[发明专利]一种舆情监测方法、装置、设备及存储介质

说明书

本发明实施例公开了一种舆情监测方法、装置、设备及存储介质。其中，该方法包括：依据原始样本和原始样本的舆情监测结果对所述原始样本进行脱敏处理，得到所述原始样本的对抗样本，且将所述原始样本的舆情监测结果作为对应的对抗样本的舆情监测结果；依据所述对抗样本以及所述对抗样本的舆情监测结果进行深度神经网络模型训练得到舆情监测模型；采用所述舆情监测模型进行舆情监测。本发明实施例提供的技术方案，通过引入对抗学习机制，利用对抗样本，提高了模型抗干扰能力、抗噪能力及抗迷惑能力，进而提高了舆情监控的准确率和召回率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种舆情监测方法、装置、设备及存储介质。

背景技术

在信息时代，随着互联网技术发展，越来越多的新闻资讯进入大众视野，信息科技相关产品与网民日常生活息息相关。越来越多的人功过通过信息化产品进行聊天，如微信等，但是很多不法分子利用通讯工具做非法的事情。论坛等场所也可能被不法分子利用。针对互联网产品中文本的舆情监控尤为重要。舆情监控旨在监测出文本中是否有危险行为，是一个分类任务，对每一句话做分类，分类结果为：危险或不危险两类。

目前，现有舆情监控方法主要包括：1)基于字面匹配的舆情监测，通过列出一些危险关键字，若命中关键词则确定分类结果是危险；2)传统机器学习任务的舆情监控，通过提取一些特征使用机器学习模型进行分类：3)传统深度神经网络进行舆情监控，通过自动学习特征，进行危险分类。

但是，上述舆情监控方法分别存在如下问题：1)基于字面匹配的舆情监测存在召回率低，容易被类似的关键词伪装迷惑的问题；2)传统机器学习任务的舆情监控存在准确率和召回率不好控制，需要大量人工的特征工程的问题；3)传统深度神经网络进行舆情监控，虽然不需要大量人工的特征工程，但仍有些样本容易被迷惑，导致类别识别错误，召回率低，但整体上准确率和召回率比传统机器学习模型、关键词匹配好。

发明内容

本发明实施例提供一种舆情监测方法、装置、设备及存储介质，可以提高模型抗干扰能力、抗噪能力及抗迷惑能力，进而提高舆情监控的准确率和召回率。

第一方面，本发明实施例提供了一种舆情监测方法，该方法包括：

依据原始样本和原始样本的舆情监测结果对所述原始样本进行脱敏处理，得到所述原始样本的对抗样本，且将所述原始样本的舆情监测结果作为对应的对抗样本的舆情监测结果；

依据所述对抗样本以及所述对抗样本的舆情监测结果进行深度神经网络模型训练得到舆情监测模型；

采用所述舆情监测模型进行舆情监测。

第二方面，本发明实施例还提供了一种舆情监测装置，该装置包括：

对抗样本生成模块，用于依据原始样本和原始样本的舆情监测结果对所述原始样本进行脱敏处理，得到所述原始样本的对抗样本，且将所述原始样本的舆情监测结果作为对应的对抗样本的舆情监测结果；

舆情监测模型生成模块，用于依据所述对抗样本以及所述对抗样本的舆情监测结果进行深度神经网络模型训练得到舆情监测模型；

舆情监测模块，用于采用所述舆情监测模型进行舆情监测。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面中任意所述的舆情监测方法。

第四方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任意所述的舆情监测方法。