[发明专利]一种基于人工智能的网络舆情实时监测的系统及方法

权利要求书

1.一种基于人工智能的网络舆情实时监测的系统，其特征在于，包括：

监控主体层：指定监测主体与舆情类型，并将监控主体与舆情类型转入监控频度层；

监控频度层：根据监测主体与舆情类型，指定检测系统的监控频度；

信息源层：指定监测数据的信息源，并将指定的信息源转入信息采集层；

信息采集层：根据信息源层指定的信息源进行公开信息的条件采集，并将采集到的公开信息转入文本特征层；

文本特征层：根据信息采集层的公开信息，进行文本特征加工，并将加工后的文本特征集转入舆情模型层；

舆情模型层：基于转入的文本特征集，根据不同的监测主题构建多种舆情指数模型，通过模型计算得到模型指数，并将模型指数转入舆情风险预警层；

舆情风险预警层：基于模型指数划分舆情风险等级；

所述文本特征层用于：

E1：对信息数据进行关联属性配置；

E2：对信息数据进行标题特征配置；

E3：对信息数据进行正文特征配置；

E4：对信息数据进行数学公式特征配置；

E5：对信息数据进行区间赋值特征配置；

其中标题特征包括标题的字数以及标题中任一关键词的个数；

正文特征包括正文的字数，以及正文中任一关键词的个数；

数学公式特征包括标题和正文包含任一关键词的个数以及任一关键词在正文中的篇幅占比；

区间赋值特征包括舆情渠道来源赋值。

2.根据权利要求1所述的一种基于人工智能的网络舆情实时监测的系统，其特征在于，所述监控主体层上接互联网公开域。

3.根据权利要求1所述的一种基于人工智能的网络舆情实时监测的系统，其特征在于，所述舆情风险预警层下接客户端。

4.一种基于人工智能的网络舆情实时监测的系统的监测方法，其特征在于，包括：

步骤A：通过监测主题层指定舆情监测系统的监测的主题，其中主题包括主体与舆情类型；

步骤B：通过监测频度层指定舆情监测系统全流程的监测频度；

步骤C：通过信息源层指定监测系统的信息源，并将指定的信息源信息转入采集层；

步骤D：通过信息采集层，对指定的信息源进行舆情信息的条件采集，并将舆情信息转入文本特征层；

步骤E：通过文本特征层，对舆情信息进行特征加工，并得到数值化的文本特征，将文本特征转入舆情模型层；包括如下步骤：

E1：通过文本特征层对信息数据进行关联属性配置；

E2：通过文本特征层对信息数据进行标题特征配置；

E3：通过文本特征层对信息数据进行正文特征配置；

E4：通过文本特征层对信息数据进行数学公式特征配置；

E5：通过文本特征层信息对信息数据进行区间赋值特征配置；

其中标题特征包括标题的字数以及标题中任一关键词的个数；

正文特征包括正文的字数，以及正文中任一关键词的个数；

数学公式特征包括标题和正文包含任一关键词的个数以及任一关键词在正文中的篇幅占比；

区间赋值特征包括舆情渠道来源赋值；

步骤F：通过舆情模型层，进行基于数值化的文本特征构建舆情指数模型，通过模型计算得到模型指数，并将模型指数转入模型风险预警层；

步骤G：通过模型风险预警层，进行基于模型指数的舆情风险划分，并将风险舆情推送至客户端。

5.根据权利要求4所述的一种基于人工智能的网络舆情实时监测的系统的监测方法，其特征在于，所述步骤D的具体步骤包括：

步骤D1：通过信息采集层，进行正则化公式筛分信息采集；

步骤D2：通过信息采集层，进行关键词匹配，若信息中满足关键词匹配条件，则进行采集，否则不采集；

步骤D3：通过信息采集层，进行关键词过滤，若信息中满足关键词过滤条件，则不进行采集；

步骤D4：在信息采集层中，对采集到的信息进行结构化储存，将文本类信息存储至关系数据库，对于非文本类信息，只将其信息源地址存储至数据库。

6.根据权利要求4所述的一种基于人工智能的网络舆情实时监测的系统的监测方法，其特征在于，所述步骤G的具体步骤包括：

G1：通过舆情风险预警层进行风险分级，将舆情风险划分为四个等级级，寻找3个cut-off点，定义为a，b，c；当舆情模型指数在区间[0，a)时，设置舆情风险等级为一级；当舆情模型指数在区间[a，b)时，设置舆情风险等级为二级；当舆情模型指数在区间[b，c)时，设置舆情风险等级为三级；当舆情模型指数在区间[c，100]时，设置舆情风险等级为四级；

G2：设置预警告警组，不同等级的舆情信息预警不同的告警组用户；

G3：通过舆情风险预警层进行通过界面配置告警内容；

G4：通过舆情风险预警层通过界面配置，后台自动调用预设预警方式。