对象指标的监测方法、电子装置及存储介质制造方法及图纸

本发明专利技术涉及数据处理技术，提供了一种对象指标的监测方法、电子装置及存储介质。该方法接收用户发出的监测对象指标的请求，获取待监测对象，实时从预先确定的数据源获取与待监测对象关联的文本信息，利用预设算法获取文本信息的关键词组并将输入预先训练的文本识别模型得到文本信息的类型，基于该文本信息的类型及第一预设计算规则计算得到对象的当前指标值，获取预设时间段内对象的预设数量的有效值，计算预设数量的有效值的均值作为对象的基础值，基于当前指标值、基础值、预设的标准化系数及第二预设计算规则计算得到对象的目标监测值反馈至用户。本发明专利技术可以提高对象指标监测的效率。

Monitoring method, electronic device and storage medium of object index

【技术实现步骤摘要】
对象指标的监测方法、电子装置及存储介质
本专利技术涉及数据处理领域，尤其涉及一种对象指标的监测方法、电子装置及存储介质。
技术介绍
跟公司相关的正面网络舆情可以提高公司的声誉，负面的网络舆情容易对公司造成负面效应给公司带来不利的影响，公司的舆情信息监测对该公司的发展具有重要的意义。现有技术中，对公司的舆情信息监测大多是通过人为获取信息根据经验对舆情做出判断及回应，但海量的舆情信息需要大量的阅读时间，导致对舆情监测效率低。
技术实现思路
鉴于以上内容，本专利技术提供一种对象指标的监测方法、电子装置及存储介质，其目的在于解决现有技术中监测对象指标效率低的技术问题。为实现上述目的，本专利技术提供一种对象指标的监测方法，该方法包括：接收步骤：接收用户发出的监测对象指标的请求，解析所述请求，获取请求中的待监测对象；计算步骤：实时从预先确定的数据源获取与所述待监测对象关联的文本信息，利用预设算法获取所述文本信息的关键词组，将所述关键词组输入预先训练的文本识别模型得到所述文本信息的类型，基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值；获取步骤：获取预设时间段内所述对象的预设数量的有效值，计算所述预设数量的有效值的均值，将该均值作为所述对象的基础值；及反馈步骤：基于所述当前指标值、所述基础值、预设的标准化系数及第二预设计算规则计算得到所述对象的目标监测值，并将所述目标监测值反馈至所述用户。优选的，所述基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值包括：基于所述文本信息的类型获取该文本信息对应的预设权重、该文本信息所属的发布者预设权重，基于该文本信息对应的预设权重及所述发布者预设权重计算得到所述对象的第一指标值，再获取文本信息与所述对象的预设关联度值，基于所述第一指标值及所述预设关联度值计算得到所述对象的当前指标值。优选的，所述基于所述第一指标值及所述预设关联度值计算得到所述对象的当前指标值包括：将所述第一指标值与所述预设关联度值进行加权求和得到所述对象的当前指标值。优选的，所述第二预设计算规则包括：其中，K表示所述目标监测值，M表示所述当前指标值，N标识所述基础值，d表示所述预设的标准化系数。优选的，所述预先训练的文本识别模型是通过卷积神经网络模型训练得到的，具体训练步骤包括：从预设数据库获取预设数量的文本信息对应的关键词组，为各关键词组分配预设标签；将各文本信息对应的关键词组作为变量X、各关键词组的预设标签作为因变量Y生成样本集，将所述样本集按照预设比例分成训练集及验证集；利用所述训练集中的各所述变量X及各所述因变量Y对所述卷积神经网络模型进行训练，每隔预设周期使用所述验证集对所述卷积神经网络模型进行验证，利用所述验证集中各所述变量X及各所述因变量Y对该卷积神经网络模型的准确率进行验证；及当验所述准确率大于预设阈值时结束训练，得到所述文本识别模型。为实现上述目的，本专利技术还提供一种电子装置，该电子装置包括：存储器及处理器，所述存储器上存储对象指标的监测程序，所述对象指标的监测程序被所述处理器执行，实现如下步骤：接收步骤：接收用户发出的监测对象指标的请求，解析所述请求，获取请求中的待监测对象；计算步骤：实时从预先确定的数据源获取与所述待监测对象关联的文本信息，利用预设算法获取所述文本信息的关键词组，将所述关键词组输入预先训练的文本识别模型得到所述文本信息的类型，基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值；获取步骤：获取预设时间段内所述对象的预设数量的有效值，计算所述预设数量的有效值的均值，将该均值作为所述对象的基础值；及反馈步骤：基于所述当前指标值、所述基础值、预设的标准化系数及第二预设计算规则计算得到所述对象的目标监测值，并将所述目标监测值反馈至所述用户。优选的，所述基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值包括：基于所述文本信息的类型获取该文本信息对应的预设权重、该文本信息所属的发布者预设权重，基于该文本信息对应的预设权重及所述发布者预设权重计算得到所述对象的第一指标值，再获取文本信息与所述对象的预设关联度值，基于所述第一指标值及所述预设关联度值计算得到所述对象的当前指标值。优选的，所述第二预设计算规则包括：其中，K表示所述目标监测值，M表示所述当前指标值，N标识所述基础值，d表示所述预设的标准化系数。优选的，所述预先训练的文本识别模型是通过卷积神经网络模型训练得到的，具体训练步骤包括：从预设数据库获取预设数量的文本信息对应的关键词组，为各关键词组分配预设标签；将各文本信息对应的关键词组作为变量X、各关键词组的预设标签作为因变量Y生成样本集，将所述样本集按照预设比例分成训练集及验证集；利用所述训练集中的各所述变量X及各所述因变量Y对所述卷积神经网络模型进行训练，每隔预设周期使用所述验证集对所述卷积神经网络模型进行验证，利用所述验证集中各所述变量X及各所述因变量Y对该卷积神经网络模型的准确率进行验证；及当验所述准确率大于预设阈值时结束训练，得到所述文本识别模型。为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包括对象指标的监测程序，所述对象指标的监测程序被处理器执行时，实现如上所述对象指标的监测方法中的任意步骤。本专利技术提出的对象指标的监测方法、电子装置及存储介质，为用户节省海量阅读的时间，并快速准确的获取与公司对应的舆情信息指标，提高指标监测的效率，以便用户快速感知公司舆情变化并作出相应的判断及回应。附图说明图1为本专利技术电子装置较佳实施例的示意图；图2为图1中对象指标的监测程序较佳实施例的模块示意图；图3为本专利技术对象指标的监测方法较佳实施例的流程图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1所示，为本专利技术电子装置1较佳实施例的示意图。该电子装置1包括但不限于：存储器11、处理器12、显示器13及网络接口14。所述电子装置1通过网络接口14连接网络，获取原始数据。其中，所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystemofMobilecommunication，GSM)、宽带码分多址(WidebandCodeDivisionMultipleAccess，WCDMA)、4G网络、5G网络、蓝牙(Blueto本文档来自技高网...

