[发明专利]一种舆情信息的地域识别方法和装置

说明书

技术领域

本专利申请属于网络信息技术领域，特别是涉及一种舆情信息的地域识别方法和装置。

背景技术

随着因特网在全球范围内的飞速发展，网络媒体已被公认为是继报纸、广播、电视之后的“第四媒体”，网络成为反映社会舆情的主要载体之一，网络环境下的舆情信息的主要来源有：新闻评论、BBS、博客、聚合新闻。网络舆情表达快捷、信息多元、方式互动，具有传统媒体无法比拟的优势。网络的开放性和虚拟性，决定了网络舆情具有直接性、突发性、和偏差性的特点。近年来，网络舆情的影响越来越重要，众多重大舆情事件都是由网上开始爆发扩散，且大部分舆情信息都具有负面性。为了能够更准确有效的发现本地相关的舆情信息，及时对互联网不良信息进行疏导和管理，准确判定网络舆情信息所属的地区就显得尤为重要。

目前有不少地域识别方法，但是一般都仅仅提取出地名词，并没有有效的针对舆情信息的主体地区进行识别，或者仅仅通过词频来识别主体地区。在舆情信息中可能会出现多个地名，但舆情信息真正发生的地区只有一个。实际应用过程中，某地区优先关注的是本地相关的舆情信息，如南京的政府机构、企事业单位优先关心南京地区相关的舆情信息，现有的地域识别方式可能会检索到很多与南京关联不大的信息，还需要用户从大量的信息中手动筛选相关信息，降低了工作效率。

发明内容

本专利申请所要解决的技术问题是：提供一种舆情信息的地域识别方法和装置，实现对舆情信息所属地域的精准判定，弥补现有地域识别方法无法准确定位的不足。

为解决上述技术问题，本专利申请提供了一种舆情信息的地域识别方法和装置，包括文本预处理模块、地区属性词提取模块、地区权重计算模块和地区过滤模块。其中：

文本预处理模块：对包含舆情信息的文本进行分词处理；

地区属性词提取模块：加载地区属性库，对分词后的文本信息进行地区属性库匹配，获取地区属性，

构建地区属性词信息集，并按照行政区域划分地区属性词信息；

地区权重计算模块：计算各级地区属性词权重及权重比；

地区过滤模块：根据权重阈值，过滤次要信息。

本专利申请所述的一种舆情信息的地域识别方法利装置，其工作步骤如下：

(1)对包含舆情信息的文本进行中文分词，提取分词信息；

(2)加载带行政区域级别的地区属性库，对分词后的舆情信息进行地区属性库匹配，获取地区属性；

(3)构建地区属性词信息集；

(4)按照行政区域划分地区属性词信息；

(5)计算各级地区属性词的权重及权重比；

(6)根据权重阈值，滤除次要信息，准确判定舆情信息所属地域。

地区属性库是由大量经过长期调研、采集、优化而得到的信息组成的词库，包括地区词、代表建筑、地域文化词汇、地方性网站板块URL等信息，能够满足用户需求。

地区属性词信息集包括地区属性词、地区属性词在文本中的位置、地区属性词出现次数、上下文地区属性词以及间隔距离等信息。

影响权重的因素主要包括地区属性词出现位置和出现次数。

本专利申请的有益效果：

在文本内容地区属性提取的基础上，研究地区属性的相关度，从海量数据中准确筛选出相关信息，滤除次要信息，提高了舆情信息地域识别的精确度，保证了其他应用数据推送的质量。能够帮助政府部门及时掌握社会舆论，在未知舆情信息的萌发阶段就对重点区域进行识别和有效疏导；帮助企业在第一时间掌握竞争对手在特定区域的市场动态，协助企业及时制定有效的竞争策略。

附图说明

图1为本专利申请的模块分布图

图2为本专利申请的流程示意图

具体实施方式

本专利申请的模块分布情况如图1所示，包括文本预处理模块、地区属性词提取模块、地区权重计算模块和地区过滤模块。

本专利申请的舆情信息地域识别流程如图2所示，下面结合图2以及具体实施例对本专利申请进行详细描述。

步骤1：对包含舆情信息的文本进行中文分词，提取分词信息，过滤掉无关信息。

步骤2：加载带行政区域级别的地区属性库，对分词后的舆情信息进行地区属性库匹配，获取地区属性。