[發明專利]一種基于輿情分析的消費返利平臺識別方法

有效

• 申請號: 201911337778.0
• 申請日: 2019-12-23
• 公開（公告）號: CN111125584B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 陳和國;范淵
• 申請（專利權）人: 杭州安恒信息技術股份有限公司
• 主分類號: G06F16/957
• 分類號: G06F16/957;G06F16/955;G06F16/9032;G06Q30/0207
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張春輝

1.一種基于輿情分析的消費返利平臺識別方法，其特征在于，包括：

利用jsoup請求URL，獲取html頁面數據；

利用xpath節點解析所述html頁面數據，得到頁面內容；

根據已知的消費返利平臺樣本和非消費返利平臺樣本，利用LOF算法對所述頁面內容中的輿情信息進行分析，得到當前平臺的識別結果，以確定所述當前平臺是否為消費返利平臺；

所述利用LOF算法對所述頁面內容中的輿情信息進行分析包括：指數分析：使用LOF算法計算監測平臺是否出現互聯網輿情激增情況；

互聯網輿情導向分析：對互聯網輿情做關鍵詞分析；

平臺網站存活狀態分析：通過掃描端口、ping網站域名、curl命令掃描網站響應碼，來分析消費返利平臺的存活狀態。

2.如權利要求1所述的方法，其特征在于，所述利用jsoup請求URL，獲取html頁面數據，包括：

利用jsoup請求待采集隊列中的URL，獲取html頁面數據。

3.如權利要求2所述的方法，其特征在于，在所述利用xpath節點解析所述html頁面數據，得到頁面內容之后，還包括：

從所述頁面內容中提取二級URL，并將所述二級URL加入待采集隊列。

4.如權利要求1所述的方法，其特征在于，所述利用LOF算法對所述頁面內容中的輿情信息進行分析，包括：

判斷所述頁面內容中的輿情信息中是否包含預設的關鍵字；

若是，則利用LOF算法對所述頁面內容中的輿情信息進行分析；

若否，則丟棄所述頁面內容。

5.如權利要求4所述的方法，其特征在于，在所述利用LOF算法對所述頁面內容中的輿情信息進行分析之前，還包括：

對所述頁面內容進行數據清洗，并從中提取得到平臺基礎信息、平臺歸屬企業信息、網站工商信息、輿情信息。

6.如權利要求1所述的方法，其特征在于，所述利用LOF算法對所述頁面內容中的輿情信息進行分析，得到當前平臺的識別結果，包括：

確定所述頁面內容中的輿情信息的特征，以作為待測點；

通過LOF算法，確定所述待測點的鄰域點的局部可達密度與所述待測點的局部可達密度的比值；

根據所述比值，確定當前平臺的識別結果。

7.如權利要求1-6任意一項所述的方法，其特征在于，在所述利用LOF算法對所述頁面內容中的輿情信息進行分析之后，還包括：

通過curl命令獲取所述當前平臺的存活狀態，得到存活狀態檢測結果。

8.一種基于輿情分析的消費返利平臺識別裝置，其特征在于，包括：

頁面獲取模塊：用于利用jsoup請求URL，獲取html頁面數據；

內容解析模塊：用于利用xpath節點解析所述html頁面數據，得到頁面內容；

輿情分析模塊：用于根據已知的消費返利平臺樣本和非消費返利平臺樣本，利用LOF算法對所述頁面內容中的輿情信息進行分析，得到當前平臺的識別結果，以確定所述當前平臺是否為消費返利平臺；所述利用LOF算法對所述頁面內容中的輿情信息進行分析包括：指數分析：使用LOF算法計算監測平臺是否出現互聯網輿情激增情況；

互聯網輿情導向分析：對互聯網輿情做關鍵詞分析；

平臺網站存活狀態分析：通過掃描端口、ping網站域名、curl命令掃描網站響應碼，來分析消費返利平臺的存活狀態。

9.一種基于輿情分析的消費返利平臺識別設備，其特征在于，包括：

存儲器：用于存儲計算機程序；

處理器：用于執行所述計算機程序，以實現如權利要求1-7任意一項所述的基于輿情分析的消費返利平臺識別方法的步驟。

10.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時用于實現如權利要求1-7任意一項所述的基于輿情分析的消費返利平臺識別方法的步驟。