[發明專利]輿情信息推送方法、裝置、設備及存儲介質

在審

• 申請號: 202111052217.3
• 申請日: 2021-09-08
• 公開（公告）號: CN113742592A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 唐祝峰;馬萬里;朱璇
• 申請（專利權）人: 平安信托有限責任公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958;G06F16/951
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種輿情信息推送方法，其特征在于，所述方法包括：

基于預設種類的采集模型構建信息采集模型；

篩選信息來源渠道，并利用所述信息采集模型中的各種采集模型分別從所述信息來源渠道中提取不同類型的信息，匯總所述不同類型的信息得到初始信息集；

采集目標用戶的用戶信息，根據所述用戶信息基于內容推薦算法生成用戶畫像；

根據所述用戶畫像對所述初始信息集進行分類，得到與所述用戶畫像匹配的用戶輿情信息，并為所述目標用戶推薦與所述用戶畫像相匹配的用戶輿情信息。

2.如權利要求1所述的輿情信息推送方法，其特征在于，所述利用所述信息采集模型從所述信息來源渠道中進行信息提取，得到初始信息集，包括：

利用所述信息采集模型中的本體論模型從所述信息來源渠道中提取預設主題相關的信息，得到第一輿情信息集；

利用所述信息采集模型中的馬爾可夫模型從所述信息來源渠道中提取預設時間內產生的實時信息，并對所述實時信息進行分類得到第二輿情信息集；

利用所述信息采集模型中的動態貝葉斯網絡模型從所述信息來源渠道中提取預設時間內產生的實時信息，并提取所述實時信息的摘要得到第三輿情信息集；

將所述第一輿情信息集、所述第二輿情信息集和所述第三輿情信息集進行匯集，得到初始信息集。

3.如權利要求2所述的輿情信息推送方法，其特征在于，所述利用所述信息采集模型中的本體論模型從所述信息來源渠道中提取預設主題相關的信息，得到第一輿情信息集，包括：

獲取預設的主題關鍵詞，并根據所述主題關鍵詞在所述信息來源渠道中進行網絡爬蟲，得到HTML主題文檔；

基于文本分割符對所述HTML主題文檔進行分割，得到文本語義塊；

利用貝葉斯分類器對所述文本語義塊進行語義分析，得到文本語義；

根據所述文本語義對所述HTML主題文檔進行格式轉化，得到XML文檔，并對所述XML文檔按照預設格式進行詞匯提取，得到第一輿情信息集。

4.如權利要求2所述的輿情信息推送方法，其特征在于，所述利用所述信息采集模型中的馬爾可夫模型從所述信息來源渠道中提取預設時間內產生的實時信息，并對所述實時信息進行分類得到第二輿情信息集，包括：

從所述信息來源渠道中獲取預設時間內的輿情信息；

通過預先訓練好的所述馬爾可夫模型對所述輿情信息進行語義識別，得到語義向量；

計算所述語義向量在所述訓練好的馬爾科夫模型的參數下的隱藏狀態；

根據所述隱藏狀態基于所述馬爾科夫模型中的類別分類器計算所述語義向量的類別概率，并根據所述概率類別進行分類，得到第二輿情信息集。

5.如權利要求2所述的輿情信息推送方法，其特征在于，所述利用所述信息采集模型中的動態貝葉斯網絡模型從所述信息來源渠道中提取預設時間內產生的實時信息，并提取所述實時信息的摘要得到第三輿情信息集，包括：

從所述信息來源渠道中獲取預設時間內的輿情信息；

利用所述動態貝葉斯網絡模型對所述預設時間內的輿情信息輿情信息進行語義特征提取，得到特征序列；

基于條件概率分布在所述動態貝葉斯網絡模型預設的參數下對所述特征序列進行文本語義預測，得到第三輿情信息集。

6.如權利要求1所述的輿情信息推送方法，其特征在于，所述采集目標用戶的用戶信息，根據所述用戶信息基于內容推薦算法生成用戶畫像，包括：

從數據庫中獲取目標用戶的基礎信息和歷史行為信息，得到用戶信息；

提取所述用戶信息中的偏好特征，并計算所述偏好特征的權重；

按照所述權重從大到小將所述偏好特征進行排序，得到用戶畫像。