[发明专利]互联网舆情监控方法及装置

说明书

本发明涉及一种互联网舆情监控方法及装置，其中，所述方法包括：根据预先建立的专家分类模型训练互联网投诉信息的分类学习模型；根据所述分类学习模型对获取的互联网投诉信息进行分类，以获取投诉分类信息；确定所述投诉分类信息与获取的用户查询信息的相似度；根据所述相似度的确定结果对目标互联网投诉信息进行溯源。所述装置包括：学习模型训练单元、投诉分类信息获取单元、相似度确定单元以及信息溯源单元。本发明的互联网舆情监控方法及装置可以实现对海量的互联网投诉抱怨信息进行分类建模，并进行信息溯源，及时发现投诉信息的源头以及爆发时间，有利于及时、有效地监控并处理爬取的互联网舆情信息。

技术领域

本发明涉及通信技术领域，尤其涉及一种互联网舆情监控方法及装置。

背景技术

互联网时代，移动客户宣泄不满的渠道变广，互联网投诉客户明显增多，网民客户活跃度高，彼此之间的影响力增强，很容易引起聚众效应。许多移动客户通过微博、论坛、大型门户网站、社交APP等平台发布负面信息，影响面不易控制，极易在短时间内迅速蔓延泛滥。经研究发现，几乎每一件造成不良影响的针对运营商的互联网投诉事件，都是由网民组织在互联网上进行大量发布、快速传播导致的。

为避免上述种类的投诉带来的负面影响，现有技术中采用例如以下几种技术方案对网络舆情进行分类与识别。具体地，现有技术中的一种方法是，选取已分类的舆情信息文本作为训练文本并分词，根据特征词将训练文本向量化，然后利用PCA变换特征矩阵将待分类舆情信息文本的向量矩阵的向量降维，然后根据BP神经网络模型对其进行变换，得到与分类数量相同维数的输出向量，再用决策树规则进行匹配；现有技术中的另一种方法是，采集互联网舆情文件，并采用预设的专题规则匹配互联网舆情文件；对匹配成功的互联网舆情文件生成专题；现有技术中的第三种方法是，将舆情话题抽象为节点，节点之间以连接弧表示舆情话题之间存在关联，连接弧的权值表示舆情话题的相关度；按照舆情话题发布的时间将其划归到相应的时间片中，构建由话题信息层、网页信息层和网民信息层组成的互联网舆情话题动态演化模型；对与舆情话题相关的新入网页进行特征抽取，获得特征项，将网页转化为特征项形成的多元向量空间，计算其与原舆情话题之间的话题相关度；采用增量式聚类，依次处理所述新入网页，识别新话题，并将追踪到的舆情新话题扩充更新到模型中，该方法有利于克服话题演化中的话题漂移和衍生问题，提高网络舆情话题追踪效果。

然而，发明人在实施本发明实施例的过程中发现，现有的网络舆情进行分类与识别技术方案的分类准确性较低，且无法从源头对舆情进行追踪处理。

发明内容

针对现有不同传输网络进行二层对接会出现广播风暴、故障无法定位等故障的缺陷，本发明提出如下技术方案：

一种互联网舆情监控方法，包括：

根据预先建立的专家分类模型训练互联网投诉信息的分类学习模型；

根据所述分类学习模型对获取的互联网投诉信息进行分类，以获取投诉分类信息；

确定所述投诉分类信息与获取的用户查询信息的相似度；

根据所述相似度的确定结果对目标互联网投诉信息进行溯源。

可选地，所述确定所述投诉分类信息与获取的用户查询信息的相似度，包括：

根据所述投诉分类信息建立向量空间模型；

获取用户查询信息，并构建所述用户查询信息的文本向量；

确定所述向量空间模型中各投诉分类信息的文本向量与所述用户查询信息的文本向量的相似度。

可选地，所述根据所述相似度的确定结果对目标互联网投诉信息进行溯源，包括：

获取所述向量空间模型中的目标文本向量；其中，所述目标文本向量为与所述用户查询信息的文本向量的相似度超过预设阈值的文本向量；