[发明专利]用于中文舆情的数据处理方法及装置

说明书

本申请公开了一种用于中文舆情的数据处理方法及装置。该方法包括确定预设领域中的词向量；根据所述预设领域中的词向量在预设词库中筛选出关键词并生成关键词得分；获取文本数据来源权重；以及通过所述文本数据来源权重和所述关键词得分，提取中文舆情热点。本申请解决了中文舆情的处理效果较差的技术问题。通过本申请不仅可以实现对中文舆情热点的准确提取，还能够根据热点提取结果进行热点追踪。使得热点追踪结果更加清晰和准确。此外，本申请可适用于服务器端或客户端，根据实景业务需求进行选择。

技术领域

本申请涉及舆情处理领域，具体而言，涉及一种用于中文舆情的数据处理方法及装置。

背景技术

目前，大多数媒体公司需要实时获取舆情热点，以便根据热点设定不同的品牌服务和传媒策略。

发明人发现，针对中文舆情的热点提取准确性较差，同时对舆情发展脉络的展现也不清晰。

针对相关技术中的中文舆情的处理效果较差的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于中文舆情的数据处理方法及装置，以解决中文舆情的处理效果较差的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于中文舆情的数据处理方法。

根据本申请的用于中文舆情的数据处理方法包括：确定预设领域中的词向量；根据所述预设领域中的词向量在预设词库中筛选出关键词并生成关键词得分；获取文本数据来源权重；以及通过所述文本数据来源权重和所述关键词得分，提取中文舆情热点。

进一步地，根据所述预设领域中的词向量在预设词库中筛选出关键词并生成关键词得分包括：根据所述文本中出现的词频和文本长度提取关键词，并通过预设非关键词库去除非关键词；根据所述词向量将目标全网范围内的文本数据中出现的关键词合并得到同质关键词；根据所述同质关键词在文本中出现的频率和位置以及该文本的长度，计算所述同质关键词的得分；根据所述同质关键词的得分，排列得到所述文本中的带有对应得分的同质关键词列表。

进一步地，获取文本数据来源权重包括：根据先验知识和所述文本数据来源中的文本数据的平均阅读量对所述文本数据来源打分，获取初始化文本数据来源权重；获取所述文本数据来源中的热点出现次数，以使通过所述文本数据来源的热点出现次数对所述初始化文本数据来源权重进行动态调节。

进一步地，通过所述文本数据来源权重和所述关键词得分，提取中文舆情热点包括：通过对所述初始化文本数据来源权重进行动态调节的结果，确定所述文本数据来源权重；确定在所述文本数据中出现的文字有差异但含义相同的关键词得分；根据所述文本数据来源权重和所述关键词得分，获取文本所属的话题以及所述话题对应的热度值。

进一步地，通过所述文本数据来源权重和所述关键词得分，提取中文舆情热点之后还包括：跟踪所述中文舆情热点的步骤，所述跟踪所述中文舆情热点的步骤包括：在舆情数据数据库中根据不同文本数据中出现的相同含义的所述关键词的热度值相加得到总分数值；根据所述总分数值，确定待追踪的所述中文舆情热点；提取目标全网范围内的所述文本数据中包含有与所述关键词含义相同的关键词，且该关键词的热度值大于预设阈值的所述文本数据。

为了实现上述目的，根据本申请的另一方面，提供了一种用于中文舆情的数据处理装置。

根据本申请的用于中文舆情的数据处理装置包括：确定模块，用于确定预设领域中的词向量；筛选模块，用于根据所述预设领域中的词向量在预设词库中筛选出关键词并生成关键词得分；获取模块，用于获取文本数据来源权重；以及提取模块，用于通过所述文本数据来源权重和所述关键词得分，提取中文舆情热点。