本發(fā)明實施例涉及社交網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種實時流式文本分級監(jiān)控方法和裝置。

背景技術(shù)：

近年來，伴隨著信息技術(shù)的蓬勃發(fā)展，互聯(lián)網(wǎng)的使用大范圍迅速普及，大量不同領(lǐng)域、不同地域、不同時域的信息在產(chǎn)生伊始便經(jīng)由互聯(lián)網(wǎng)廣泛傳播，這一方面有利于人們及時了解實時信息，把握新鮮資訊；但大量冗余、重復(fù)乃至錯誤的“暗信息”不僅會增加廣大用戶瀏覽有效信息的難度，甚至?xí)`導(dǎo)用戶對信息或事態(tài)產(chǎn)生錯誤的理解或判斷。以新浪微博、騰訊微博為代表的一系列實時用戶在線分享交流社區(qū)自出現(xiàn)以來很快便被廣大互聯(lián)網(wǎng)用戶接受并使用，其原因主要包含以下幾點：

注冊方便，僅通過郵箱或電話號碼即可快速擁有賬戶；

自由便捷，用戶可以根據(jù)自身需要及心情變化隨時隨地分享自己的想法或狀態(tài)；

實時快速，用戶能夠通過消息推送、主動搜索、訂閱關(guān)注等多種方式及時獲取想要的多種信息；

用戶廣泛，用戶不僅能夠獲取自身親友圈的信息與狀態(tài)，還能與喜歡的明星發(fā)生互動；

增強(qiáng)社交，可以方便陌生人相互熟悉，創(chuàng)建新的社交模式。

微博等新穎的社交模式擁有眾多出眾的優(yōu)點，因此產(chǎn)品受眾范圍十分廣泛，自推出時起便快速積攢大量活躍用戶?？焖侔l(fā)展的社交網(wǎng)絡(luò)及用戶群一方面有利于用戶的交流、信息的傳播，但也更加劇了文首說明情況的發(fā)生，此類微博信息的發(fā)布很少或根本未經(jīng)過人工審核，這就導(dǎo)致很多包含過激情緒或不當(dāng)言論微博大量的出現(xiàn)在社交網(wǎng)絡(luò)中，造成一系列連鎖反應(yīng)；且微博未實名用戶也同樣可以自由的發(fā)表博客，這就會使得信息的產(chǎn)生十分隨意，極易被不法分子或水軍利用，傳播垃圾或反動言論，迷惑群眾。

上述情況的出現(xiàn)對社會危害十分巨大，由于微博類流式短文本所涉及的用戶遍布社會各個階層，且微博類應(yīng)用用戶基數(shù)達(dá)到億級，快速傳播的信息將會攜帶文本中的信息與情緒通過社交網(wǎng)絡(luò)爆發(fā)式擴(kuò)散，造成難以挽回的影響。因此及時在海量信息中發(fā)現(xiàn)此類文本并實施預(yù)警，進(jìn)行輿情管控是一項十分必要的工作。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種實時流式文本分級監(jiān)控方法和裝置，用于使得用戶的監(jiān)控等級更精確。

第一方面，本發(fā)明實施例提供一種實時流式文本分級監(jiān)控方法，包括：

實時獲取流式的短文本；

對所述短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)過濾處理，生成結(jié)構(gòu)化數(shù)據(jù)；

對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞；所述K為大于0的整數(shù)；

根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值；

根據(jù)所述敏感值與所述情感值，獲得所述短文本所屬的用戶的監(jiān)控等級。

第二方面，本發(fā)明實施例提供一種實時流式文本分級監(jiān)控裝置，包括：

第一獲取模塊，用于實時獲取流式的短文本；

生成模塊，用于對所述短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)過濾處理，生成結(jié)構(gòu)化數(shù)據(jù)；

