[發(fā)明專利]一種網(wǎng)絡(luò)輿情事件多維信息提取的方法及裝置

有效

• 申請?zhí)枺?/td>: 201310207128.0
• 申請日: 2013-05-29
• 公開（公告）號: CN103309960B
• 公開（公告）日: 2017-06-06
• 發(fā)明（設(shè)計）人: 肖贊;羅峰;黃蘇支;李娜
• 申請（專利權(quán)）人: 億贊普（北京）科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司11319
• 代理人: 趙娟

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)信息處理技術(shù)領(lǐng)域，特別是涉及一種網(wǎng)絡(luò)輿情事件多維信息提取的方法及裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)的不斷普及，越來越多的人們通過互聯(lián)網(wǎng)來表達(dá)自己的觀點、發(fā)表和交流對熱點事件的看法等，使得互聯(lián)網(wǎng)日漸成為輿情產(chǎn)生和傳播主要場所之一。由于網(wǎng)絡(luò)輿情傳播簡單、身份隱藏，具有隱蔽性和突發(fā)性，并且社會影響力大，使得對網(wǎng)絡(luò)輿情的研究逐步受到各國政府的高度關(guān)注。

因此，本領(lǐng)域技術(shù)人員迫切需要解決的問題之一在于，提出一種網(wǎng)絡(luò)輿情事件多維信息提取的方法及裝置，用以分析輿論事件，提高輿論事件分析的準(zhǔn)確度。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種網(wǎng)絡(luò)輿情事件多維信息提取的方法及裝置，用以分析輿論事件，提高輿論事件分析的準(zhǔn)確度。

為了解決上述問題，本發(fā)明公開了一種網(wǎng)絡(luò)輿情事件多維信息提取的方法，包括：

基于用戶搜索行為從搜索日志中提取種子網(wǎng)頁，采用所述種子網(wǎng)頁構(gòu)建網(wǎng)絡(luò)輿情事件初始的主題；

依據(jù)所述主題按照預(yù)設(shè)時間段分時獲取特征網(wǎng)頁；

獲取在上一預(yù)設(shè)時間段及在當(dāng)前預(yù)設(shè)時間段相應(yīng)獲取的特征網(wǎng)頁的文本屬性信息；

依據(jù)所述在上一預(yù)設(shè)時間段的文本屬性信息，獲取上一預(yù)設(shè)時間段用戶關(guān)注度的分析數(shù)據(jù)、媒體關(guān)注度的分析數(shù)據(jù)以及用戶態(tài)度的分析數(shù)據(jù)；

依據(jù)所述在當(dāng)前預(yù)設(shè)時間段的文本屬性信息，獲取當(dāng)前預(yù)設(shè)時間段用戶關(guān)注度的分析數(shù)據(jù)、媒體關(guān)注度的分析數(shù)據(jù)以及用戶態(tài)度的分析數(shù)據(jù)；

分別對比上一預(yù)設(shè)時間段與當(dāng)前時間段用戶關(guān)注度的分析數(shù)據(jù)，媒體關(guān)注度的分析數(shù)據(jù)以及用戶態(tài)度的分析數(shù)據(jù)，獲得網(wǎng)絡(luò)輿情事件的趨勢演化信息。

優(yōu)選地，所述采用種子網(wǎng)頁構(gòu)建網(wǎng)絡(luò)輿情事件初始的主題的步驟包括：

獲取各種子網(wǎng)頁的文本屬性信息；

分別針對各種子網(wǎng)頁的文本屬性信息進(jìn)行分詞及識別命名實體；

采用詞頻-逆向文件頻率算法TF*IDF計算所述分詞及命名實體的權(quán)重；

提取權(quán)重大于預(yù)設(shè)權(quán)重閾值的分詞及命名實體作為所述各種子網(wǎng)頁對應(yīng)的特征詞；

依據(jù)所述特征詞中的命名實體生成主命名實體向量，依據(jù)所述特征詞中除命名實體外的特征詞生成主內(nèi)容向量；

依據(jù)所述主命名實體向量及主內(nèi)容向量構(gòu)建主質(zhì)心向量；其中，所述主質(zhì)心向量為網(wǎng)絡(luò)輿情事件的主題。

