[發(fā)明專利]一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011314999.9
• 申請(qǐng)日: 2020-11-20
• 公開（公告）號(hào): CN112528197B
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計(jì)）人: 王萍;賈坤
• 申請(qǐng)（專利權(quán)）人: 四川新網(wǎng)銀行股份有限公司
• 主分類號(hào): G06F40/205
• 分類號(hào): G06F40/205;G06F16/22;G06F16/9536
• 代理公司: 成都智言知識(shí)產(chǎn)權(quán)代理有限公司 51282
• 代理人: 蔣秀清

1.一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)，其特征在于，包括：

監(jiān)控主體層：指定監(jiān)測主體與輿情類型，并將監(jiān)控主體與輿情類型轉(zhuǎn)入監(jiān)控頻度層；

監(jiān)控頻度層：根據(jù)監(jiān)測主體與輿情類型，指定檢測系統(tǒng)的監(jiān)控頻度；

信息源層：指定監(jiān)測數(shù)據(jù)的信息源，并將指定的信息源轉(zhuǎn)入信息采集層；

信息采集層：根據(jù)信息源層指定的信息源進(jìn)行公開信息的條件采集，并將采集到的公開信息轉(zhuǎn)入文本特征層；

文本特征層：根據(jù)信息采集層的公開信息，進(jìn)行文本特征加工，并將加工后的文本特征集轉(zhuǎn)入輿情模型層；

輿情模型層：基于轉(zhuǎn)入的文本特征集，根據(jù)不同的監(jiān)測主題構(gòu)建多種輿情指數(shù)模型，通過模型計(jì)算得到模型指數(shù)，并將模型指數(shù)轉(zhuǎn)入輿情風(fēng)險(xiǎn)預(yù)警層；

輿情風(fēng)險(xiǎn)預(yù)警層：基于模型指數(shù)劃分輿情風(fēng)險(xiǎn)等級(jí)；

所述文本特征層用于：

E1：對(duì)信息數(shù)據(jù)進(jìn)行關(guān)聯(lián)屬性配置；

E2：對(duì)信息數(shù)據(jù)進(jìn)行標(biāo)題特征配置；

E3：對(duì)信息數(shù)據(jù)進(jìn)行正文特征配置；

E4：對(duì)信息數(shù)據(jù)進(jìn)行數(shù)學(xué)公式特征配置；

E5：對(duì)信息數(shù)據(jù)進(jìn)行區(qū)間賦值特征配置；

其中標(biāo)題特征包括標(biāo)題的字?jǐn)?shù)以及標(biāo)題中任一關(guān)鍵詞的個(gè)數(shù)；

正文特征包括正文的字?jǐn)?shù)，以及正文中任一關(guān)鍵詞的個(gè)數(shù)；

數(shù)學(xué)公式特征包括標(biāo)題和正文包含任一關(guān)鍵詞的個(gè)數(shù)以及任一關(guān)鍵詞在正文中的篇幅占比；

區(qū)間賦值特征包括輿情渠道來源賦值。

2.根據(jù)權(quán)利要求1所述的一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)，其特征在于，所述監(jiān)控主體層上接互聯(lián)網(wǎng)公開域。

3.根據(jù)權(quán)利要求1所述的一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)，其特征在于，所述輿情風(fēng)險(xiǎn)預(yù)警層下接客戶端。

