的语义近似度,并选择最高的近似度作为热搜和服务质量的关联度。
根据本发明的一个方面,更新与推荐信息关联的社交网络的结构的方法为:
根据文本数据的来源,更新社交网络用户主动转发信息的几率;
根据文本数据更新的频次和被响应值,更新跟踪社交网络用户的优先级。
为实现上述目的,本发明提供一种重大服务质量事件信息监控系统,包括:
搜索排行获取模块:基于爬虫获取社交网络中的搜索排行;
推荐信息集合获取模块:获取搜索排行对应的推荐信息集合;
文本数据获取模块:遍历所述推荐信息集合,获得与推荐信息对应的文本数据;
关联程度获取模块:基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
为实现上述目的,本发明提供一种电子设备,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现上述针对一种重大服务质量事件信息监控方法。
为实现上述目的,本发明提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述针对一种重大服务质量事件信息监控方法。
基于此,本发明的有益效果在于:
(1)本发明实现社交网络无意义文本的去除,避免蹭热点的无效文本被分析带来的额外负担。文本数据按照信息进行切分可针对性的获得信息和服务质量关联度,避免跟踪大批量。
(2)本发明可以维护一个社交网络的活跃用户图谱,基于用户之间的关联及时发现质量差的信息,从而针对性的采取措施。
附图说明
图1是本发明一种重大服务质量事件信息监控方法的流程图;
图2是本发明一种重大服务质量事件信息监控系统的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容,应当理解,论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容,而不是暗示对本发明的范围的任何限制。
如本文中所使用的,术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”,术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
根据本发明的一个实施例,图1为本发明中的一种重大服务质量事件信息监控方法的流程图,如图1所示,一种重大服务质量事件信息监控方法包括:
为实现上述目的,本发明提供的一种重大服务质量事件信息监控方法,包括:
基于爬虫获取社交网络中的搜索排行;
获取搜索排行对应的推荐信息集合;
遍历推荐信息集合,获得与推荐信息对应的文本数据;
基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
根据本发明的一个实施方式,所述获得与推荐信息对应的文本数据的方法为:
从社交网络对应的推荐信息页面中获得文本,基于和搜索排行关联的热搜标题提取源关联词和关联特征词,对推荐信息页面中进行信息提取,获得多个文本片段,去除不包含源关联词和关联特征词的文本,得到与推荐信息对应的文本数据。
根据本发明的一个实施方式,提取关联特征词的方法为:
将从推荐信息页面获得的文本和推荐信息比对,获得一个或者多个连续文本作为源关联词;
将源关联词加入至词典,对推荐信息页面进行分词,对关联平台对应的关键特征词进行聚类,得到至少一个关键特征词簇;
计算源关联词与同一关键特征词簇中其他关键特征词的相似度;
筛选出相似度大于阈值的关键特征词作为关联特征词,通过此方式,可以首先获得热门关键字,尤其是字典未收录情况下的主动发现以及发现和热门关键字关联度的衍生关键字,避免信息的遗漏和忽视;
根据本发明的一个实施方式,获得社交网络对社交网络用户的分类信息;
对源关联词以及内容属性标签进行聚类,得到若干个标签簇;
基于标签簇内包含的社交网络用户的分类信息确定社交网络用户的信息分类标签,基于信息分类标签确定用户参与信息传播的意愿。
根据本发明的一个实施方式,所述获得热搜和服务质量关联程度的方法为:
将文本数据按照信息进行切分,分别计算切分文本数据中的关键词和服务质量对应的关键词的语义近似度,并选择最高的近似度作为热搜和服务质量的关联度。
根据本发明的一个实施方式,更新与推荐信息关联的社交网络的结构的方法为:
根据文本数据的来源,更新社交网络用户主动转发信息的几率;
根据文本数据更新的频次和被响应值,更新跟踪社交网络用户的优先级。
根据本发明的一个实施例,社交网络中的搜索排行可以为热搜列表、推荐视频、话题热度列表、趋势、搜索引擎的热榜;
获取搜索排行对应的推荐信息集合可以用于获得对应的话题连接,从而获得对应的SSN内对应的讨论的信息和对应的链接,基于对应的链接获得文本、信息的流动方向;
根据本发明的一个实施例,基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度,关联程度使用word2vec进行区分,或者使用其他文本近似度比对的NLP工具进行;
根据本发明的一个实施例,在关联程度低于阈值时,更新和推荐信息关联的社交网络结构,以获得活跃用户以及这些用户之间的关联关系;
根据本发明的一个实施例,在关联程度高于阈值时,根据社交网络结构中社交用户的关联度对话题进行跟踪,并给予社交网络结构指导信息的跟踪和信息接入。
根据本发明的一个实施例,通过网站或者社交网络对用户的标注的标签,可获取用户是否主动参与热点网络信息的传播。
根据本发明的一个实施例,对文本切分可针对性的获得信息和服务质量关联度,避免跟踪大批量无效。
根据本发明的一个实施例,更新和推荐信息关联的社交网络结构可以维护一个社交网络的活跃用户图谱,基于用户之间的关联及时发现被操纵的信息,从而针对性的采取措施。
不仅如此,为实现上述发明目的,本发明还提供了一种重大服务质量事件信息监控系统,图2为本发明中的一种重大服务质量事件信息监控系统的流程图,如图2所示,本发明中的一种重大服务质量事件信息监控系统包括:
