[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

说明书

本发明公开了一种基于人工智能的网络舆情实时监测的系统及方法，属于人工智能舆情监测领域，解决了现有技术中公开数据处理效率低、对服务器资源要求较高、监测准确性不高的问题，其包括监测主题层，监测主题层下接监测频度层，监测频度层下接信息源层，信息源层下接文本特征层、文本特征层下接舆情模型层，舆情模型层下接舆情风险预警层，舆情风险预警层下接客户端，本发明通过信息采集层的条件采集与文本特征层对采集到的信息进行特征加工，大大降低了预警舆情量，同时提升了舆情识别的准确率。

技术领域

本发明属于智能监测技术领域，具体属于一种基于人工智能的网络舆情实时监测的系统及方法。

背景技术

网络舆情是指在互联网上流行的对社会问题不同看法的网络舆论，是社会舆论的一种表现形式，是通过互联网传播的公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点。网络舆情是以网络为载体，以事件为核心，广大网民情感、态度、意见、观点的表达、传播与互动，以及后续影响力的集合。

目前对舆情的监测手段主要是通过对自然语言处理的情感分析、语义识别方法进行网络舆情的监测和预警，通过广泛地收集公开信息，并对公开信息进行识别和统计，能够得到目前网络对舆情主题的舆情监测。

在现有技术中，舆情分析系统基于海量的词典库，训练时间较长，且由于文本信息量大，对服务器存储资源有着一定的要求，且对文本的识别效率不高。

发明内容

针对现有技术中舆情信息文本采集量较大、文本特征识别率不高的问题，本发明提供一种基于人工智能的网络舆情实时监测的系统及方法，其目的在于：通过信息采集层的条件采集，提高信息采集的效率，并减少无用信息的采集量，并在信息采集层采用结构储存，减少服务器资源负担，通过文本特征层的特征配置，对文本信息进行数值化加工，大大降低了文本信息的处理难度。

本发明采用的技术方案如下：

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：

监控主题层：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。

通过上述方案，可通过监控主题制定监测系统的主题，通过监控频度层，可设定监测系统全流程的检测频度，通过界面化配置和后台定时任务自动触发，实现舆情监测频度的自定义化，信息源层可制定监测系统信息的信息源，并将制定的信息源信息转入信息采集层，信息采集层通过信息源指定的信息源信息，从信息源中进行条件采集，其中条件包括正则化公式过滤、关键词过滤与关检测匹配，通过上述三种信息采集条件，能够极大程度地过滤掉无用的舆情信息，大大降低了计算时间，节省了服务器资源，并且正则化公式巧妙的应用大大提升了信息采集的精准性，信息采集层将通过条件采集得到的信息转入文本特征层，文本特征层将信息通过对公开信息进行文本加工，得到文本特征，并将文本特征转入舆情模型层，舆情模型层基于文本特征，根据不同的监控主题构建不同的模型，并通过计算得到模型指数，并将模型指数转入舆情风险预警层，模型风险预警层根据模型指数划分舆情等级。

为了使舆情监测系统的数据具有实时性，实现对舆情的精准掌控，所述监控主体层上接互联网公开域。