[發明專利]一種發現互聯網金融輿情監管目標的方法

在審

• 申請號: 201711166896.0
• 申請日: 2017-11-21
• 公開（公告）號: CN108009219A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 吳震;王秀文;唐兆涵;蘇沐冉;馮凱;李秀旺;牛廣方
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心;中科天璣數據科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q40/00
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國富

1.一種發現互聯網金融輿情監管目標的方法，其特征在于，所述方法包括：

S1，實時獲取備選互聯網金融企業的網站地址，并將所述網站地址存儲在網頁待解析庫中；

S2，對網頁待解析庫中新增的網站地址所對應的網頁解析，得到備選互聯網金融企業的名稱，將驗證成功后的名稱作為互聯網金融企業監測目標，完成發現互聯網金融輿情監管目標。

2.根據權利要求1所述發現互聯網金融輿情監管目標的方法，其特征在于，S1中，通過搜索和/或門戶網站掃描，實時獲取備選互聯網金融企業的網站地址。

3.根據權利要求2所述發現互聯網金融輿情監管目標的方法，其特征在于，通過搜索，實時獲取備選互聯網金融企業的網站地址，具體為：

設置互聯網金融行業搜索目標關鍵詞集合，通過自動化采集搜索方式在搜索引擎檢索，將搜索引擎返回結果中前三頁的每個搜索結果對應的網站地址作為備選互聯網金融企業的網站地址。

4.根據權利要求2所述發現互聯網金融輿情監管目標的方法，其特征在于，通過門戶網站掃描，實時獲取備選互聯網金融企業的網站地址，具體為：通過掃描互聯網金融企業門戶網站的網貸平臺推薦、查詢功能，獲取新出現的互聯網金融企業的網站頁面所對應的網站地址，并將該網站地址作為備選互聯網金融企業的網站地址。

5.根據權利要求1所述發現互聯網金融輿情監管目標的方法，其特征在于，在實時獲取備選互聯網金融企業的網站地址與將網站地址存儲在網頁待解析庫之間還包括：判斷獲取的任意一個備選互聯網金融企業的網站地址a是否被采集過，如果是，則忽略該網站地址a；如果否，則將該網站地址a存儲到網頁待解析庫中。

6.根據權利要求1所述發現互聯網金融輿情監管目標的方法，其特征在于，S2具體按照下述實現：

S21，獲取網頁待解析庫中任意一個新增網站地址b對應的網頁，判斷所述網頁是否為互聯網金融企業的網站首頁，如果是，則進入S22；如果否，則忽略新增網站地址b，繼續判斷下一個新增網站地址；

S22，從所述互聯網金融企業的網站首頁上獲取頁面標題信息；

解析頁面標題信息，通過頁面標題信息中的分隔符將頁面標題信息劃分為多段，對每一段進行分詞，將分詞結果作為新產生的關鍵詞存入標題分詞結果庫；所述分隔符包括下劃線、橫杠；

S23，在預先建立的金融語料庫的基礎上，通過加權方式計算新產生關鍵詞的出現率，得出現率排序低的詞，將排序低的詞組合為備選互聯網金融企業的名稱集合；

S24，在ICP備案網站驗證得到的備選互聯網金融企業的名稱集合中的名稱是否合法，如果是，則記錄備選互聯網金融企業的名稱及企業信息，并將備選互聯網金融企業的名稱作為該企業的監測關鍵詞。

7.根據權利要求6所述發現互聯網金融輿情監管目標的方法，其特征在于，S21中，判斷所述網頁為互聯網金融企業的網站首頁的依據：所述網頁中存在注冊入口標識、ICP備案信息標識和特定的首頁欄目標識；所述特定的首頁欄目包括聯系我們標識、關于團隊標識和免責聲明標識。

8.根據權利要求6所述發現互聯網金融輿情監管目標的方法，其特征在于，S23中，通過加權方式計算新產生關鍵詞的出現率，按出現率從低到高排序，將排序靠前的三個詞作為出現率排序低的詞。

9.根據權利要求6所述發現互聯網金融輿情監管目標的方法，其特征在于，S22中還包括：從所述互聯網金融企業的網站首頁上獲取錨文本外鏈；

判斷錨文本外鏈對應的網站地址是否被采集過，如果未被采集，則將錨文本外鏈對應的網站地址作為新增網站地址存儲于網頁待解析庫；如果已經被采集過，忽略該錨文本外鏈對應的網站地址，判斷下一個錨文本外鏈對應的網站地址。