搜索排行获取模块:基于爬虫获取社交网络中的搜索排行;
推荐信息集合获取模块:获取搜索排行对应的推荐信息集合;
文本数据获取模块:遍历所述推荐信息集合,获得与推荐信息对应的文本数据;
关联程度获取模块:基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
根据本发明的一个实施方式,所述获得与推荐信息对应的文本数据的方法为:
从社交网络对应的推荐信息页面中获得文本,基于和搜索排行关联的热搜标题提取源关联词和关联特征词,对推荐信息页面中进行信息提取,获得多个文本片段,去除不包含源关联词和关联特征词的文本,得到与推荐信息对应的文本数据。
根据本发明的一个实施方式,提取关联特征词的方法为:
将从推荐信息页面获得的文本和推荐信息比对,获得一个或者多个连续文本作为源关联词;
将源关联词加入至词典,对推荐信息页面进行分词,对关联平台对应的关键特征词进行聚类,得到至少一个关键特征词簇;
计算源关联词与同一关键特征词簇中其他关键特征词的相似度;
筛选出相似度大于阈值的关键特征词作为关联特征词,通过此方式,可以首先获得热门关键字,尤其是字典未收录情况下的主动发现以及发现和热门关键字关联度的衍生关键字,避免信息的遗漏和忽视;
根据本发明的一个实施方式,获得社交网络对社交网络用户的分类信息;
对源关联词以及内容属性标签进行聚类,得到若干个标签簇;
基于标签簇内包含的社交网络用户的分类信息确定社交网络用户的信息分类标签,基于信息分类标签确定用户参与信息传播的意愿。
根据本发明的一个实施方式,所述获得热搜和服务质量关联程度的方法为:
将文本数据按照信息进行切分,分别计算切分文本数据中的关键词和服务质量对应的关键词的语义近似度,并选择最高的近似度作为热搜和服务质量的关联度。
根据本发明的一个实施方式,更新与推荐信息关联的社交网络的结构的方法为:
根据文本数据的来源,更新社交网络用户主动转发信息的几率;
根据文本数据更新的频次和被响应值,更新跟踪社交网络用户的优先级。
根据本发明的一个实施例,社交网络中的搜索排行可以为热搜列表、推荐视频、话题热度列表、趋势、搜索引擎的热榜;
获取搜索排行对应的推荐信息集合可以用于获得对应的话题连接,从而获得对应的SSN内对应的讨论的信息和对应的链接,基于对应的链接获得文本、信息的流动方向;
根据本发明的一个实施例,基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度,关联程度使用word2vec进行区分,或者使用其他文本近似度比对的NLP工具进行;
根据本发明的一个实施例,在关联程度低于阈值时,更新和推荐信息关联的社交网络结构,以获得活跃用户以及这些用户之间的关联关系;
根据本发明的一个实施例,在关联程度高于阈值时,根据社交网络结构中社交用户的关联度对话题进行跟踪,并给予社交网络结构指导信息的跟踪和信息接入。
根据本发明的一个实施例,通过网站或者社交网络对用户的标注的标签,可获取用户是否主动参与热点网络信息的传播。
根据本发明的一个实施例,对文本切分可针对性的获得信息和服务质量关联度,避免跟踪大批量无效。
根据本发明的一个实施例,更新和推荐信息关联的社交网络结构可以维护一个社交网络的活跃用户图谱,基于用户之间的关联及时发现质量差的信息,从而针对性的采取措施。
为实现上述发明目的,本发明还提供一种电子设备,该电子设备包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,计算机程序被处理器执行时实现上述一种重大服务质量事件信息监控方法。
为实现上述发明目的,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述一种重大服务质量事件信息监控方法。
基于此,本发明的有益效果在于,本发明实现社交网络无意义文本的去除,避免蹭热点的无效文本被分析带来的额外负担。文本数据按照信息进行切分可针对性的获得信息和服务质量关联度,避免跟踪大批量。可以维护一个社交网络的活跃用户图谱,基于用户之间的关联及时发现质量差的信息,从而针对性的采取措施。
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模块及算法步骤,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发明的范围。
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,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外,在本发明实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解,本发明的发明内容及实施例中各步骤的序号的大小并不绝对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,而不应对本发明实施例的实施过程构成任何限定。
Claims (6)
1.一种重大服务质量事件信息监控方法,其特征在于,包括:
基于爬虫获取社交网络中的搜索排行;
获取搜索排行对应的推荐信息集合;
遍历推荐信息集合,获得与推荐信息对应的文本数据;
所述获得与推荐信息对应的文本数据的方法为,
从社交网络对应的推荐信息页面中获得文本,基于和搜索排行关联的热搜标题提取源关联词和关联特征词,对推荐信息页面中进行信息提取,获得多个文本片段,去除不包含源关联词和关联特征词的文本,得到与推荐信息对应的文本数据;
获得社交网络对社交网络用户的分类信息;
对源关联词以及内容属性标签进行聚类,得到若干个标签簇;
基于标签簇内包含的社交网络用户的分类信息确定社交网络用户的信息分类标签,基于信息分类标签确定用户参与信息传播的意愿;
