[发明专利]互联网舆情的专题分析方法和装置

说明书

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种互联网舆情的专题分析方法和装置。

背景技术

目前获得网络舆情专题的办法一般是：对大型门户网站、论坛或者热门论坛进行人工监看，发现相关信息后，手工形成专题。此方法存在以下缺点：

效率低：需要投入大量的人力来监看关注的互联网信息，每个专题的生成需要查看大量的网页连接，耗时耗力。

灵活性差：依靠上面的方式，只能发现所关注的有限网站上的舆情专题，未关注网站上面的相关舆情信息会被遗漏。

发明内容

本发明旨在提供一种互联网舆情的专题分析方法和装置，以解决在海量舆情数据中及时准确地得到专题的问题。

在本发明的实施例中，提供了一种互联网舆情的专题分析方法，包括：采集互联网舆情文件；采用预设的专题规则匹配互联网舆情文件；对匹配成功的互联网舆情文件生成专题。

在本发明的实施例中，提供了一种互联网舆情的专题分析装置，包括：采集模块，用于采集互联网舆情文件；匹配模块，用于采用预设的专题规则匹配互联网舆情文件；生成模块，用于对匹配成功的互联网舆情文件生成专题。

本发明上述实施例的联网舆情的专题分析方法和装置，实现了在海量舆情数据中及时准确地得到专题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明实施例的互联网舆情的专题分析方法的流程图；

图2示出了根据本发明实施例的网络舆情专题分析的流程图；

图3示出了根据本发明实施例的专题配置流程图；

图4示出了根据本发明实施例的专题获取流程图；

图5示出了根据本发明实施例的专题展示流程图；

图6示出了根据本发明实施例的互联网舆情的专题分析装置的示意图；

图7示出了根据本发明优选实施例的网络舆情专题分析装置的示意图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

图1示出了根据本发明实施例的互联网舆情的专题分析方法的流程图，包括：

步骤S10，采集互联网舆情文件；

步骤S20，采用预设的专题规则匹配互联网舆情文件；

步骤S30，对匹配成功的互联网舆情文件生成专题。

本方法设置了专题规则来匹配生成专利，可以很容易地通过计算机编程来实现，从而以自动化代替了人工操作，实现了在海量舆情数据中及时准确地得到专题。

优选地，从以下至少一种互联网信息源中采集互联网舆情文件：新闻网站、论坛、博客、微博、即时通信例如QQ、SNS等信息源。

本优选实施例覆盖了常见的互联网信息源。

优选地，步骤S20包括：

读取互联网舆情文件的内容；

确定将内容的拼音；

以专题规则中的拼音形式的关键词检索式检索内容的拼音。

例如，定义了一个专题规则：(gugong and beijing)not taiwan；利用该专题规则对互联网舆情文件中包含故宫、北京，并且不包含台湾的文件进行分析，生成相应的专题，例如：故宫建福宫、故宫失窃、故宫到北京市公安局赠送锦旗有错字等多个专题。本方法简单易行。

优选地，对匹配成功的互联网舆情文件生成专题包括：

读取匹配成功的互联网舆情文件的内容、时间、标题、网站类型、网站资质、访问量、回帖量和所属网站信息；

采用质心比较方法或最近邻比较方法，确定与匹配成功的互联网舆情文件最相近的专题；

若不存在与匹配成功的互联网舆情相近的专题，则将其列为新专题；

若存在与匹配成功的互联网舆情相近的专题，则将其加入最相近的专题。

质心比较方法或最近邻比较方法都是比较常用的方法，可以将意义相近的互联网舆情文件集中到一起，构建一个专题。

优选地，质心比较方法包括：将读取到的内容与已有专题进行比较，同时考虑时间特征和内容特征，计算所选舆情文件和专题间的相似度，已有专题本身通过其中综合权重最高的文章来表达。