分詞模塊，用于對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞；所述K為大于0的整數(shù)；

敏感分析模塊，用于根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

情感分析模塊，用于根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值；

第二獲取模塊，用于根據(jù)所述敏感值與所述情感值，獲得所述短文本所屬的用戶的監(jiān)控等級。

綜上所述，本發(fā)明實施例獲得的用戶的監(jiān)控等級更精確也更迅速，因此可以快速精確地鎖定監(jiān)控等級高的用戶。例如可以應(yīng)用于社交網(wǎng)絡(luò)中的言論監(jiān)控，以實施預(yù)警措施，從而避免了社交網(wǎng)絡(luò)被不法分子或水軍利用，傳播垃圾或反動言論，迷惑群眾，而造成難以挽回的影響。例如可以應(yīng)用于廣告精準(zhǔn)投放中，根據(jù)廣告商的需求，投放給監(jiān)控等級高的用戶。例如可以應(yīng)用于用戶推薦系統(tǒng)中，以推薦監(jiān)控等級高的用戶。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例一提供的實時流式文本分級監(jiān)控方法的流程圖；

圖2為本發(fā)明實施例一提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖；

圖3為本發(fā)明實施例二提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例三提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

圖1為本發(fā)明實施例一提供的實時流式文本分級監(jiān)控方法的流程圖，如圖1所示，本實施例的方法可以包括：

S101、實時獲取流式的短文本。

本實施例中，該流式短文本可以是微博中用戶發(fā)布的短文本，或者朋友圈中用戶發(fā)布的短文本，本實施例并不限于此。當(dāng)用戶發(fā)布該短文本時，本實施例可以實時獲取到該短文本，需要說明的是，本實施例不僅獲取該用戶發(fā)布的短文本，還實時獲取其它各用戶發(fā)布的短文本。下面以一個用戶為對像進(jìn)行解釋說明，其它用戶也類似，此處不再贅述。

S102、對所述短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)過濾處理，生成結(jié)構(gòu)化數(shù)據(jù)。

本實施例中，在獲取短文本后，對該短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)充和數(shù)據(jù)過濾處理，可以將無意義短文本、純表情文本等無價值數(shù)據(jù)進(jìn)行剔除，節(jié)省計算性能，然后生成結(jié)構(gòu)化數(shù)據(jù)。以短文本中微博中的信息為例，生成的結(jié)構(gòu)化數(shù)據(jù)至少包括如下信息：微博ID、發(fā)布時間、用戶ID、文本內(nèi)容。

S103、對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞；所述K為大于0的整數(shù)。

本實施例中，對生成的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞，例如采用NLPIR方式，K為大于或等于1的整數(shù)。例如短文本為：川普贏得美國大選。分詞處理后可以獲得4個詞，分別為：川普、贏得、美國、大選。

S104、根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值。

本實施例中，根據(jù)敏感詞數(shù)據(jù)庫，對上述K個詞進(jìn)行敏感分析，獲得該短文本的敏感值?？蛇x地，所述敏感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的敏感詞、預(yù)設(shè)的敏感詞。網(wǎng)絡(luò)統(tǒng)計的敏感詞例如可以是微博中統(tǒng)計獲得的敏感詞，預(yù)設(shè)的敏感詞可以是客戶根據(jù)實際需要設(shè)定的詞。

S105、根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值。

本實施例中，根據(jù)敏感詞數(shù)據(jù)庫，對上述K個詞進(jìn)行敏感分析，獲得該短文本的情感值，例如情感值為-1，表示為負(fù)情感或負(fù)面情緒。例如情感值為0，表示為中性情感。例如情感值為1，表示為正情感或正面情緒。可選地，所述情感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的情感詞、預(yù)設(shè)的情感詞。網(wǎng)絡(luò)統(tǒng)計的情感詞例如可以是微博中統(tǒng)計獲得的情感詞，預(yù)設(shè)的情感詞可以是客戶根據(jù)實際需要設(shè)定的詞。

