CN117708396A - 舆情数据处理方法、装置、计算机设备及存储介质 - Google Patents
舆情数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117708396A CN117708396A CN202311808941.3A CN202311808941A CN117708396A CN 117708396 A CN117708396 A CN 117708396A CN 202311808941 A CN202311808941 A CN 202311808941A CN 117708396 A CN117708396 A CN 117708396A
- Authority
- CN
- China
- Prior art keywords
- public opinion
- propagation
- target
- node
- data
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 22
- 230000009191 jumping Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 70
- 230000000644 propagated effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种舆情数据处理方法、装置、计算机设备及存储介质,涉及大数据领域,可用于金融科技领域或其他相关领域。所述方法包括:从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各目标舆情数据,确定目标舆情源的初始舆情影响值;确定目标舆情源所属的目标领域对应的舆情传播模型,并从舆情传播模型中确定目标舆情源的初始传播节点;根据各传播节点之间的有向边对应的传播衰减值,从初始传播节点开始,对初始舆情影响值在各传播节点之间进行传播处理,得到目标舆情源分别针对各传播节点的目标舆情影响值。采用本方法能够分析目标舆情源对传播节点造成的影响。
Description
技术领域
本申请涉及大数据领域,特别是涉及一种舆情数据处理方法、装置、计算机设备及存储介质。
背景技术
现有技术通常需要人工对舆情源所带来的影响进行分析,通过人为设定各舆情数据的影响因子来计算舆情源对企业所造成的影响。但是这种方式受到技术人员的主观因素影响较大,导致对舆情源所造成影响的分析精度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种舆情数据处理方法、装置、计算机设备及存储介质。
第一方面,本申请提供了一种舆情数据处理方法。所述方法包括:
从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值;
确定所述目标舆情源所属的目标领域对应的舆情传播模型,并从所述舆情传播模型中确定所述目标舆情源的初始传播节点,其中,所述舆情传播模型由至少两个传播节点及两个所述传播节点之间的有向边构成,各所述有向边分别具有对应的传播衰减值;
根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值。
在其中一个实施例中,所述从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,包括:
确定所述目标舆情源所属的目标领域,及所述目标舆情源对应的观点数据;
针对任一所述舆情数据,确定所述舆情数据所属的第一目标领域及所述舆情数据对应的第一观点数据,并在所述目标领域与所述第一目标领域相匹配、及所述第一观点数据与所述观点数据相匹配的情况下,将所述舆情数据作为目标舆情数据。
在其中一个实施例中,所述根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值,包括:
根据所述目标舆情源对应的观点数据,确定所述目标舆情源对应的观点倾向数据;
根据所述目标舆情源的基础舆情影响值、所述观点倾向数据、及所述目标领域的各历史舆情源分别对应的历史观点倾向数据,确定所述目标舆情源对应的舆情领域影响权重;
根据所述舆情领域影响权重、各所述目标舆情数据的数量及所述基础舆情影响值,确定所述目标舆情源的初始舆情影响值。
在其中一个实施例中,所述从所述舆情传播模型中确定所述目标舆情源的初始传播节点,包括:
针对任一所述传播节点,确定所述传播节点表征的目标对象与所述目标舆情源之间的关联值,并在所述关联值大于关联值阈值的情况下,将所述传播节点作为所述目标舆情源的初始传播节点。
在其中一个实施例中,所述根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值,包括:
将所述初始传播节点作为当前传播节点,及将所述初始舆情影响值作为当前舆情影响值;
针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值,并根据所述关联舆情影响值,对所述关联传播节点的临时舆情影响值进行更新;
将所述当前传播节点、及所述当前传播节点对应的各有向边从所述舆情传播模型中删除,在存在目标传播节点的情况下,从各所述目标传播节点中确定当前传播节点,将所述目标传播节点的更新后的所述临时舆情影响值作为当前舆情影响值,并跳转至针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值的步骤,或者;