【技术保护点】
1.一种对象指标的监测方法，应用于电子装置，其特征在于，所述方法包括：/n接收步骤：接收用户发出的监测对象指标的请求，解析所述请求，获取请求中的待监测对象；/n计算步骤：实时从预先确定的数据源获取与所述待监测对象关联的文本信息，利用预设算法获取所述文本信息的关键词组，将所述关键词组输入预先训练的文本识别模型得到所述文本信息的类型，基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值；/n获取步骤：获取预设时间段内所述对象的预设数量的有效值，计算所述预设数量的有效值的均值，将该均值作为所述对象的基础值；及/n反馈步骤：基于所述当前指标值、所述基础值、预设的标准化系数及第二预设计算规则计算得到所述对象的目标监测值，并将所述目标监测值反馈至所述用户。/n

【技术特征摘要】
1.一种对象指标的监测方法，应用于电子装置，其特征在于，所述方法包括：
接收步骤：接收用户发出的监测对象指标的请求，解析所述请求，获取请求中的待监测对象；
计算步骤：实时从预先确定的数据源获取与所述待监测对象关联的文本信息，利用预设算法获取所述文本信息的关键词组，将所述关键词组输入预先训练的文本识别模型得到所述文本信息的类型，基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值；
获取步骤：获取预设时间段内所述对象的预设数量的有效值，计算所述预设数量的有效值的均值，将该均值作为所述对象的基础值；及
反馈步骤：基于所述当前指标值、所述基础值、预设的标准化系数及第二预设计算规则计算得到所述对象的目标监测值，并将所述目标监测值反馈至所述用户。


2.如权利要求1所述的对象指标的监测方法，其特征在于，所述基于该文本信息的类型及第一预设计算规则计算得到所述对象的当前指标值包括：
基于所述文本信息的类型获取该文本信息对应的预设权重、该文本信息所属的发布者预设权重，基于该文本信息对应的预设权重及所述发布者预设权重计算得到所述对象的第一指标值，再获取文本信息与所述对象的预设关联度值，基于所述第一指标值及所述预设关联度值计算得到所述对象的当前指标值。


3.如权利要求2所述的对象指标的监测方法，其特征在于，所述基于所述第一指标值及所述预设关联度值计算得到所述对象的当前指标值包括：
将所述第一指标值与所述预设关联度值进行加权求和得到所述对象的当前指标值。


4.如权利要求1所述的对象指标的监测方法，其特征在于，所述第二预设计算规则包括：



其中，K表示所述目标监测值，M表示所述当前指标值，N标识所述基础值，d表示所述预设的标准化系数。


5.如权利要求1至4任意一项所述的对象指标的监测方法，其特征在于，所述预先训练的文本识别模型是通过卷积神经网络模型训练得到的，具体训练步骤包括：
从预设数据库获取预设数量的文本信息对应的关键词组，为各关键词组分配预设标签；
将各文本信息对应的关键词组作为变量X、各关键词组的预设标签作为因变量Y生成样本集，将所述样本集按照预设比例分成训练集及验证集；
利用所述训练集中的各所述变量X及各所述因变量Y对所述卷积神经网络模型进行训练，每隔预设周期使用所述验证集对所述卷积神经网络模型进行验证，利用所述验证集中各所述变量X及各所述因变量Y对该卷积神经网络模型的准确率进行验证；及
当验所述准确率大于预设阈值时结束训练，得到所述文本识别模型。

【专利技术属性】
技术研发人员：陈明师，姚坤，
申请(专利权)人：广州快盈信息技术服务有限公司，
类型：发明
国别省市：广东;44