[发明专利]一种基于舆情分析的消费返利平台识别方法

说明书

本申请公开了一种基于舆情分析的消费返利平台识别方法、装置、设备及可读存储介质，包括：利用jsoup请求URL，获取html页面数据；利用xpath节点解析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，以确定当前平台是否为消费返利平台。可见，本申请能够自动采集平台页面数据，并通过智能分析页面内容中的舆情信息，判别当前平台是否为消费返利平台，是一种自动化识别消费返利平台的方案，避免了人工识别费时费力的问题，提升了消费返利平台的识别效率。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于舆情分析的消费返利平台识别方法、装置、设备及可读存储介质。

背景技术

随着生活水平的提高，各种大型商场也如雨后春笋一般出现。为了吸引到新客户并维持老客户，商场往往推出会员机制，在用户消费了一定金额时返回实物或者代金卷。

近些年伴随着Internet的普及和业务发展电商平台悄然兴起，各种电商平台之间的竞争更加激烈，从原来只能辐射周围几公里几十公里，到现在全国范围进行购物购物。因此很多平台会推出消费返利模式，如淘宝的淘金币就是一种其抵用比例是100:1，也就是一百淘金币可以在买商品时当做一块钱使用且每次使用均有上限。消费返利本身是对于消费者的一种回报，各类型的商场、电商平台均有消费返利的模式，其本身是可以维持的，但有一些平台的消费返利运营模式是不可持续的。通常不可持续的模式为了更快的吸收资金，会打出100％返现、买多少返多少的噱头，误导消费者。因此，需要一种可以识别消费返利平台的方法。

目前，一般通过人工识别平台是否为消费返利平台，该方案费时费力，且效率低下。

发明内容

本申请的目的是提供一种基于舆情分析的消费返利平台识别方法、装置、设备及可读存储介质，用以解决传统的消费返利平台识别方案通过人工实现，因此存在费时费力，效率低下的问题。其具体方案如下：

第一方面，本申请提供了一种基于舆情分析的消费返利平台识别方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；