S106、根據(jù)所述敏感值與所述情感值，獲得所述短文本所屬的用戶的監(jiān)控等級。

本實施例中，在獲取短文本的敏感值和短文本的情感值后，根據(jù)該短文本的敏感值和短文本的情感值，獲得該短文本所屬的用戶的監(jiān)控等級。

綜上所述，本實施例獲得的用戶的監(jiān)控等級更精確也更迅速，困此可以快速精確地鎖定監(jiān)控等級高的用戶。例如可以應(yīng)用于社交網(wǎng)絡(luò)中的言論監(jiān)控，以實施預(yù)警措施，從而避免了社交網(wǎng)絡(luò)被不法分子或水軍利用，傳播垃圾或反動言論，迷惑群眾，而造成難以挽回的影響。例如可以應(yīng)用于廣告精準(zhǔn)投放中，根據(jù)廣告商的需求，投放給監(jiān)控等級高的用戶。例如可以應(yīng)用于用戶推薦系統(tǒng)中，以推薦監(jiān)控等級高的用戶。本實施例不限于上述應(yīng)用場景。

可選地，上述S106的一種可行的實現(xiàn)方式中包括S1061-S1063。

S1061、根據(jù)所述敏感值和所述情感值，獲得所述用戶的初始監(jiān)控等級。

本實施例中，根據(jù)獲得的短文本的敏感值和短文本的情感值，獲得該用戶的初始監(jiān)控等級。

可選地，采用下述公式獲得用戶的初始監(jiān)控等級。

L1＝[level_-num×δ(log(SS×|SE|))]，其中，L1表示初始監(jiān)控等級，level表示取整函數(shù)，δ表示激活函數(shù)，δ＝(1+e^-x)^-1，其中x＝log(SS×|SE|)，SS表示敏感值，SE表示情感值，|SE|表示情感值的絕對值。

S1062、根據(jù)所述用戶的歷史短文本，獲得所述用戶的歷史監(jiān)控等級。

本實施例中，在獲取到用戶的初始監(jiān)控等級后，還獲取用戶的歷史短文本，采用如S101-S105的方式獲得用戶的歷史短文本的敏感值和情感值，然后根據(jù)敏感值和情感值，獲得用戶的歷史監(jiān)控等級。

可選地，采用下述公式獲得用戶的歷史監(jiān)控等級。

其中，用戶的歷史短文本可以是至少一個，SS_i表示第i個歷史短文本的敏感值，SE_i表示第i個歷史短文本的情感值，L2表示用戶的歷史監(jiān)控等級。

S1063、根據(jù)所述用戶的初始監(jiān)控等級和所述歷史監(jiān)控等級，獲得所述用戶的監(jiān)控等級。

本實施例中，根據(jù)用戶的初始監(jiān)控等級和歷史監(jiān)控等級，獲得用戶的監(jiān)控等級，例如用戶的監(jiān)控等級等于(L1+L2)/2。

可選地，在執(zhí)行S1062之前，確定所述用戶的初始監(jiān)控等級大于第一預(yù)設(shè)監(jiān)控等級。具體地，在獲得用戶的初始監(jiān)控等級之后，判斷該用戶的初始監(jiān)控等級是否大于第一預(yù)設(shè)監(jiān)控等級，當(dāng)該用戶的初始監(jiān)控等級大于第一預(yù)設(shè)監(jiān)控等級時，再執(zhí)行S1062。當(dāng)該用戶的初始監(jiān)控等級小于或等于第一預(yù)設(shè)監(jiān)控等級時，則確定該用戶的初始監(jiān)控等級為用戶的監(jiān)控等級。