在不存在所述目标传播节点的情况下,针对任一所述传播节点,将所述传播节点的更新后的所述临时舆情影响值,作为所述传播节点对应的目标舆情影响值;
其中,所述目标传播节点为更新后的所述临时舆情影响值大于或者等于舆情影响值阈值的所述传播节点。
在其中一个实施例中,所述从各所述目标传播节点中确定当前传播节点,包括:
在存在入度为0的目标传播节点的情况下,将所述入度为0的目标传播节点作为当前传播节点;或者,
在不存在入度为0的目标传播节点的情况下,将各所述目标传播节点均作为当前传播节点。
第二方面,本申请还提供了一种舆情数据处理装置。所述装置包括:
第一确定模块,用于从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值;
第二确定模块,用于确定所述目标舆情源所属的目标领域对应的舆情传播模型,并从所述舆情传播模型中确定所述目标舆情源的初始传播节点,其中,所述舆情传播模型由至少两个传播节点及两个所述传播节点之间的有向边构成,各所述有向边分别具有对应的传播衰减值;
传播模块,用于根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值。
在其中一个实施例中,所述第一确定模块,还用于:
确定所述目标舆情源所属的目标领域,及所述目标舆情源对应的观点数据;
针对任一所述舆情数据,确定所述舆情数据所属的第一目标领域及所述舆情数据对应的第一观点数据,并在所述目标领域与所述第一目标领域相匹配、及所述第一观点数据与所述观点数据相匹配的情况下,将所述舆情数据作为目标舆情数据。
在其中一个实施例中,所述第一确定模块,还用于:
根据所述目标舆情源对应的观点数据,确定所述目标舆情源对应的观点倾向数据;
根据所述目标舆情源的基础舆情影响值、所述观点倾向数据、及所述目标领域的各历史舆情源分别对应的历史观点倾向数据,确定所述目标舆情源对应的舆情领域影响权重;
根据所述舆情领域影响权重、各所述目标舆情数据的数量及所述基础舆情影响值,确定所述目标舆情源的初始舆情影响值。
在其中一个实施例中,所述第二确定模块,还用于:
针对任一所述传播节点,确定所述传播节点表征的目标对象与所述目标舆情源之间的关联值,并在所述关联值大于关联值阈值的情况下,将所述传播节点作为所述目标舆情源的初始传播节点。
在其中一个实施例中,所述传播模块,还用于:
将所述初始传播节点作为当前传播节点,及将所述初始舆情影响值作为当前舆情影响值;
针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值,并根据所述关联舆情影响值,对所述关联传播节点的临时舆情影响值进行更新;
将所述当前传播节点、及所述当前传播节点对应的各有向边从所述舆情传播模型中删除,在存在目标传播节点的情况下,从各所述目标传播节点中确定当前传播节点,将所述目标传播节点的更新后的所述临时舆情影响值作为当前舆情影响值,并跳转至针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值的步骤,或者;
在不存在所述目标传播节点的情况下,针对任一所述传播节点,将所述传播节点的更新后的所述临时舆情影响值,作为所述传播节点对应的目标舆情影响值;
其中,所述目标传播节点为更新后的所述临时舆情影响值大于或者等于舆情影响值阈值的所述传播节点。
在其中一个实施例中,所述传播模块,还用于:
在存在入度为0的目标传播节点的情况下,将所述入度为0的目标传播节点作为当前传播节点;或者,
在不存在入度为0的目标传播节点的情况下,将各所述目标传播节点均作为当前传播节点。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以上任一项方法。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以上任一项方法。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以上任一项方法。
上述舆情数据处理方法、装置、计算机设备及存储介质,构建包括传播节点和有向边的舆情传播模型,在针对目标舆情源造成的舆情影响进行分析时,根据与目标舆情源相关的目标舆情数据确定目标舆情源的初始舆情影响值,并将初始舆情影响值在舆情传播模型中进行传播,确定初始舆情影响值在经过各有向边、因传播衰减值的影响而衰减后,能够对舆情传播模型中的各传播节点造成多少目标舆情影响值。通过舆情传播模型模拟舆情在现实中的传播路径,能够更加精确的分析舆情源对各传播节点造成的影响。
附图说明
图1为一个实施例中舆情数据处理方法的流程示意图;
图2为一个实施例中舆情传播模型的示意图;
图3为一个实施例中通过舆情传播模型进行初始舆情影响值传播的示意图;
图4为一个实施例中步骤102的流程示意图;
图5为一个实施例中步骤102的流程示意图;
图6为一个实施例中步骤104的流程示意图;
图7为一个实施例中舆情数据处理方法的流程示意图;
图8为一个实施例中舆情数据处理装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种舆情数据处理方法。本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤102,从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各目标舆情数据,确定目标舆情源的初始舆情影响值。