所述获得热搜和服务质量关联程度的方法为,
将文本数据按照信息进行切分,分别计算切分文本数据中的关键词和服务质量对应的关键词的语义近似度,并选择最高的近似度作为热搜和服务质量的关联度;
基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
2.如权利要求1所述的一种重大服务质量事件信息监控方法,其特征在于,提取关联特征词的方法为:
将从推荐信息页面获得的文本和推荐信息比对,获得一个或者多个连续文本作为源关联词;
将源关联词加入至词典,对推荐信息页面进行分词,对关联平台对应的关键特征词进行聚类,得到至少一个关键特征词簇;
计算源关联词与同一关键特征词簇中其他关键特征词的相似度;
筛选出相似度大于阈值的关键特征词作为关联特征词。
3.如权利要求2所述的一种重大服务质量事件信息监控方法,其特征在于,更新与推荐信息关联的社交网络的结构的方法为:
根据文本数据的来源,更新社交网络用户主动转发信息的几率;
根据文本数据更新的频次和被响应值,更新跟踪社交网络用户的优先级。
4.一种重大服务质量事件信息监控系统,其特征在于,包括:
搜索排行获取模块:基于爬虫获取社交网络中的搜索排行;
推荐信息集合获取模块:获取搜索排行对应的推荐信息集合;
文本数据获取模块:遍历所述推荐信息集合,获得与推荐信息对应的文本数据;
所述获得与推荐信息对应的文本数据的方法为,
从社交网络对应的推荐信息页面中获得文本,基于和搜索排行关联的热搜标题提取源关联词和关联特征词,对推荐信息页面中进行信息提取,获得多个文本片段,去除不包含源关联词和关联特征词的文本,得到与推荐信息对应的文本数据;
获得社交网络对社交网络用户的分类信息;
对源关联词以及内容属性标签进行聚类,得到若干个标签簇;
基于标签簇内包含的社交网络用户的分类信息确定社交网络用户的信息分类标签,基于信息分类标签确定用户参与信息传播的意愿;
所述获得热搜和服务质量关联程度的方法为,
将文本数据按照信息进行切分,分别计算切分文本数据中的关键词和服务质量对应的关键词的语义近似度,并选择最高的近似度作为热搜和服务质量的关联度;
关联程度获取模块:基于文本数据和服务质量的关联度,获得热搜和服务质量关联程度;
若关联程度低于阈值,则更新与推荐信息关联的社交网络的结构;
若关联程度高于阈值,则根据社交网络的结构中的社交用户的关联度对话题进行跟踪。
5.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的一种重大服务质量事件信息监控方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的一种重大服务质量事件信息监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885321.3A CN116644239B (zh) | 2023-07-19 | 2023-07-19 | 一种重大服务质量事件信息监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885321.3A CN116644239B (zh) | 2023-07-19 | 2023-07-19 | 一种重大服务质量事件信息监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116644239A CN116644239A (zh) | 2023-08-25 |
CN116644239B true CN116644239B (zh) | 2023-10-13 |
Family
ID=87623265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310885321.3A Active CN116644239B (zh) | 2023-07-19 | 2023-07-19 | 一种重大服务质量事件信息监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644239B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960063A (zh) * | 2017-04-20 | 2017-07-18 | 广州优亚信息技术有限公司 | 一种针对招商引资领域的互联网情报抓取和推荐系统 |
CN111079415A (zh) * | 2019-11-12 | 2020-04-28 | 中国标准化研究院 | 一种基于搭配冲突的中文自动查错方法 |
CN112487303A (zh) * | 2020-11-26 | 2021-03-12 | 杭州电子科技大学 | 一种基于社交网络用户属性的主题推荐方法 |
CN115640439A (zh) * | 2022-09-27 | 2023-01-24 | 中国农业银行股份有限公司 | 一种网络舆情监控的方法、系统及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10999236B2 (en) * | 2016-06-17 | 2021-05-04 | Facebook, Inc. | Selection of service providers for message transmission on online social networks |
-
2023
- 2023-07-19 CN CN202310885321.3A patent/CN116644239B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960063A (zh) * | 2017-04-20 | 2017-07-18 | 广州优亚信息技术有限公司 | 一种针对招商引资领域的互联网情报抓取和推荐系统 |
