[发明专利]一种基于舆情分析的消费返利平台识别方法

权利要求书

1.一种基于舆情分析的消费返利平台识别方法，其特征在于，包括：

利用jsoup请求URL，获取html页面数据；

利用xpath节点解析所述html页面数据，得到页面内容；

根据已知的消费返利平台样本和非消费返利平台样本，利用LOF算法对所述页面内容中的舆情信息进行分析，得到当前平台的识别结果，以确定所述当前平台是否为消费返利平台；

所述利用LOF算法对所述页面内容中的舆情信息进行分析包括：指数分析：使用LOF算法计算监测平台是否出现互联网舆情激增情况；

互联网舆情导向分析：对互联网舆情做关键词分析；

平台网站存活状态分析：通过扫描端口、ping网站域名、curl命令扫描网站响应码，来分析消费返利平台的存活状态。

2.如权利要求1所述的方法，其特征在于，所述利用jsoup请求URL，获取html页面数据，包括：

利用jsoup请求待采集队列中的URL，获取html页面数据。

3.如权利要求2所述的方法，其特征在于，在所述利用xpath节点解析所述html页面数据，得到页面内容之后，还包括：

从所述页面内容中提取二级URL，并将所述二级URL加入待采集队列。

4.如权利要求1所述的方法，其特征在于，所述利用LOF算法对所述页面内容中的舆情信息进行分析，包括：

判断所述页面内容中的舆情信息中是否包含预设的关键字；

若是，则利用LOF算法对所述页面内容中的舆情信息进行分析；

若否，则丢弃所述页面内容。

5.如权利要求4所述的方法，其特征在于，在所述利用LOF算法对所述页面内容中的舆情信息进行分析之前，还包括：

对所述页面内容进行数据清洗，并从中提取得到平台基础信息、平台归属企业信息、网站工商信息、舆情信息。

6.如权利要求1所述的方法，其特征在于，所述利用LOF算法对所述页面内容中的舆情信息进行分析，得到当前平台的识别结果，包括：

确定所述页面内容中的舆情信息的特征，以作为待测点；

通过LOF算法，确定所述待测点的邻域点的局部可达密度与所述待测点的局部可达密度的比值；

根据所述比值，确定当前平台的识别结果。

7.如权利要求1-6任意一项所述的方法，其特征在于，在所述利用LOF算法对所述页面内容中的舆情信息进行分析之后，还包括：

通过curl命令获取所述当前平台的存活状态，得到存活状态检测结果。

8.一种基于舆情分析的消费返利平台识别装置，其特征在于，包括：

页面获取模块：用于利用jsoup请求URL，获取html页面数据；

内容解析模块：用于利用xpath节点解析所述html页面数据，得到页面内容；

舆情分析模块：用于根据已知的消费返利平台样本和非消费返利平台样本，利用LOF算法对所述页面内容中的舆情信息进行分析，得到当前平台的识别结果，以确定所述当前平台是否为消费返利平台；所述利用LOF算法对所述页面内容中的舆情信息进行分析包括：指数分析：使用LOF算法计算监测平台是否出现互联网舆情激增情况；

互联网舆情导向分析：对互联网舆情做关键词分析；

平台网站存活状态分析：通过扫描端口、ping网站域名、curl命令扫描网站响应码，来分析消费返利平台的存活状态。

9.一种基于舆情分析的消费返利平台识别设备，其特征在于，包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序，以实现如权利要求1-7任意一项所述的基于舆情分析的消费返利平台识别方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-7任意一项所述的基于舆情分析的消费返利平台识别方法的步骤。