本申请实施例中,舆情数据可以指在某一时间段内媒体发布的新闻数据,服务器可以以预设的时间段为周期从网络上采集新闻数据,并将这一时间段内采集到的新闻数据作为舆情数据。例如在预设的时间段是7天时,服务器可以在7天内连续从网络上采集新闻数据,然后将这7天内采集到的全部新闻数据作为本周期的舆情数据。
目标舆情源指的是一个引发舆情的事件,例如有关部门颁布的新政策、媒体的新闻报道、拍摄的视频、图像等。目标舆情数据指的是由目标舆情源引发的舆情数据,比如针对目标舆情源进行报道的新闻。根据目标舆情源的类型,可以采用相应的方式从各舆情数据中确定目标舆情数据。比如在目标舆情源是政策、新闻报道等的文字信息时,可以通过自然语言处理方法,从各舆情数据中匹配与目标舆情源相关的舆情数据作为目标舆情数据。在目标舆情源为视频、图像等形式的图像信息时,可以通过图像识别算法,从各舆情数据中检测是否有其中包含的图像信息与目标舆情源相似的舆情数据,进而将这些舆情数据作为目标舆情数据。在目标舆情源是其他形式的情况下,也可以采用其他的相应方法确定目标舆情数据,本申请实施例对此不作具体限定。
根据各目标舆情数据,可以确定目标舆情源的初始舆情影响值。初始舆情影响值用于表征目标舆情源初始能够造成的影响。示例性的,可以根据目标舆情数据的数量确定初始舆情影响值。由于目标舆情数据越多,就表明关于目标舆情源的报道越多,目标舆情源造成的影响越大,因此可以将目标舆情数据的数量在全部舆情数量的数量中的比值作为初始舆情影响值。或者,考虑到目标舆情数据的观点不一定与目标舆情源相同(比如目标舆情数据是一篇反驳目标舆情源观点的新闻报道),而在目标舆情数据的观点与目标舆情源不同时,目标舆情源造成的影响反而会下降,因此可以首先提取目标舆情源的观点数据和各目标舆情数据的观点数据(可以通过现有的任意自然语言处理方法提取),进而根据与目标舆情源观点相同的目标舆情数据的数量,和与目标舆情源观点相反的目标舆情数据的数量计算初始舆情影响值,例如可以使得初始舆情影响值与和目标舆情源观点相同的目标舆情数据的数量正相关,与和目标舆情源观点相反的目标舆情数据的数量负相关。
步骤104,确定目标舆情源所属的目标领域对应的舆情传播模型,并从舆情传播模型中确定目标舆情源的初始传播节点,其中,舆情传播模型由至少两个传播节点及两个传播节点之间的有向边构成,各有向边分别具有对应的传播衰减值。
本申请实施例中,参见图2所示,舆情传播模型由至少两个传播节点和各传播节点之间的有向边构成,每个传播节点均表征一个可以对舆情进行传播、或者可以受到舆情影响的对象,例如企业、机构、人物等。有向边用于表征舆情在两个传播节点之间的传播路径,例如传播节点A和传播节点B之间具有从传播节点A指向传播节点B的有向边,则舆情可以从传播节点A传播至传播节点B,但无法从传播节点B传播至传播节点A。每一个有向边均对应一个传播衰减值,该值可以取0至1间的任何数值,用于表征舆情在传播过程中的影响力衰减程度。在传播节点A的舆情影响值传递至传播节点B时,传播节点B收到的舆情影响值是传播节点A的舆情影响值、与传播节点A和B之间有向边的传播衰减值的乘积。
可以根据实际的舆情数据分析需求,选取多个领域来构建这些领域的舆情传播模型。例如在需要针对舆情源对企业的声誉影响进行分析时,可以根据对企业的产业领域划分,构建各产业领域的舆情传播模型,比如分别构建能源领域、汽车领域、互联网领域、金融领域等的舆情传播模型。每一个领域的舆情传播模型中具体有哪些传播节点、有哪些传播节点之间具有有向边、以及有向边的传播衰减值均可以由本领域技术人员根据实际需求设定。示例性的,以针对舆情源对企业的股票价格影响进行分析的舆情传播模型而言,该舆情传播模型中的各传播节点可以是企业,具有合作关系、控股关系或是由同一股东出资设立的关系等的企业之间可以具有有向边,传播衰减值可以与企业之间关系的远近负相关,比如从母公司的传播节点指向子公司的传播节点的有向边的传播衰减值可以较高(也即舆情影响值在传播过程中几乎不会衰减),仅具有合作关系的企业之间的有向边的传播衰减值可以较低。针对其他类型的舆情传播模型,也可以通过类似的方式设置传播节点、有向边和传播衰减值。
可以通过目标舆情源所属的目标领域的舆情传播模型,对目标舆情源造成的舆情影响进行分析。初始传播节点用于表征各传播节点中最先受到目标舆情源影响的节点,其可以为一个或多个。示例性的,若目标舆情源明确指向某一对象(比如是针对某一特定企业的舆情),则可以将该对象对应的传播节点作为初始传播节点。若目标舆情源没有明确指向的对象(比如是针对一个领域的舆情或政策),则可以将全部传播节点均作为初始传播节点。
步骤106,根据各传播节点之间的有向边对应的传播衰减值,从初始传播节点开始,对初始舆情影响值在各传播节点之间进行传播处理,得到目标舆情源分别针对各传播节点的目标舆情影响值。
本申请实施例中,可以从初始传播节点开始对初始舆情影响值沿传播节点之间的有向边进行传播,以此得到初始舆情影响值在传播至各传播节点之后剩余的目标舆情影响值。针对某一个传播节点,该传播节点在接收到其上一个传播节点沿指向其的有向边传递来的舆情影响值之后,可以将该舆情影响值再通过该传播节点指向其他传播节点的有向边传播出去。可以设置传播节点停止进行传播的条件为其收到的舆情影响值小于阈值,这样在初始舆情影响值于舆情传播模型中传播多次,经过多条有向边的传播衰减值对其进行削弱后,总会抵达一个所有传播节点收到的舆情影响值均小于阈值,所有传播节点均不再往下继续传播舆情影响值的平衡点,此时每个传播节点的目标舆情影响值,就是该传播节点收到的所有舆情影响值之和。
