[发明专利]基于深度学习的景区舆情监控系统、方法、装置和存储介质在审

专利信息
申请号: 202010107348.6 申请日: 2020-02-21
公开(公告)号: CN111310014A 公开(公告)日: 2020-06-19
发明(设计)人: 曾志辉;陈瑞斌;罗英群;吕令广 申请(专利权)人: 深圳中兴网信科技有限公司
主分类号: G06F16/9532 分类号: G06F16/9532;G06F16/35;G06Q50/14
代理公司: 北京友联知识产权代理事务所(普通合伙) 11343 代理人: 汪海屏
地址: 518109 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 景区 舆情 监控 系统 方法 装置 存储 介质
【权利要求书】:

1.一种基于深度学习的景区舆情监控系统(10),用于对景区的网络舆情进行监控,其特征在于,包括:

数据采集模块(100),适于采集并输出网络内容;

舆情识别模块(200),与所述数据采集模块(100)信号连接,适于根据所述数据采集模块(100)采集的所述网络内容识别舆情并进行分析,且输出舆情识别结果。

2.根据权利要求1所述的基于深度学习的景区舆情监控系统(10),其特征在于,所述舆情识别模块(200)包括:

意图识别单元(210),与所述数据采集模块(100)信号连接,适于对所述数据采集模块(100)输出的所述网络内容中的评论信息进行意图识别,并输出意图识别结果;

评价识别单元(220),与所述意图识别单元210)信号连接,适于根据所述意图识别单元(210)输出的所述意图识别结果进行评价分析。

3.根据权利要求2所述的基于深度学习的景区舆情监控系统系统(10),其特征在于,所述评价识别单元(220)包括:

景色评价识别模型(221),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出景色方面的景色数据,且对所述景色数据进行组合;

消费评价识别模型(222),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出消费评价方面的消费评价数据,且对所述消费评价数据进行组合;

交通评价识别模型(223),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出交通评价方面的交通评价数据,且对所述交通评价数据进行组合;

人流评价识别模型(224),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出人流评价方面的人流评价数据,且对所述人流评价数据进行组合;

服务评价识别模型(225),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出服务评价方面的服务评价数据,且对所述服务评价数据进行组合;

卫生评价识别模型(226),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出卫生评价方面的卫生评价数据,且对所述卫生评价数据进行组合;

饮食评价识别模型(227),与所述意图识别单元(210)信号连接,适于接收所述意图识别结果,并分出饮食评价方面的饮食评价数据,且对所述饮食评价数据进行组合;

敏感词检测模型(228),与所述意图识别单元(210)信号连接,适于接收意图识别结果,并提取含有敏感词的评论。

4.一种基于深度学习的景区舆情监控方法,其特征在于,包括:

采用数据采集模块(100)采集并输出网络内容;

基于深度学习的方法,根据所述数据采集模块(100)输出的所述网络内容建立舆情识别模块(200);

所述舆情识别模块(200)识别出舆情并进行分析,得出舆情识别结果;

所述舆情识别模块(200)输出所述舆情识别结果。

5.根据权利要求4所述的基于深度学习的景区舆情监控方法,其特征在于,所述采用数据采集模块(100)采集并输出网络内容的步骤包括:

确认待爬取的网页和所述网页内容;

分析所述网页的结构;

爬取所述网页内容;

输出爬取结果。

6.根据权利要求4所述的基于深度学习的景区舆情监控方法,其特征在于,所述基于深度学习的方法,根据所述数据采集模块(100)输出的所述网络内容建立舆情识别模块(200)的步骤包括:

对网络内容进行文本预处理;

对文本预处理之后的所述网络内容进行句子拆分;

对句子拆分之后的所述网络内容进行意图识别,并输出意图识别结果;

根据所述意图识别结果,得到评价识别单元(220)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳中兴网信科技有限公司,未经深圳中兴网信科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010107348.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top