4.一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)的監(jiān)測方法，其特征在于，包括：

步驟A：通過監(jiān)測主題層指定輿情監(jiān)測系統(tǒng)的監(jiān)測的主題，其中主題包括主體與輿情類型；

步驟B：通過監(jiān)測頻度層指定輿情監(jiān)測系統(tǒng)全流程的監(jiān)測頻度；

步驟C：通過信息源層指定監(jiān)測系統(tǒng)的信息源，并將指定的信息源信息轉(zhuǎn)入采集層；

步驟D：通過信息采集層，對(duì)指定的信息源進(jìn)行輿情信息的條件采集，并將輿情信息轉(zhuǎn)入文本特征層；

步驟E：通過文本特征層，對(duì)輿情信息進(jìn)行特征加工，并得到數(shù)值化的文本特征，將文本特征轉(zhuǎn)入輿情模型層；包括如下步驟：

E1：通過文本特征層對(duì)信息數(shù)據(jù)進(jìn)行關(guān)聯(lián)屬性配置；

E2：通過文本特征層對(duì)信息數(shù)據(jù)進(jìn)行標(biāo)題特征配置；

E3：通過文本特征層對(duì)信息數(shù)據(jù)進(jìn)行正文特征配置；

E4：通過文本特征層對(duì)信息數(shù)據(jù)進(jìn)行數(shù)學(xué)公式特征配置；

E5：通過文本特征層信息對(duì)信息數(shù)據(jù)進(jìn)行區(qū)間賦值特征配置；

其中標(biāo)題特征包括標(biāo)題的字?jǐn)?shù)以及標(biāo)題中任一關(guān)鍵詞的個(gè)數(shù)；

正文特征包括正文的字?jǐn)?shù)，以及正文中任一關(guān)鍵詞的個(gè)數(shù)；

數(shù)學(xué)公式特征包括標(biāo)題和正文包含任一關(guān)鍵詞的個(gè)數(shù)以及任一關(guān)鍵詞在正文中的篇幅占比；

區(qū)間賦值特征包括輿情渠道來源賦值；

步驟F：通過輿情模型層，進(jìn)行基于數(shù)值化的文本特征構(gòu)建輿情指數(shù)模型，通過模型計(jì)算得到模型指數(shù)，并將模型指數(shù)轉(zhuǎn)入模型風(fēng)險(xiǎn)預(yù)警層；

步驟G：通過模型風(fēng)險(xiǎn)預(yù)警層，進(jìn)行基于模型指數(shù)的輿情風(fēng)險(xiǎn)劃分，并將風(fēng)險(xiǎn)輿情推送至客戶端。

5.根據(jù)權(quán)利要求4所述的一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)的監(jiān)測方法，其特征在于，所述步驟D的具體步驟包括：

步驟D1：通過信息采集層，進(jìn)行正則化公式篩分信息采集；

步驟D2：通過信息采集層，進(jìn)行關(guān)鍵詞匹配，若信息中滿足關(guān)鍵詞匹配條件，則進(jìn)行采集，否則不采集；

步驟D3：通過信息采集層，進(jìn)行關(guān)鍵詞過濾，若信息中滿足關(guān)鍵詞過濾條件，則不進(jìn)行采集；

步驟D4：在信息采集層中，對(duì)采集到的信息進(jìn)行結(jié)構(gòu)化儲(chǔ)存，將文本類信息存儲(chǔ)至關(guān)系數(shù)據(jù)庫，對(duì)于非文本類信息，只將其信息源地址存儲(chǔ)至數(shù)據(jù)庫。

6.根據(jù)權(quán)利要求4所述的一種基于人工智能的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測的系統(tǒng)的監(jiān)測方法，其特征在于，所述步驟G的具體步驟包括：

G1：通過輿情風(fēng)險(xiǎn)預(yù)警層進(jìn)行風(fēng)險(xiǎn)分級(jí)，將輿情風(fēng)險(xiǎn)劃分為四個(gè)等級(jí)級(jí)，尋找3個(gè)cut-off點(diǎn)，定義為a，b，c；當(dāng)輿情模型指數(shù)在區(qū)間[0，a)時(shí)，設(shè)置輿情風(fēng)險(xiǎn)等級(jí)為一級(jí)；當(dāng)輿情模型指數(shù)在區(qū)間[a，b)時(shí)，設(shè)置輿情風(fēng)險(xiǎn)等級(jí)為二級(jí)；當(dāng)輿情模型指數(shù)在區(qū)間[b，c)時(shí)，設(shè)置輿情風(fēng)險(xiǎn)等級(jí)為三級(jí)；當(dāng)輿情模型指數(shù)在區(qū)間[c，100]時(shí)，設(shè)置輿情風(fēng)險(xiǎn)等級(jí)為四級(jí)；

G2：設(shè)置預(yù)警告警組，不同等級(jí)的輿情信息預(yù)警不同的告警組用戶；

G3：通過輿情風(fēng)險(xiǎn)預(yù)警層進(jìn)行通過界面配置告警內(nèi)容；

G4：通過輿情風(fēng)險(xiǎn)預(yù)警層通過界面配置，后臺(tái)自動(dòng)調(diào)用預(yù)設(shè)預(yù)警方式。