以实际示例进行说明,参照图3所示,假设初始舆情影响值为10,停止传播的阈值为1。在传播过程中,初始传播节点A会首先沿有向边AB向传播节点B、以及沿有向边AC向传播节点C传播舆情影响值。本轮传播中传播节点B收到的舆情影响值为5,传播节点C收到的舆情影响值为3。第二轮传播中传播节点B沿有向边BD向传播节点D传播舆情影响值,传播节点C沿有向边CB向传播节点B传播舆情影响值,及沿有向边CD向传播节点D传播舆情影响值,本轮传播中传播节点B收到的舆情影响值为2.7,传播节点D收到的舆情影响值为2.2。第三轮传播中传播节点D沿有向边DA向传播节点A传播舆情影响值,传播节点B沿有向边BD向传播节点D传播舆情影响值。本轮传播中传播节点A收到的舆情影响值为0.22,传播节点D收到的舆情影响值为0.54。此时由于各传播节点收到的舆情影响值均小于阈值,因此停止传播。最终各传播节点的目标舆情影响值为传播节点A:10.22、传播节点B:7.7、传播节点C:3、传播节点D:2.74。
本申请实施例提供的舆情数据处理方法,构建包括传播节点和有向边的舆情传播模型,在针对目标舆情源造成的舆情影响进行分析时,根据与目标舆情源相关的目标舆情数据确定目标舆情源的初始舆情影响值,并将初始舆情影响值在舆情传播模型中进行传播,确定初始舆情影响值在经过各有向边、因传播衰减值的影响而衰减后,能够对舆情传播模型中的各传播节点造成多少目标舆情影响值。通过舆情传播模型模拟舆情在现实中的传播路径,能够更加精确的分析舆情源对各传播节点造成的影响。
在一个实施例中,如图4所示,步骤102中,从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,包括:
步骤402,确定目标舆情源所属的目标领域,及目标舆情源对应的观点数据。
步骤404,针对任一舆情数据,确定舆情数据所属的第一目标领域及舆情数据对应的第一观点数据,并在目标领域与第一目标领域相匹配、及第一观点数据与观点数据相匹配的情况下,将舆情数据作为目标舆情数据。
本申请实施例中,目标领域可以为一个或多个,可以通过自然语言处理方法,确定已有舆情传播模型的各领域与目标舆情源的相关性,进而选取相关性大于阈值的领域作为目标领域。或者也可以由技术人员确定目标领域,本申请实施例对此不作具体限定。类似的,也可以通过上述方法确定各舆情数据所属的第一目标领域。在舆情数据的第一目标领域和任意一个目标领域相同的情况下,可以确定目标领域与第一目标领域相匹配。
可以通过自然语言处理方法,对目标舆情源和各舆情数据进行观点抽取处理,得到目标舆情源对应的观点数据,以及各舆情数据分别对应的第一观点数据。可以计算第一观点数据和观点数据的相似度,在该相似度大于或者等于阈值的情况下,判定第一观点数据与观点数据相匹配。本申请实施例对于计算相似度的方式不作具体限定,任一可以计算两个文本之间相似度的方式均适用于本申请实施例中。
本申请实施例提供的舆情数据处理方法,根据目标舆情源的目标领域及观点数据,以及各舆情数据的第一目标领域及第一观点数据,从各舆情数据中确定目标舆情数据。由于在舆情数据和目标舆情源领域相同、观点也相同时,舆情数据是目标舆情源引起的舆情的概率较大,因此通过上述方式确定目标舆情数据,可以提高判断舆情数据是否为目标舆情源引起的舆情的精度,进而提高计算舆情数据的初始舆情影响值的精度。
在一个实施例中,如图5所示,步骤102中,根据各目标舆情数据,确定目标舆情源的初始舆情影响值,包括:
步骤502,根据目标舆情源对应的观点数据,确定目标舆情源对应的观点倾向数据。
步骤504,根据目标舆情源的基础舆情影响值、观点倾向数据、及目标领域的各历史舆情源分别对应的历史观点倾向数据,确定目标舆情源对应的舆情领域影响权重。
步骤506,根据舆情领域影响权重、各目标舆情数据的数量及基础舆情影响值,确定目标舆情源的初始舆情影响值。
本申请实施例中,观点倾向数据用于表征目标舆情源观点数据的情感倾向,例如肯定还是否定、肯定或否定的强度等。可以通过现有的任意观点倾向性判断方法抽取观点数据的观点倾向数据。针对一些难以通过自然语言处理方式识别情感倾向的观点数据(例如政策文件等),可以由技术人员判断观点数据的情感倾向。
每个目标舆情源均具有基础舆情影响值,基础舆情影响值可以与发布目标舆情源的对象相关,比如在目标舆情源是新闻报道时,基础舆情影响值可以和发表该新闻报道的媒体影响力级别正相关,在目标舆情源是政策文件时,基础舆情影响值可以和在政策文件上署名的有关部门级别正相关。
目标领域的历史舆情源是在一段预设时间段内的针对目标领域的舆情源。例如可以为在当前时刻的前3个月的舆情源、当前时刻的前6个月的舆情源等。各历史舆情源分别具有历史观点倾向数据。由于在情感倾向相同的历史舆情源的数量越多时,目标舆情源造成重大舆情影响的难度就越高(比如在历史舆情源均对某一对象持肯定态度、但目标舆情源对该对象持否定态度时,除非目标舆情源的基础舆情影响值超过某一阈值,否则目标舆情源对该对象造成的影响会较低),同时考虑到目标舆情源的情感倾向与历史舆情源的情感倾向是否相同同样会影响到目标舆情源造成重大舆情影响的难度(比如在历史舆情源均对某一对象持肯定态度、目标舆情源对该对象持否定态度时,目标舆情源对该对象造成重大舆情影响的难度,会比目标舆情源对该对象也持肯定态度时造成重大舆情影响的难度要低),因此可以根据基础舆情影响值、观点倾向数据和各历史观点倾向数据计算一个舆情领域影响权重,用于表征历史观点倾向数据对目标舆情源的初始舆情影响值造成的影响。
示例性的,可以分别根据历史观点倾向数据为肯定的肯定态度历史舆情源的数量、以及历史观点倾向数据为否定的否定态度历史舆情源的数量,在历史舆情源的总数量中所占的比值计算一个肯定态度舆情影响值阈值,和一个否定态度舆情影响值阈值。肯定态度舆情影响值阈值和肯定态度历史舆情源的数量成反比,否定态度舆情影响值阈值和否定态度历史舆情源的数量也成反比。选择与观点倾向数据相匹配的舆情影响值阈值作为目标舆情源的目标舆情影响值阈值,并根据目标舆情源的基础舆情影响值与目标舆情影响值阈值的差值设置舆情领域影响权重,以使得在差值为负或0时,舆情领域影响权重是一个较小的值,而在差值为正时,舆情领域影响权重是一个较大的值、且和该差值成正比。
