[发明专利]网络舆情监控方法、装置和设备在审

专利信息
申请号: 201910777712.7 申请日: 2019-08-22
公开(公告)号: CN110659436A 公开(公告)日: 2020-01-07
发明(设计)人: 张琳;温祖杰;欧代慧;王雅芳;龙翀 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F16/958 分类号: G06F16/958
代理公司: 11258 北京东方亿思知识产权代理有限责任公司 代理人: 彭琼
地址: 开曼群岛*** 国省代码: 开曼群岛;KY
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 监控网络 舆情信息 语义特征 向量 网络舆情 网络舆情信息 监控模型 业务类 预设 相似度 参考 触发条件 监控
【权利要求书】:

1.一种网络舆情监控方法,其特征在于,所述方法包括:

获取待监控网络舆情信息;

对于网络舆情监控系统包括的至少一个网络舆情监控模型中的每个网络舆情监控模型,执行以下步骤:

将所述待监控网络舆情信息和所述网络舆情监控模型对应的业务类目下的预设参考网络舆情信息作为所述网络舆情监控模型的输入;

提取所述待监控网络舆情信息的N个第一语义特征向量和所述预设参考网络舆情信息的N个第二语义特征向量;其中,N为大于等于1的整数;

对于所述N个第一语义特征向量中的每个第一语义特征向量,计算所述N个第二语义特征向量中的至少一个第二语义特征向量分别与所述第一语义特征向量之间的距离;

基于所计算的距离,得到所述待监控网络舆情信息与所述预设参考网络舆情信息之间的相似度;

若所得到的相似度满足未知业务类目触发条件,则将所述待监控网络舆情信息划分至未知业务类目。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

基于所述未知业务类目下的网络舆情信息确定该网络舆情信息对应的新业务类目,并将所述未知业务类目下的网络舆情信息划分至该网络舆情信息对应的新业务类目。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

对于任一新业务类目,若所述新业务类目下的网络舆情信息的数量达到预设阈值,则基于所述新业务类目对应的网络舆情信息,训练所述新业务类目对应的网络舆情监控模型;

利用训练后的网络舆情监控模型更新所述网络舆情监控系统。

4.根据权利要求1所述的方法,其特征在于,所述未知业务类目触发条件为所得到的相似度均小于预设的类目划分相似度阈值。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

若所得到的相似度中存在至少一个目标相似度,则对所述待监控网络舆情信息进行预警;

其中,目标相似度大于自身对应的网络舆情监控模型的预设预警相似度阈值。

6.根据权利要求5所述的方法,其特征在于,对所述待监控网络舆情信息进行预警,包括:

针对所述至少一个目标相似度中的每个目标相似度,发送与所述目标相似度相对应的网络舆情监控模型所对应的预警信息,以对所述待监控网络舆情信息进行预警。

7.根据权利要求1所述的方法,其特征在于,每个网络舆情监控模型均为孪生网络。

8.一种网络舆情监控装置,其特征在于,所述装置包括:

网络舆情信息获取模块,用于获取待监控网络舆情信息;

相似度确定模块,用于对于网络舆情监控系统包括的至少一个网络舆情监控模型中的每个网络舆情监控模型,执行以下步骤:

将所述待监控网络舆情信息和所述网络舆情监控模型对应的业务类目下的预设参考网络舆情信息作为所述网络舆情监控模型的输入;

提取所述待监控网络舆情信息的N个第一语义特征向量和所述预设参考网络舆情信息的N个第二语义特征向量;其中,N为大于等于1的整数;

对于所述N个第一语义特征向量中的每个第一语义特征向量,计算所述N个第二语义特征向量中的至少一个第二语义特征向量分别与所述第一语义特征向量之间的距离;

基于所计算的距离,得到所述待监控网络舆情信息与所述预设参考网络舆情信息之间的相似度;

未知业务类目划分模块,用于若所得到的相似度满足未知业务类目触发条件,则将所述待监控网络舆情信息划分至未知业务类目。

9.根据权利要求8所述的装置,其特征在于,所述装置还包括:

新业务类目确定模块,用于基于所述未知业务类目下的网络舆情信息确定该网络舆情信息对应的新业务类目,并将所述未知业务类目下的网络舆情信息划分至该网络舆情信息对应的新业务类目。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910777712.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top