可選地，本實施例在執(zhí)行S104和S105之前，還包括：S107和S108。

S107、標(biāo)注所述K個詞的詞性。

本實施例中，獲得短文本中的K個詞之后，標(biāo)注該K個詞的詞性，例如：川普(名詞)、贏得(動詞)、美國(名詞)、大選(名詞)。

S108、根據(jù)所述K個詞的詞性，對所述K個詞進(jìn)行語義分析。

本實施例中，在該K個詞標(biāo)注詞性后，根據(jù)該K個詞的詞性，對該K個詞進(jìn)行語義分析，例如采用Word2vec算法。

相應(yīng)地，S104的一種可行的實現(xiàn)方式為：根據(jù)敏感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值。

相應(yīng)地，S105的一種可行的實現(xiàn)方式為：根據(jù)情感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值。

基于語義分析，獲得的敏感值和情感值的準(zhǔn)確性更高。

可選地，本實施例的方法還可以包括：

S109、當(dāng)所述用戶的監(jiān)控等級大于第二預(yù)設(shè)監(jiān)控等級時，獲取所述短文本的M個關(guān)鍵詞；所述M為大于0的整數(shù)。

S110、將所述M個關(guān)鍵詞分別添加至所述敏感詞數(shù)據(jù)庫和所述情感詞數(shù)據(jù)庫中。

本實施例中，在獲得用戶的監(jiān)控等級之后，判斷該用戶的監(jiān)控等級是否大于第二預(yù)設(shè)監(jiān)控等級，當(dāng)該用戶的監(jiān)控等級大于第二預(yù)設(shè)監(jiān)控等級時，獲取該短文本的M個關(guān)鍵詞，例如通過TF-IDF方法獲取關(guān)鍵詞，M為大于或等于1的整數(shù)。然后將M個關(guān)鍵詞分別添加至敏感詞數(shù)據(jù)庫和情感詞數(shù)據(jù)庫中，實現(xiàn)了在線學(xué)習(xí)敏感詞和情感詞的方案。

可選地，獲取短文本的敏感值的一種方式為：通過以下公式獲得。

其中，SS表示敏感值，相似度_j表示第j個詞與敏感詞數(shù)據(jù)庫中詞的語義相似度，取值為[0，1]，當(dāng)?shù)趈個詞與敏感詞數(shù)據(jù)庫的中某個詞相同時，相似度_j等于1。其中。K個詞中的關(guān)鍵詞的權(quán)重高于普通詞的權(quán)重。

敏感詞數(shù)據(jù)庫和情感詞數(shù)據(jù)庫包括預(yù)先設(shè)置以及在線學(xué)習(xí)結(jié)果反饋，能夠有效適應(yīng)實時發(fā)生變化的文本環(huán)境，確保不會因為數(shù)據(jù)問題導(dǎo)致大量敏感短文本被忽視。敏感詞匹配算法基于語義分析算法，將分詞并詞性標(biāo)注后的文本流式多線程的與敏感詞數(shù)據(jù)庫中的敏感詞進(jìn)行相似度評估，篩選出文本中的疑似敏感詞，該操作能夠從語義層次分析一篇短文本的敏感程度，并在當(dāng)前時間片環(huán)境下分析出目標(biāo)文本的敏感程度，與此同時，通過大量流式數(shù)據(jù)的多線程統(tǒng)計，可以根據(jù)敏感詞的共現(xiàn)關(guān)系尋找新的疑似敏感詞根據(jù)閾值判斷是否添加到敏感詞詞庫中；情感分析在篩選出的疑似敏感微博中進(jìn)行情緒判斷，情緒判斷的標(biāo)準(zhǔn)主要依賴于情感詞數(shù)據(jù)庫，在本發(fā)明中，情感詞數(shù)據(jù)庫同樣包括：預(yù)先設(shè)置以及在線學(xué)習(xí)結(jié)果反饋后動態(tài)更新，保證能夠為準(zhǔn)確發(fā)現(xiàn)極端情感提供輔助作用。最終結(jié)合上述兩大步驟，可以得出具有分析研究價值的需要監(jiān)控的短文本列表。