以实际示例进行说明,假设共有10个历史舆情源,其中7个历史舆情源的历史观点倾向数据为肯定,3个历史舆情源的历史观点倾向数据为否定。可以将肯定态度舆情影响值阈值设置为7,否定态度舆情影响值阈值设置为3。若目标舆情源的观点倾向数据为肯定,则目标舆情源的目标舆情影响值阈值是肯定态度舆情影响值阈值7。在目标舆情源的基础舆情影响值小于或者等于7时,可以将舆情领域影响权重设置为一个较小的值,例如0.1。在目标舆情源的基础舆情影响值大于7时,可以根据基础舆情影响值与目标舆情影响值阈值的差值设置舆情领域影响权重:例如在基础舆情影响值是8时,设置舆情领域影响权重为1,在基础舆情影响值是9时,设置舆情领域影响权重为3等。
根据舆情领域影响权重、目标舆情数据的数量及基础舆情影响值,可以确定目标舆情源的初始舆情影响值。初始舆情影响值应当与舆情领域影响权重、目标舆情数据的数量及基础舆情影响值均正相关。示例性的,可以通过将舆情领域影响权重、目标舆情数据的数量与全部舆情数据的数量的比值、基础舆情影响值三个数值相乘来得到初始舆情影响值。
本申请实施例提供的舆情数据处理方法,计算舆情领域影响权重,并根据舆情领域影响权重、各目标舆情数据的数量及基础舆情影响值,确定目标舆情源的初始舆情影响值,可以在计算初始舆情影响值时考虑到历史舆情源对目标舆情源能够造成的舆情强度的影响,提高计算舆情数据的初始舆情影响值的精度。
在一个实施例中,步骤104中,从舆情传播模型中确定目标舆情源的初始传播节点,包括:
针对任一传播节点,确定传播节点表征的目标对象与目标舆情源之间的关联值,并在关联值大于关联值阈值的情况下,将传播节点作为目标舆情源的初始传播节点。
本申请实施例中,可以通过计算目标对象和目标舆情源之间的关联值来确定初始传播节点。可以对目标舆情源进行信息抽取处理,提取目标舆情源中的各实体(如人物名称、企业名称、机构名称等),并确定目标对象和提取出的各实体之间的相似度,将最大的相似度作为目标对象和目标舆情源之间的关联值。或者考虑到即便目标舆情源仅是针对该领域中某一特定企业的舆情,但目标舆情源可能仍会对该领域中的全部企业(尤其是规模较大的企业)造成影响,也可以根据各传播节点表征的对象在舆情传播模型对应的领域中的级别,为各对象设置初始关联值(比如在对象是企业的情况下,根据对象在该领域中的市场份额、规模等设置初始关联值,在对象是人物的情况下,根据对象在该领域中的知名度、影响力等设置初始关联值),然后再根据初始关联值和相似度确定目标对象和目标舆情源之间的关联值。也可以根据其他方式确定关联值,本申请实施例对此不作具体限定。
在关联值大于预先设定的关联值阈值的情况下,可以将该传播节点作为目标舆情源的初始传播节点。若不存在任何大于关联值阈值的关联值,则可以将全部传播节点均作为目标舆情源的初始传播节点。
本申请实施例提供的舆情数据处理方法,根据每个传播节点表征的目标对象和目标舆情源之间的关联值,确定需要将哪些传播节点作为初始传播节点,可以使得初始舆情影响值从与目标舆情源关联性最大的传播节点开始传播,提高通过舆情传播模型模拟传播过程的精度,进而提高分析舆情源对各传播节点造成的影响的准确性。
在一个实施例中,如图6所示,步骤106中,根据各传播节点之间的有向边对应的传播衰减值,从初始传播节点开始,对初始舆情影响值在各传播节点之间进行传播处理,得到目标舆情源分别针对各传播节点的目标舆情影响值,包括:
步骤602,将初始传播节点作为当前传播节点,及将初始舆情影响值作为当前舆情影响值。
步骤604,针对当前传播节点的任一有向边指向的关联传播节点,根据当前舆情影响值、及关联传播节点与初始传播节点之间的有向边对应的传播衰减值,确定关联传播节点对应的关联舆情影响值,并根据关联舆情影响值,对关联传播节点的临时舆情影响值进行更新。
步骤606,将当前传播节点、及当前传播节点对应的各有向边从舆情传播模型中删除,在存在目标传播节点的情况下,从各目标传播节点中确定当前传播节点,将目标传播节点的更新后的临时舆情影响值作为当前舆情影响值,并跳转至针对当前传播节点的任一有向边指向的关联传播节点,根据当前舆情影响值、及关联传播节点与初始传播节点之间的有向边对应的传播衰减值,确定关联传播节点对应的关联舆情影响值的步骤;或者,
步骤608,在不存在目标传播节点的情况下,针对任一传播节点,将传播节点的更新后的临时舆情影响值,作为传播节点对应的目标舆情影响值。
其中,目标传播节点为更新后的临时舆情影响值大于或者等于舆情影响值阈值的传播节点。
本申请实施例中,可以采用拓扑学原理确定初始舆情影响值在舆情传播模型中如何进行传播。可以首先将初始传播节点作为当前需要向其他传播节点传播舆情的当前传播节点,并将初始舆情影响值作为当前传播节点需要向其他传播节点进行传播的当前舆情影响值。针对当前传播节点,可以确定该当前传播节点的各关联传播节点,并将当前舆情影响值传播至各关联传播节点。关联传播节点和当前传播节点之间具有从当前传播节点指向关联传播节点的有向边,关联传播节点收到的关联舆情影响值是当前传播影响值与有向边的传播衰减值的乘积。关联传播节点收到关联舆情影响值后,通过将关联舆情影响值和自身原先具有的临时舆情影响值相加,对临时舆情影响值进行更新。