優(yōu)選地，所述按照預(yù)設(shè)時間段分時獲取特征網(wǎng)頁的步驟包括：

分別在預(yù)設(shè)時間段抓取指定網(wǎng)頁；所述指定網(wǎng)頁包括新聞、論壇和微博網(wǎng)頁；

計算各指定網(wǎng)頁的內(nèi)容向量和命名實體向量；

依據(jù)所述各指定網(wǎng)頁的內(nèi)容向量和命名實體向量，以及，上一預(yù)設(shè)時間的段的主內(nèi)容向量和主命名實體向量計算相似度；

若所述相似度大于預(yù)設(shè)相似度閾值，則獲取所述指定網(wǎng)頁為特征網(wǎng)頁。

優(yōu)選地，所述依據(jù)各指定網(wǎng)頁的內(nèi)容向量和命名實體向量，以及，上一預(yù)設(shè)時間的段的主內(nèi)容向量和主命名實體向量計算相似度的步驟包括：

采用余弦法依據(jù)各指定網(wǎng)頁的內(nèi)容向量與上一預(yù)設(shè)時間段的主內(nèi)容向量計算內(nèi)容向量距離；

采用余弦法依據(jù)各指定網(wǎng)頁的命名實體向量與上一預(yù)設(shè)時間段的主命名實體向量計算命名實體向量距離；

分別針對所述內(nèi)容向量距離及所述命名實體向量距離添加對應(yīng)的權(quán)重值；

依據(jù)所述內(nèi)容向量距離與其對應(yīng)添加的權(quán)重值，命名實體向量距離與其對應(yīng)添加的權(quán)重值計算相似度。

優(yōu)選地，所述方法還包括：

在各預(yù)設(shè)時間段分別采用相應(yīng)獲取的特征網(wǎng)頁對所述網(wǎng)絡(luò)輿情事件的主題進(jìn)行更新；

所述在各預(yù)設(shè)時間段分別采用相應(yīng)獲取的特征網(wǎng)頁對所述網(wǎng)絡(luò)輿情事件的主題進(jìn)行更新的步驟包括：

依據(jù)所述在各預(yù)設(shè)時間段相應(yīng)獲取的特征網(wǎng)頁計算在當(dāng)前預(yù)設(shè)時間段的質(zhì)心向量；

針對上一預(yù)設(shè)時間段的主質(zhì)心向量及所述當(dāng)前預(yù)設(shè)時間段的質(zhì)心向量添加對應(yīng)的權(quán)重值；

依據(jù)所述當(dāng)前預(yù)設(shè)時間段的質(zhì)心向量與其對應(yīng)添加的權(quán)重值，上一預(yù)設(shè)時間段的主質(zhì)心向量與其對應(yīng)添加的權(quán)重值計算當(dāng)前的主質(zhì)心向量。

本發(fā)明實施例還公開了一種網(wǎng)絡(luò)輿情事件多維信息提取的裝置，包括：

種子網(wǎng)頁提取模塊，用于基于用戶搜索行為從搜索日志中提取種子網(wǎng)頁，采用所述種子網(wǎng)頁構(gòu)建網(wǎng)絡(luò)輿情事件初始的主題；

特征網(wǎng)頁獲取模塊，用于依據(jù)所述主題按照預(yù)設(shè)時間段分時獲取特征網(wǎng)頁；

文本信息獲取模塊，用于獲取在上一預(yù)設(shè)時間段及在當(dāng)前預(yù)設(shè)時間段相應(yīng)獲取的特征網(wǎng)頁的文本屬性信息；