本發(fā)明提供了一種處理流式文本數(shù)據(jù)的方案，為了加快數(shù)據(jù)處理速度，不造成數(shù)據(jù)丟失現(xiàn)象的發(fā)生，提升監(jiān)控程序運行穩(wěn)定程度。本發(fā)明將監(jiān)控程序從多個層次采取并行化處理，充分利用計算機(jī)、分布式數(shù)據(jù)庫、分布式索引的吞吐率，是的計算性能得以提高，監(jiān)控延時由原來的約30分鐘所見到約為5分鐘以內(nèi)。

另外，本發(fā)明還能夠提供實時的監(jiān)控的界面，但實時界面因為頁面、加載時間等條件限制無法顯示過多信息，因此可根據(jù)用戶設(shè)置的時間段生成固定信息項的監(jiān)控報告，方便用戶詳細(xì)分析獲取信息。

綜上所述，本發(fā)明實施例還具有如下優(yōu)勢：

1.應(yīng)用自然語言處理相關(guān)技術(shù)，從語義角度統(tǒng)計分析流式數(shù)據(jù)，動態(tài)設(shè)置敏感詞數(shù)據(jù)庫，有針對性。

2.采用并行及流水線技術(shù)，充分利用計算性能。

3.多屬性判定，準(zhǔn)確性高，穩(wěn)定性好。

4.算法多參數(shù)可調(diào)，可根據(jù)需求設(shè)置，算法內(nèi)部耦合性低，可移植性好。

圖2為本發(fā)明實施例一提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖，如圖2所示，本實施例的裝置可以包括：第一獲取模塊210、生成模塊220、分詞模塊230、敏感分析模塊240、情感分析模塊250和第二獲取模塊260。

第一獲取模塊210，用于實時獲取流式的短文本；

生成模塊220，用于對所述短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)過濾處理，生成結(jié)構(gòu)化數(shù)據(jù)；

分詞模塊230，用于對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞；所述K為大于0的整數(shù)；

敏感分析模塊240，用于根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

情感分析模塊250，用于根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值；

第二獲取模塊260，用于根據(jù)所述敏感值與所述情感值，獲得所述短文本所屬的用戶的監(jiān)控等級。

本實施例的裝置，可以用于執(zhí)行本發(fā)明上述方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

圖3為本發(fā)明實施例二提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖，如圖3所示，本實施例的裝置在圖2所示裝置結(jié)構(gòu)的基礎(chǔ)上，進(jìn)一步地，所述第二獲取模塊260，包括：第一獲取子模塊261、第二獲取子模塊262和第三獲取子模塊263。

第一獲取子模塊261，用于根據(jù)所述敏感值和所述情感值，獲得所述用戶的初始監(jiān)控等級；

第二獲取子模塊262，用于根據(jù)所述用戶的歷史短文本，獲得所述用戶的歷史監(jiān)控等級；

第三獲取子模塊263，用于根據(jù)所述用戶的初始監(jiān)控等級和所述歷史監(jiān)控等級，獲得所述用戶的監(jiān)控等級。

可選地，所述第二獲取模塊260，還包括：確定子模塊264。

確定子模塊264，用于在所述第二獲取子模塊262根據(jù)所述用戶的歷史短文本，獲得所述用戶的歷史監(jiān)控等級之前，確定所述用戶的初始監(jiān)控等級大于第一預(yù)設(shè)監(jiān)控等級。

可選地，本實施例的裝置還包括：標(biāo)注模塊270和語義分析模塊280。

所述標(biāo)注模塊270，用于標(biāo)注所述K個詞的詞性；

所述語義分析模塊280，用于根據(jù)所述K個詞的詞性，對所述K個詞進(jìn)行語義分析；

所述敏感分析模塊240，具體用于根據(jù)敏感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

所述情感分析模塊250，具體用于根據(jù)情感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值。

本實施例的裝置，可以用于執(zhí)行本發(fā)明上述方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

可選地，所述敏感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的敏感詞、預(yù)設(shè)的敏感詞；