可以将当前传播节点、及当前传播节点对应的各有向边从舆情传播模型中删除,以避免当前传播节点重复向下传播舆情影响值。在将当前传播节点删除后,若任意传播节点的更新后的临时舆情影响值大于或者等于预先设定的舆情影响值阈值,则该传播节点具有向下继续传播舆情影响值的能力,可以将这样的传播节点作为目标传播节点。从各目标传播节点中选择下一个当前传播节点(可以随机选择,或是选择更新后的临时舆情影响值在各目标传播节点中最大的目标传播节点),将该目标传播节点的更新后的临时舆情影响值作为当前舆情影响值,继续重复上述过程,直至不存在能够向下传播舆情影响值的目标传播节点为止。此时可以将各传播节点当前的临时舆情影响值作为目标舆情影响值。针对之前被删除的当前传播节点而言,当前传播节点的目标舆情影响值是其在被删除时具有的临时舆情影响值。
在获取各传播节点的目标舆情影响值后,可以对目标舆情影响值进行进一步分析,以确定各传播节点表征的目标对象因目标舆情源受到的影响。例如在目标对象是企业时,根据目标舆情影响值和企业的原声誉,确定在企业受到目标舆情影响值的影响后声誉的提升或下降程度等。从获取目标舆情源至分析目标舆情影响值对目标对象造成的影响的全过程可参见图7所示。
本申请实施例提供的舆情数据处理方法,通过拓扑学方法对初始舆情影响值进行传播处理,得到各传播节点的目标舆情影响值。通过舆情传播模型模拟舆情在现实中的传播路径,能够更加精确的分析舆情源对各传播节点造成的影响。
在一个实施例中,步骤604中,从各目标传播节点中确定当前传播节点,包括:
在存在入度为0的目标传播节点的情况下,将入度为0的目标传播节点作为当前传播节点;或者,
在不存在入度为0的目标传播节点的情况下,将各目标传播节点均作为当前传播节点。
本申请实施例中,入度指的是指向传播节点的有向边的数量。为避免舆情影响值循环传播(比如因为存在从传播节点B指向传播节点A的有向边BA,因此在传播节点A向下传播舆情影响值之后,传播节点B还有可能再通过有向边BA向传播节点A再次传播舆情影响值,造成传播节点A需要再次向下传播一遍舆情影响值的情况),可以在确定目标传播节点之后,优先选择入度为0的目标传播节点作为当前传播节点。若存在多个入度为0的目标传播节点,则可以随机选择目标传播节点作为当前传播节点。
若不存在入度为0的当前传播节点,则可以将所有目标传播节点均作为当前传播节点,使得所有目标传播节点都向下传播一次舆情影响值,避免出现没有入度为0的目标传播节点,舆情影响值无法继续向下传播的情况。
本申请实施例提供的舆情数据处理方法,从入度为0的目标传播节点中确定当前传播节点,可以避免出现舆情影响值循环传播的情况,提高分析舆情源对各传播节点造成的影响的效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的舆情数据处理方法的舆情数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个舆情数据处理装置实施例中的具体限定可以参见上文中对于舆情数据处理方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种舆情数据处理装置800,包括:第一确定模块802、第二确定模块804、传播模块806,其中:
第一确定模块802,用于从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值;
第二确定模块804,用于确定所述目标舆情源所属的目标领域对应的舆情传播模型,并从所述舆情传播模型中确定所述目标舆情源的初始传播节点,其中,所述舆情传播模型由至少两个传播节点及两个所述传播节点之间的有向边构成,各所述有向边分别具有对应的传播衰减值;
传播模块806,用于根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值。
本申请实施例提供的舆情数据处理装置,构建包括传播节点和有向边的舆情传播模型,在针对目标舆情源造成的舆情影响进行分析时,根据与目标舆情源相关的目标舆情数据确定目标舆情源的初始舆情影响值,并将初始舆情影响值在舆情传播模型中进行传播,确定初始舆情影响值在经过各有向边、因传播衰减值的影响而衰减后,能够对舆情传播模型中的各传播节点造成多少目标舆情影响值。通过舆情传播模型模拟舆情在现实中的传播路径,能够更加精确的分析舆情源对各传播节点造成的影响。
在其中一个实施例中,所述第一确定模块802,还用于:
确定所述目标舆情源所属的目标领域,及所述目标舆情源对应的观点数据;
针对任一所述舆情数据,确定所述舆情数据所属的第一目标领域及所述舆情数据对应的第一观点数据,并在所述目标领域与所述第一目标领域相匹配、及所述第一观点数据与所述观点数据相匹配的情况下,将所述舆情数据作为目标舆情数据。
在其中一个实施例中,所述第一确定模块802,还用于:
根据所述目标舆情源对应的观点数据,确定所述目标舆情源对应的观点倾向数据;
根据所述目标舆情源的基础舆情影响值、所述观点倾向数据、及所述目标领域的各历史舆情源分别对应的历史观点倾向数据,确定所述目标舆情源对应的舆情领域影响权重;
根据所述舆情领域影响权重、各所述目标舆情数据的数量及所述基础舆情影响值,确定所述目标舆情源的初始舆情影响值。
在其中一个实施例中,所述第二确定模块804,还用于:
针对任一所述传播节点,确定所述传播节点表征的目标对象与所述目标舆情源之间的关联值,并在所述关联值大于关联值阈值的情况下,将所述传播节点作为所述目标舆情源的初始传播节点。
在其中一个实施例中,所述传播模块806,还用于:
将所述初始传播节点作为当前传播节点,及将所述初始舆情影响值作为当前舆情影响值;
