一种基于资产风控的新媒体内容投放方法及设备技术

本发明专利技术涉及新媒体内容投放，更具体的说是一种基于资产风控的新媒体内容投放方法及设备，该方法包括以下步骤：获取企业的财务数据、新媒体舆情数据和交易数据；对财务数据和交易数据进行预处理，对新媒体数据按照来源和事件主体进行归类，构建企业新媒体流量矩阵；使用DBSCAN聚类算法确定新媒体流量矩阵中各元素对企业风险水平和企业营收的影响力度可以对新媒体内容与企业财务数据和市值数据进行整合，能够更为有效地确认当前企业在面临新媒体内容时可能面临的风险和收益水平；根据影响权重矩阵构建基于企业内容投放要求的规划问题，求解得到最优可行方案，并通过投放模块实施新媒体内容投放，以达到资产风控的效果。以达到资产风控的效果。以达到资产风控的效果。

【技术实现步骤摘要】
一种基于资产风控的新媒体内容投放方法及设备


[0001]本专利技术涉及新媒体内容投放，更具体的说是一种基于资产风控的新媒体内容投放方法及设备。

技术介绍

[0002]新媒体主要是指利用数字技术、网络技术,通过互联网、宽带局域网、无线通信网、卫星等道,以及电脑、手机、数字电视机等终端,向用户提供信息和娱乐服务的传播形态。由于新媒体与公众举例更近，且内容筛选更聚焦大众需求，因而，新媒体中的企业舆情在传播效率和影响能力都较传统媒体时代有显著提升。近年来，新媒体中的企业舆情监控对企业公共关系部门的重要性不断提高，为企业市场营销、品牌塑造、危机应对和市值管理等均具有重要意义。
[0003]当前，企业基于自身利益诉求，需要为企业公开信息、营销内容妥善安排内容渠道。因而，本文结合企业主要关注的市值风险，企业需要识别舆情内容投放对市值风险的影响管控，以达成企业在预期成本下能达到的最优投放效果。
[0004]尽管，已有的舆情监测系统产品能够实现数据采集、内容存储和查询以及基于自然语言处理技术的基本分析，其提出的分析成果，包含：情绪水平、话题声量、话题生命等，但其成果由于缺乏基于金融学和传播学的理论支撑，难以基于企业市值管理的需求为企业管理者提供在内容投放领域上有针对性的建议。

