[發明專利]互聯網輿情的專題分析方法和裝置

有效

• 申請號: 201110455219.7
• 申請日: 2011-12-28
• 公開（公告）號: CN103186600A
• 公開（公告）日: 2013-07-03
• 發明（設計）人: 孫紅娥;張丹;王松;梁汝峰;楊建武;吳新麗
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北京北大方正電子有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐

1.一種互聯網輿情的專題分析方法，其特征在于，包括：

采集互聯網輿情文件；

采用預設的專題規則匹配所述互聯網輿情文件；

對匹配成功的所述互聯網輿情文件生成專題。

2.根據權利要求2所述的方法，其特征在于，從以下至少一種互聯網信息源中采集所述互聯網輿情文件：新聞網站、論壇、博客、微博、即時通信、SNS。

3.根據權利要求1所述的方法，其特征在于，采用預設的專題規則匹配所述互聯網輿情文件包括：

讀取所述互聯網輿情文件的內容；

確定將所述內容的拼音；

以所述專題規則中的拼音形式的關鍵詞檢索式檢索所述內容的拼音。

4.根據權利要求1所述的方法，其特征在于，對匹配成功的所述互聯網輿情文件生成專題包括：

讀取所述匹配成功的互聯網輿情文件的內容、時間、標題、網站類型、網站資質、訪問量、回帖量和所屬網站信息；

采用質心比較方法或最近鄰比較方法，確定與所述匹配成功的互聯網輿情文件最相近的專題；

若不存在與所述匹配成功的互聯網輿情相近的專題，則將其列為新專題；若存在與所述匹配成功的互聯網輿情相近的專題，則將其加入所述最相近的專題。

5.根據權利要求4所述的方法，其特征在于，所述質心比較方法包括：

將所述讀取到的內容與已有專題進行比較，同時考慮時間特征和內容特征，計算所選輿情文件和專題間的相似度，所述已有專題本身通過其中綜合權重最高的文章來表達。

6.根據權利要求4所述的方法，其特征在于，所述最近鄰比較方法包括：

當以一個所述專題規則處理設置數量的所述輿情文章之后，對該專題規則內專題兩兩比較；如果兩個專題的相似度大于合并閾值，則將其合并；對各專題內的輿情文章進行淘汰：重新計算輿情文章和該主題的相似度，對相似度低于聚類閾值、或者不滿足特定限制條件的輿情文章進行淘汰。

7.根據權利要求1所述的方法，其特征在于，還包括按照以下至少一種展示方式展示所述專題：

按照樹的方式展示所述專題，其中，所述專題在所述樹中的從屬關系與其相應的所述專題規則之間的從屬關系保持一致；

展示所述專題的列表；

以三維圖的方式展示各熱點事件之間的關聯關系，以圓球代表單個熱點事件，以圓球的空間大小表示其熱度，相關聯事件以相同顏色的圓球表示，顏色相同，并且距離很近的小球，代表相近似的主題；

以二維圖形的方式展示出一段時間內受到關注的幾個不同事件在網上的演化過程，包括其產生、發展、合并和分裂情況；

對單一專題生成報告，包括專點標題、摘要、相關文檔及詳細信息、時間分布圖、網站分布圖、信息類型分布圖、褒貶義；

以FLASH動畫的方式展示出單一專題在網站間的傳播路徑關系，以橢圓形代表信息傳出的網站名稱，以箭頭和箭頭旁邊的數字表示信息的傳播途徑和傳播順序；

對所述專題提供網站分析、地域分析、時間分布、信息類型分布和褒貶義分布分析。

8.一種互聯網輿情的專題分析裝置，其特征在于，包括：

采集模塊，用于采集互聯網輿情文件；

匹配模塊，用于采用預設的專題規則匹配所述互聯網輿情文件；

生成模塊，用于對匹配成功的所述互聯網輿情文件生成專題。

9.根據權利要求8所述的裝置，其特征在于，從以下至少一種互聯網信息源中采集所述互聯網輿情文件：新聞網站、論壇、博客、微博、即時通信、SNS。

10.根據權利要求8所述的裝置，其特征在于，所述匹配模塊包括：

讀取模塊，用于讀取所述互聯網輿情文件的內容；

拼音模塊，用于確定將所述內容的拼音；

檢索模塊，用于以所述專題規則中的拼音形式的關鍵詞檢索式檢索所述內容的拼音。