针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值,并根据所述关联舆情影响值,对所述关联传播节点的临时舆情影响值进行更新;
将所述当前传播节点、及所述当前传播节点对应的各有向边从所述舆情传播模型中删除,在存在目标传播节点的情况下,从各所述目标传播节点中确定当前传播节点,将所述目标传播节点的更新后的所述临时舆情影响值作为当前舆情影响值,并跳转至针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值的步骤,或者;
在不存在所述目标传播节点的情况下,针对任一所述传播节点,将所述传播节点的更新后的所述临时舆情影响值,作为所述传播节点对应的目标舆情影响值;
其中,所述目标传播节点为更新后的所述临时舆情影响值大于或者等于舆情影响值阈值的所述传播节点。
在其中一个实施例中,所述传播模块806,还用于:
在存在入度为0的目标传播节点的情况下,将所述入度为0的目标传播节点作为当前传播节点;或者,
在不存在入度为0的目标传播节点的情况下,将各所述目标传播节点均作为当前传播节点。
上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种舆情数据处理方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了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上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种舆情数据处理方法,其特征在于,所述方法包括:
从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值;
确定所述目标舆情源所属的目标领域对应的舆情传播模型,并从所述舆情传播模型中确定所述目标舆情源的初始传播节点,其中,所述舆情传播模型由至少两个传播节点及两个所述传播节点之间的有向边构成,各所述有向边分别具有对应的传播衰减值;
根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值。
2.根据权利要求1所述的方法,其特征在于,所述从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,包括:
确定所述目标舆情源所属的目标领域,及所述目标舆情源对应的观点数据;
针对任一所述舆情数据,确定所述舆情数据所属的第一目标领域及所述舆情数据对应的第一观点数据,并在所述目标领域与所述第一目标领域相匹配、及所述第一观点数据与所述观点数据相匹配的情况下,将所述舆情数据作为目标舆情数据。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值,包括:
根据所述目标舆情源对应的观点数据,确定所述目标舆情源对应的观点倾向数据;
根据所述目标舆情源的基础舆情影响值、所述观点倾向数据、及所述目标领域的各历史舆情源分别对应的历史观点倾向数据,确定所述目标舆情源对应的舆情领域影响权重;
根据所述舆情领域影响权重、各所述目标舆情数据的数量及所述基础舆情影响值,确定所述目标舆情源的初始舆情影响值。
4.根据权利要求1所述的方法,其特征在于,所述从所述舆情传播模型中确定所述目标舆情源的初始传播节点,包括:
针对任一所述传播节点,确定所述传播节点表征的目标对象与所述目标舆情源之间的关联值,并在所述关联值大于关联值阈值的情况下,将所述传播节点作为所述目标舆情源的初始传播节点。
5.根据权利要求1所述的方法,其特征在于,所述根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值,包括:
将所述初始传播节点作为当前传播节点,及将所述初始舆情影响值作为当前舆情影响值;
针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值,并根据所述关联舆情影响值,对所述关联传播节点的临时舆情影响值进行更新;
将所述当前传播节点、及所述当前传播节点对应的各有向边从所述舆情传播模型中删除,在存在目标传播节点的情况下,从各所述目标传播节点中确定当前传播节点,将所述目标传播节点的更新后的所述临时舆情影响值作为当前舆情影响值,并跳转至针对所述当前传播节点的任一有向边指向的关联传播节点,根据所述当前舆情影响值、及所述关联传播节点与所述初始传播节点之间的有向边对应的传播衰减值,确定所述关联传播节点对应的关联舆情影响值的步骤,或者;
在不存在所述目标传播节点的情况下,针对任一所述传播节点,将所述传播节点的更新后的所述临时舆情影响值,作为所述传播节点对应的目标舆情影响值;
其中,所述目标传播节点为更新后的所述临时舆情影响值大于或者等于舆情影响值阈值的所述传播节点。
6.根据权利要求5所述的方法,其特征在于,所述从各所述目标传播节点中确定当前传播节点,包括:
在存在入度为0的目标传播节点的情况下,将所述入度为0的目标传播节点作为当前传播节点;或者,
在不存在入度为0的目标传播节点的情况下,将各所述目标传播节点均作为当前传播节点。
7.一种舆情数据处理装置,其特征在于,所述装置包括:
第一确定模块,用于从各舆情数据中确定与目标舆情源相匹配的目标舆情数据,并根据各所述目标舆情数据,确定所述目标舆情源的初始舆情影响值;
第二确定模块,用于确定所述目标舆情源所属的目标领域对应的舆情传播模型,并从所述舆情传播模型中确定所述目标舆情源的初始传播节点,其中,所述舆情传播模型由至少两个传播节点及两个所述传播节点之间的有向边构成,各所述有向边分别具有对应的传播衰减值;