CN111079415A (zh) * | 2019-11-12 | 2020-04-28 | 中国标准化研究院 | 一种基于搭配冲突的中文自动查错方法 |
CN112487303A (zh) * | 2020-11-26 | 2021-03-12 | 杭州电子科技大学 | 一种基于社交网络用户属性的主题推荐方法 |
CN115640439A (zh) * | 2022-09-27 | 2023-01-24 | 中国农业银行股份有限公司 | 一种网络舆情监控的方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
一种基于社交网络舆论影响的推荐算法;李霞;李守伟;;计算机应用与软件(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116644239A (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7502780B2 (en) | Information storage and retrieval | |
US7617176B2 (en) | Query-based snippet clustering for search result grouping | |
US20060095852A1 (en) | Information storage and retrieval | |
US20090319449A1 (en) | Providing context for web articles | |
US20030221163A1 (en) | Using web structure for classifying and describing web pages | |
US20040107221A1 (en) | Information storage and retrieval | |
US9626434B2 (en) | Systems and methods for generating and using aggregated search indices and non-aggregated value storage | |
Kim et al. | Patent document categorization based on semantic structural information | |
WO2009061420A1 (en) | Object recognition and database population | |
CN107506472B (zh) | 一种学生浏览网页分类方法 | |
CN113297457B (zh) | 一种高精准性的信息资源智能推送系统及推送方法 | |
Leopold et al. | Data mining and text mining for science & technology research | |
CN111475725A (zh) | 用于搜索内容的方法、装置、设备和计算机可读存储介质 | |
Uma et al. | Noise elimination from web pages for efficacious information retrieval | |
Mamdouh Farghaly et al. | A new feature selection method based on frequent and associated itemsets for text classification | |
US20110087659A1 (en) | Document relevance determining method and computer program | |
CN116644239B (zh) | 一种重大服务质量事件信息监控方法 | |
Li et al. | bi-hptm: An effective semantic matchmaking model for web service discovery | |
Wolyn et al. | Summarization assessment methodology for multiple corpora using queries and classification for functional evaluation | |
Xia et al. | Optimizing academic conference classification using social tags | |
Kurashima et al. | Discovering association rules on experiences from large-scale blog entries | |
CN113836399A (zh) | 主题推荐方法、装置、计算设备及存储介质 | |
Madera-Quintana et al. | Thematic Unsupervised Classification of Tourist Texts using Latent Semantic Analysis and K-Means | |
Takashita et al. | Tag recommendation for flickr using web browsing behavior | |
CN114430348B (zh) | 一种web网站搜索引擎优化后门识别方法及装置 |
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 |