[发明专利]一种基于特征词的舆情线索处理方法

说明书

本发明公开了一种基于特征词的舆情线索处理方法，构建线索挖掘模型，通过线索挖掘模型对第一舆情信息集合中的每条舆情信息进行风险点识别，即根据不同风险点对应的风险识别模型对相应舆情信息进行梳理，得到相应风险识别结果，将同一舆情信息对应的不同风险点相应的风险识别结果进行汇总，得到舆情信息的综合风险识别结果。本发明涉及互联网技术领域，不仅能够通过数据挖掘的方式来应对不同类型的线索和风险，同时能够，根据舆情形势的变化主动优化特征词库，对特征词库不断更新，不断提高特征词库对舆情线索分析结果的精度。

技术领域

本发明涉及互联网技术领域，具体为一种基于特征词的舆情线索处理方法。

背景技术

面对当前海量舆情数据的形势，过去通过人工识别分析，逐条处理的方式往往不能及时发现风险、识别风险；同时，利用大数据工具实时处理舆论数据的手段也不断被人们提起和实践；利用大数据平台能够实时处理的特性和高速处理的优势，通过建立特征词库和特征词规则的方式，来为舆情分析挖掘系统做规则储备，该方式能够快速对海量舆情数据进行处理，大大改善了面对海量数据无从下手的现实问题。

但是现有的基于特征词的舆情线索处理方法尚且不够完善，目前市面大多数系统仅仅通过数据挖掘的方式来应对已知类型的线索和风险，无法主动优化特征词库，进而对特征词库无法根据舆情形势的变化不断更新，使得特征词库对舆情线索的分析结果容易出现偏差。

发明内容

本发明的目的在于提供一种基于特征词的舆情线索处理方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于特征词的舆情线索处理方法，所述方法包括以下步骤：

S1、通过公共接口对网上的舆情信息进行抓取；

S2、根据数据库中的一级特征词对抓取的舆情信息进行数据整理，筛选包含一级特征词的舆情信息，得到第一舆情信息集合，所述一级特征词包括单元素特征词及多个特征词构成的特征词组合，一级特征词包括多个单元素特征词及多个特征词组合，单元素特征词表示一个特征词；

S3、构建线索挖掘模型，通过线索挖掘模型对第一舆情信息集合中的每条舆情信息进行风险点识别，即根据不同风险点对应的风险识别模型对相应舆情信息进行梳理，得到相应风险识别结果，将同一舆情信息对应的不同风险点相应的风险识别结果进行汇总，得到舆情信息的综合风险识别结果；

S4、根据第一舆情信息集合中不同元素对应舆情信息的综合风险识别结果，对第一舆情信息集合进行相似元素合并处理，得到第二舆情信息集合，并计算第二舆情信息集合中每个元素对应的综合分析值，对第二舆情信息集合进行优化，得到第三舆情信息集合，根据第二舆情信息集合对一级特征词进行优化；

S5、根据第三舆情信息集合中每个元素对应舆情信息的综合风险识别结果，得到舆情信息对应的风险线索画像及风险地区定位；

S6、根据风险线索画像及风险地区定位，生成舆情线索，并按舆情线索对应的舆情信息相应综合分析值从大到小的顺序，对舆情线索进行编号并存储。

进一步的，所述S1中通过公共接口对网上的舆情信息进行抓取的过程中，所述公共接口为公有的能够进行数据抓取的接口，所述舆情信息包括舆论数据、政务信息数据及投诉举报数据。

进一步的，所述S2中根据数据库中的一级特征词对抓取的舆情信息进行数据整理的方法包括以下步骤：

S2.1、获取抓取的舆情信息及数据库中存储的一级特征词；

S2.2、对抓取的每条舆情信息进行关键词提取，并将每条舆情信息提取的关键词存储到一个空白集合中，得到每条舆情信息对应的关键词集合，

S2.3、将每条舆情信息对应的关键词集合与一级特征词进行比较，