传播模块,用于根据各所述传播节点之间的有向边对应的传播衰减值,从所述初始传播节点开始,对所述初始舆情影响值在各所述传播节点之间进行传播处理,得到所述目标舆情源分别针对各所述传播节点的目标舆情影响值。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,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中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311808941.3A CN117708396A (zh) | 2023-12-26 | 2023-12-26 | 舆情数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311808941.3A CN117708396A (zh) | 2023-12-26 | 2023-12-26 | 舆情数据处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117708396A true CN117708396A (zh) | 2024-03-15 |
Family
ID=90153209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311808941.3A Pending CN117708396A (zh) | 2023-12-26 | 2023-12-26 | 舆情数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117708396A (zh) |
-
2023
- 2023-12-26 CN CN202311808941.3A patent/CN117708396A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7169369B2 (ja) | 機械学習アルゴリズムのためのデータを生成する方法、システム | |
KR102061987B1 (ko) | 위험 평가 방법 및 시스템 | |
US9934512B2 (en) | Identifying influential users of a social networking service | |
US11436430B2 (en) | Feature information extraction method, apparatus, server cluster, and storage medium | |
JP5705307B2 (ja) | 動的適応型プロセス発見及び遵守 | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
US10713306B2 (en) | Content pattern based automatic document classification | |
WO2021174693A1 (zh) | 一种数据分析方法、装置、计算机系统及可读存储介质 | |
CN113177700B (zh) | 一种风险评估方法、系统、电子设备及存储介质 | |
US20190042950A1 (en) | Learning computing activities and relationships using graphs | |
WO2023246146A1 (zh) | 基于优化规则决策树的目标安全识别方法及装置 | |
US20190042951A1 (en) | Analysis of computing activities using graph data structures | |
US9904922B2 (en) | Efficient tail calculation to exploit data correlation | |
CN111625656A (zh) | 信息处理方法、装置、设备和存储介质 | |
CN116663505A (zh) | 一种基于互联网的评论区管理方法及系统 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN117708396A (zh) | 舆情数据处理方法、装置、计算机设备及存储介质 | |
CN113419964B (zh) | 一种测试案例生成方法、装置、计算机设备及存储介质 | |
CN115329207A (zh) | 智能销售信息推荐方法及系统 | |
CN115470489A (zh) | 检测模型训练方法、检测方法、设备以及计算机可读介质 | |
US20140324523A1 (en) | Missing String Compensation In Capped Customer Linkage Model | |
JP5156692B2 (ja) | 擬似データ生成装置、擬似データ生成方法及びコンピュータプログラム | |
CN111625720B (zh) | 数据决策项目执行策略的确定方法、装置、设备和介质 | |
CN113835780A (zh) | 一种事件响应方法及装置 | |
CN115221663A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 |
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 |