所述情感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的情感詞、預(yù)設(shè)的情感詞。

可選地，本實施例的裝置還包括：第三獲取模塊和添加模塊，圖中未示出。

第三獲取模塊，用于當(dāng)所述用戶的監(jiān)控等級大于第二預(yù)設(shè)監(jiān)控等級時，獲取所述短文本的M個關(guān)鍵詞；所述M為大于0的整數(shù)；

添加模塊，用于將所述M個關(guān)鍵詞分別添加至所述敏感詞數(shù)據(jù)庫和所述情感詞數(shù)據(jù)庫中。

圖4為本發(fā)明實施例三提供的實時流式文本分級監(jiān)控裝置的結(jié)構(gòu)示意圖，如圖4所示，本實施例的裝置可以包括：處理器310和存儲器320，處理器310與存儲器320通信連接，所述存儲器320用于存儲執(zhí)行實時流式文本分級監(jiān)控方法的代碼，處理器310用于調(diào)用所述存儲器320存儲的所述代碼執(zhí)行：

實時獲取流式的短文本；

對所述短文本進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)過濾處理，生成結(jié)構(gòu)化數(shù)據(jù)；

對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行文本分詞處理，獲得K個詞；所述K為大于0的整數(shù)；

根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值；

根據(jù)所述敏感值與所述情感值，獲得所述短文本所屬的用戶的監(jiān)控等級。

可選地，處理器310在根據(jù)所述敏感值與所述情感值，獲得所述短文本對應(yīng)的用戶的監(jiān)控等級時，具體用于：

根據(jù)所述敏感值和所述情感值，獲得所述用戶的初始監(jiān)控等級；

根據(jù)所述用戶的歷史短文本，獲得所述用戶的歷史監(jiān)控等級；

根據(jù)所述用戶的初始監(jiān)控等級和所述歷史監(jiān)控等級，獲得所述用戶的監(jiān)控等級。

可選地，處理器310在根據(jù)所述用戶的歷史短文本，獲得所述用戶的歷史監(jiān)控等級之前，還用于確定所述用戶的初始監(jiān)控等級大于第一預(yù)設(shè)監(jiān)控等級。

可選地，處理器310還用于：標(biāo)注所述K個詞的詞性；以及根據(jù)所述K個詞的詞性，對所述K個詞進(jìn)行語義分析；

處理器310在根據(jù)敏感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值時，具體用于：根據(jù)敏感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行敏感分析，獲得所述短文本的敏感值；

處理器310在根據(jù)情感詞數(shù)據(jù)庫，對所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值時，具體用于：根據(jù)情感詞數(shù)據(jù)庫，對語義分析后的所述K個詞進(jìn)行情感分析，獲得所述短文本的情感值。

可選地，所述敏感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的敏感詞、預(yù)設(shè)的敏感詞；

所述情感詞數(shù)據(jù)庫包括以下至少一種：網(wǎng)絡(luò)統(tǒng)計的情感詞、預(yù)設(shè)的情感詞。

可選地，處理器310還用于：

當(dāng)所述用戶的監(jiān)控等級大于第二預(yù)設(shè)監(jiān)控等級時，獲取所述短文本的M個關(guān)鍵詞；所述M為大于0的整數(shù)；

將所述M個關(guān)鍵詞分別添加至所述敏感詞數(shù)據(jù)庫和所述情感詞數(shù)據(jù)庫中。

本實施例的裝置，可以用于執(zhí)行本發(fā)明上述方法實施例的技術(shù)方案，其實現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述各方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一計算機(jī)可讀取存儲介質(zhì)中。該程序在執(zhí)行時，執(zhí)行包括上述各方法實施例的步驟；而前述的存儲介質(zhì)包括：只讀內(nèi)存(英文：Read-Only Memory，簡稱：ROM)、隨機(jī)存取存儲器(英文：Random Access Memory，簡稱：RAM)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

最后應(yīng)說明的是：以上各實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍。