本發(fā)明涉及機器學(xué)習(xí)領(lǐng)域，具體提供一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法及裝置。

背景技術(shù)：

1、機器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

2、如何通過互聯(lián)網(wǎng)所采集的多通道輿情數(shù)據(jù)，實現(xiàn)對新聞、論壇、博客、門戶、貼吧、微信公眾號、微博、app等通道的輿情信息的過濾和去噪，結(jié)合新聞、論壇、微博等通道的負面輿情信息傳播內(nèi)容和特點，建立基于多通道輿情信息的輿情預(yù)警模型，發(fā)現(xiàn)隱藏的輿情異常情況是本領(lǐng)域技術(shù)人員亟待解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明是針對上述現(xiàn)有技術(shù)的不足，提供一種實用性強的輿情監(jiān)測預(yù)警平臺的設(shè)計方法。

2、本發(fā)明進一步的技術(shù)任務(wù)是提供一種設(shè)計合理，安全適用的輿情監(jiān)測預(yù)警平臺的設(shè)計裝置。

3、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

4、一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，具有如下步驟：

5、s1、輿情信息分類和去噪；

6、s2、企業(yè)負面輿情判定；

7、s3、企業(yè)輿情異常判定及預(yù)警；

8、s4、預(yù)警通知模塊；

9、s5、熱點發(fā)現(xiàn)和分析。

10、進一步的，在步驟s1中，從海量輿情數(shù)據(jù)中識別發(fā)現(xiàn)相關(guān)輿情數(shù)據(jù)，一是基于機器學(xué)習(xí)的自動分類方法，二是基于規(guī)則的自動分類方法；

11、基于機器學(xué)習(xí)的自動分類方法有knn、svm、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)，基于規(guī)則的自動分類是用戶直接為每個類目確定分類規(guī)則形成類別模型，規(guī)則分類器依據(jù)類別模型統(tǒng)計測試樣本中滿足的規(guī)則條數(shù)及規(guī)則出現(xiàn)的次數(shù)信息，同時利用規(guī)則在測試文本結(jié)構(gòu)中的位置信息，來衡量測試樣本所屬的類別。

12、進一步的，采用基于機器學(xué)習(xí)和基于規(guī)則的自動分類相結(jié)合的方式，當(dāng)訓(xùn)練預(yù)料充足，類別特征交叉不大時可采用基于機器學(xué)習(xí)的方式；當(dāng)訓(xùn)練樣本少或者質(zhì)量不高時可采用基于規(guī)則的自動分類方式。

13、進一步的，在步驟s2中，企業(yè)負面輿情判定通過實時對企業(yè)輿情數(shù)據(jù)計算分析，發(fā)現(xiàn)企業(yè)相關(guān)負面，并計算負面程度；

14、對于輿情負面判定常用的有兩種方式：一是情感詞典的方法，二是機器學(xué)習(xí)的方法。

15、進一步的，基于情感詞典的方法是從文本中抽取情感單元，再對情感單元進行極性打分，綜合所有情感單元的打分，最終給出文本的情感得分，反映文本的情感傾向性及其強度；

16、基于機器學(xué)習(xí)的方法彌補情感詞典方法知識的不足，通常的算法有支持向量機、卷積神經(jīng)網(wǎng)絡(luò)和深度信念網(wǎng)，采用情感詞典和機器學(xué)習(xí)結(jié)合的方式構(gòu)建負面判定模型。

17、進一步的，在步驟s3中，進一步包括：

18、(1)根據(jù)業(yè)務(wù)需求對企業(yè)異常類型進行定義，即構(gòu)建異常標簽體系，并對每種異常類型定義異常特征，另外根據(jù)異常的嚴重程序，將異常分級別；

19、(2)在明確了異常類型和對應(yīng)特征之后，構(gòu)建企業(yè)異常分類模型，通常也是采用基于規(guī)則和基于機器學(xué)習(xí)兩種方式，通過企業(yè)異常分類模型，對企業(yè)輿情數(shù)據(jù)進行篩選分類，得到企業(yè)相關(guān)異常分級輿情數(shù)據(jù)；

20、(3)根據(jù)通道類型、異常級別和異常數(shù)量構(gòu)建企業(yè)輿情預(yù)警模型和預(yù)警知識庫，企業(yè)異常輿情數(shù)據(jù)經(jīng)過預(yù)警模型后判斷是否預(yù)警，以及根據(jù)預(yù)警指數(shù)給出預(yù)警級別。

