[发明专利]一种获取调查问卷关注点的方法及系统

说明书

本发明实施例提供一种获取调查问卷关注点的方法及系统。该方法包括:获取指定关键词，根据所述指定关键词获取目标网页内容和所述目标网页内容对应的微博信息；对获取目标网页内容进行预处理，得到目标网页预处理内容；基于所述目标网页预处理内容和所述微博信息提取问题点；将所述问题点作为调查问卷的关注点。本发明实施例通过根据指定关键词搜索目标网页，对目标网页的内容基于微博信息进行数据处理，得出问题关注点，较为全面地覆盖了调查问卷设计中相关问题的关注热度。

技术领域

本发明涉及信息技术领域，尤其涉及一种获取调查问卷关注点的方法及系统。

背景技术

在日常生活中，调查问卷是一种常用的调查群众意见，收集数据的方法；但是实际生活中用于收集数据的调查问卷并不能包含所需的全部问题点，导致调查的结果不能得到预期的效果，造成对时间、人力和物力的浪费。传统调查问卷问题的设计一般以行业内的问卷设置规则为基础，结合实际情况、历史问卷和专家意见确定调查问卷的关注点，然后设置具体的调查问题。但是随着社会的不断发展，任何一个行业需要关注的热点问题都在不断发生变化；如果单纯依靠人为力量感知社会问题点，不可避免的会忽略部分值得关注的问题点。

微博作为一种人们日常生活中重要的社交方式，数据来源广泛，且具有实时性和交互性。其用户经常在平台上分享生活、评论时政、维护公共秩序等；而且，这些用户往往来自不同地区、不同职业、不同年龄段，用户发布的信息来自不同时间段和情境，内容丰富，所以从微博平台上获得的数据特点鲜明、代表性强。从微博平台获取信息进行处理是获取用户关注点的一种方法。

通过微博内容获取问题点时，一定要充分利用微博用户特点，将用户影响力与用户间互动指数加入到日常分析中，尽可能获得全面的、具有代表性的问题。现有的关于调查问卷问题点的获取或调查问卷设计方面的技术，多通过聚类的方法来实现。但是，网络获取的文本内容与用户信息内容比较复杂，每一个用户都具有鲜明的特点，这些特点对于分析文本内容具有很重要的影响。总之，单纯的通过聚类方法得到的问题点是不全面的。比如对爬虫所得的文本数据进行聚类处理，之后加入了深度学习处理模块，对聚类结果进行再处理。此方法中单纯使用聚类获得的主题结果本身就会遗漏一部分问题点，比如，有一些具有庞大粉丝数量，或者很有影响力的微博用户，发表的内容代表的是众多粉丝的观点，一般会获得很多的转发与评论等，这类用户发表的内容多是需要重点关注的问题。对于这种影响力高的用户，其发表的内容不能依靠单纯的文本聚类方法进行处理，无论后续使用什么方法对聚类结果进行再处理，得到的问题点都是不全面的。

发明内容

本发明实施例提供一种获取调查问卷关注点的方法及系统，用以解决现有技术中获取调查问卷关注点时过于片面，涵盖关注的热点问题不够全面的缺陷。

第一方面，本发明实施例提供一种获取调查问卷关注点的方法，包括：

获取指定关键词，根据所述指定关键词获取目标网页内容和所述目标网页内容对应的微博信息；

对所述目标网页内容进行预处理，得到目标网页预处理内容；

基于所述目标网页预处理内容和所述微博信息提取问题点；

将所述问题点作为调查问卷的关注点。

优选地，所述根据所述指定关键词获取目标网页内容和所述目标网页内容对应的微博信息，具体包括：

基于爬虫技术根据所述指定关键词在网上进行搜索，获取包含所述指定关键词的所述目标网页内容；

利用爬虫程序在所述目标网页内容中下载微博用户个人信息和微博文本内容。

优选地，所述对所述目标网页内容进行预处理，得到目标网页预处理内容，具体包括：

将所述微博文本内容中字数少于预设数量的内容删除，得到第一文本集；