21、進一步的，在步驟s4中，在預(yù)警通知模塊中通過發(fā)郵件和網(wǎng)頁彈窗的方式進行預(yù)警通知。

22、進一步的，在步驟s5中，基于實時流式聚類技術(shù)，對輿情信息中的相關(guān)熱點事件進行發(fā)現(xiàn)，具體包括：

23、能夠自動發(fā)現(xiàn)指定時間內(nèi)的事件或話題，能夠?qū)﹂L短文本進行匯聚產(chǎn)生輿情熱點，能夠流式處理最新采集到的輿情數(shù)據(jù)并實時匯集到特定熱點，能夠?qū)狳c進行多維度分析；

24、觀點分析是通過研究熱點事件中的各類典型意見，采用自動化的觀點褒貶分析技術(shù)，結(jié)合各類領(lǐng)域的領(lǐng)域詞和屬性詞對網(wǎng)民評論進行褒貶分析，分析和歸納網(wǎng)民的主要觀點，并統(tǒng)計網(wǎng)民的褒貶傾向分布情況。

25、一種輿情監(jiān)測預(yù)警平臺的設(shè)計裝置，包括：至少一個存儲器和至少一個處理器；

26、所述至少一個存儲器，用于存儲機器可讀程序；

27、所述至少一個處理器，用于調(diào)用所述機器可讀程序，執(zhí)行一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法。

28、本發(fā)明的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法及裝置和現(xiàn)有技術(shù)相比，具有以下突出的有益效果：

29、本發(fā)明通過本平臺的輿情監(jiān)測以及預(yù)警，可以找到公眾對某一事件、事物或服務(wù)的態(tài)度和看法,從而幫助企業(yè)更好地了解公眾的需求和期望，制定出更加有效的策略和措施。

技術(shù)特征：

1.一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，具有如下步驟：

2.根據(jù)權(quán)利要求1所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，在步驟s1中，從海量輿情數(shù)據(jù)中識別發(fā)現(xiàn)相關(guān)輿情數(shù)據(jù)，一是基于機器學(xué)習(xí)的自動分類方法，二是基于規(guī)則的自動分類方法；

3.根據(jù)權(quán)利要求2所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，采用基于機器學(xué)習(xí)和基于規(guī)則的自動分類相結(jié)合的方式，當(dāng)訓(xùn)練預(yù)料充足，類別特征交叉不大時可采用基于機器學(xué)習(xí)的方式；當(dāng)訓(xùn)練樣本少或者質(zhì)量不高時可采用基于規(guī)則的自動分類方式。

4.根據(jù)權(quán)利要求3所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，在步驟s2中，企業(yè)負面輿情判定通過實時對企業(yè)輿情數(shù)據(jù)計算分析，發(fā)現(xiàn)企業(yè)相關(guān)負面，并計算負面程度；

5.根據(jù)權(quán)利要求4所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，基于情感詞典的方法是從文本中抽取情感單元，再對情感單元進行極性打分，綜合所有情感單元的打分，最終給出文本的情感得分，反映文本的情感傾向性及其強度；

6.根據(jù)權(quán)利要求5所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，在步驟s3中，進一步包括：

7.根據(jù)權(quán)利要求6所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，在步驟s4中，在預(yù)警通知模塊中通過發(fā)郵件和網(wǎng)頁彈窗的方式進行預(yù)警通知。

8.根據(jù)權(quán)利要求7所述的一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法，其特征在于，在步驟s5中，基于實時流式聚類技術(shù)，對輿情信息中的相關(guān)熱點事件進行發(fā)現(xiàn)，具體包括：

9.一種輿情監(jiān)測預(yù)警平臺的設(shè)計裝置，其特征在于，包括：至少一個存儲器和至少一個處理器；

技術(shù)總結(jié)
本發(fā)明涉及機器學(xué)習(xí)領(lǐng)域，具體提供了一種輿情監(jiān)測預(yù)警平臺的設(shè)計方法及裝置，具有如下步驟：S1、輿情信息分類和去噪；S2、企業(yè)負面輿情判定；S3、企業(yè)輿情異常判定及預(yù)警；S4、預(yù)警通知模塊；S5、熱點發(fā)現(xiàn)和分析。與現(xiàn)有技術(shù)相比，本發(fā)明能夠通過本平臺的輿情監(jiān)測以及預(yù)警，可以找到公眾對某一事件、事物或服務(wù)的態(tài)度和看法,從而幫助企業(yè)更好地了解公眾的需求和期望，制定出更加有效的策略和措施。

技術(shù)研發(fā)人員：李永偉,崔樂樂,李仰允
受保護的技術(shù)使用者：天元大數(shù)據(jù)信用管理有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19