技术实现思路

[0005]本专利技术的目的是提供一种基于资产风控的新媒体内容投放方法及设备，能够实现对企业新媒体舆情数据的采集、归纳以及潜在投放风险识别；从而为企业提供基于市值风险考量的企业信息披露建议，更好、更有效地辅助企业完成新媒体内容投放。
[0006]本专利技术的目的通过以下技术方案来实现：
[0007]一种基于资产风控的新媒体内容投放方法，该方法包括以下步骤：
[0008]步骤一：从服务器获得企业的财务数据、新媒体舆情数据和交易数据；
[0009]步骤二：按照企业风控需求设定日市值波动的安全范围，标注企业市值风险；若，市值波动在安全范围内设为1，反之则为0。对财务数据和交易数据进行预处理，对新媒体舆情数据按照来源和事件主体进行归纳，并对舆情数据进行预处理；进而，计算各类舆情内容的流量并依据情感词汇本体库计算内容对应的细粒度情感强度，细粒度情感如好、乐、哀、怒、惊、惧、悲，整合各类型内容流量和情感强度构建企业新媒体流量矩阵；将标注后的企业市值风险水平、财务数据、交易数据及新媒体流量矩阵所对应的流量及情感数据整合成为资产风控数据集，其中包括训练集和测试集；将训练集输入套索回归LASSO进行训练。确定各类数据来源传播在传播不同企业内容时对企业市值风险水平的影响权重，尤其关注自媒体渠道的权重效果。
[0010]步骤三：输入通过机器学习算法确定新媒体流量矩阵中各元素对企业风险水平和
企业营收的影响力度、以及各类媒体对应的投放成本和投放活动对企业带来的固定效益影响，构建内容投放的线性规划目标及约束，得到企业内容投放策略。
[0011]步骤一中，对财务数据和交易数据进行的预处理操作包括：
[0012]对企业的财务数据按照企业财务季度完成更新入库，其中包含企业的操控性应计项目数量、总资产收益率、公司资产规模、雇员数量、产权性质、流动负债等关键指标。
[0013]对企业的交易数据分别按天完成更新入库，其中包括企业市值、换手率、日收益率等关键指标。
[0014]按天对数据进行重整，对缺失数据采用滑动平均法进行填充，按照财务数据特征和交易数据特征构建多维特征向量m＝＜f1,f2,f3,...,f
N1
,t1,t2,t3,...,t
N2
＞,其中f对应财务数据指标，对应N1个维度；t对应交易数据指标，对应N2个维度。
[0015]步骤二中，依据系统自建的主体来源库对每日新媒体舆情数据的来源进行核实，对应舆情数据将数据来源归纳为以下六类：官媒、主流商业媒体、有影响力的财经自媒体、有影响力的产品相关自媒体、其他高影响力其他自媒体以及普通自媒体；
[0016]自媒体影响力得分按照粉丝数、内容更新频率、内容平均阅读量等指标进行打分取得；
[0017]官媒对应以《中国证券报》、《证券日报》、《证券时报》、《上海证券报》为代表的由官方控制的媒体，其新媒体数据对应上述机构及其旗下机构运营的媒体账号。
[0018]主流商业媒体对应《中国经营报》、《第一财经日报》、《经济观察报》、《21世纪经济报道》等以市场导向型的媒体，其新媒体数据对应上述机构及其旗下机构运营的媒体账号。
[0019]其他媒体账号对应自媒体账号，其中包含企业自营的媒体账号。
[0020]对新媒体数据进行去除停用词并进行分词，按照分词结果对舆情对应主要事件归纳至企业业绩与财务分析；高管及主要人员行动和企业营销业务三类，集合来源划分结果，完成新媒体流量矩阵的构建。同时，对分词中出现的新词汇重新整理，更新事件主体对应的词库。
[0021]对归化在矩阵中各个子集的新媒体舆情数据的流量进行计算，并利用自然语言处理方法确定各个子集的各类情绪倾向占比，将上述数据按照从主体来源到事件主体，从流量到流量对应的各类情绪占比的顺序进行入库。
[0022]进一步的，对上述技术方案进一步描述，对库内的财务数据、交易数据和新媒体流量矩阵对应的数据分为训练集和测试集。采用市值风险测度，如企业股价崩盘风险等作为训练目标1。采用季度营收水平，如企业销售收入等作为训练目标2。使用机器学习算法对训练集进行训练，在保证测试集性能的前提下，确定新媒体流量矩阵中各元素对企业风险水平和企业营收的影响力度。
[0023]事件主体类别所对应关键词的确认包括如下计算步骤：
[0024]步骤一：针对企业业绩和财务分析类别内的关键词，由上市公司季报、年报文本中财务信息对应的关键词构成；
[0025]步骤二：针对高管及主要人员行动的关键词，对应上市公司季报、年报中公布的企业高层管理人员、董事会成员等企业主要人员；
[0026]步骤三：针对企业营销业务的关键词，由上市公司季报、年报中为企业带来营业收入的关键产品和业务构成。
[0027]进一步的，对上述技术方案进一步描述，其中对应新媒体舆情数据，数据来源对应以下六类：官媒、主流商业媒体、有影响力的财经自媒体、有影响力的产品相关自媒体、其他高影响力其他自媒体以及普通自媒体，自媒体影响力得分按照粉丝数、内容更新频率、内容平均阅读量等指标进行打分取得；
[0028]自媒体影响力的计算步骤包括：
[0029]步骤一：根据自媒体名称对其在各新媒体平台的粉丝数量逐日进行更新。
[0030]步骤二：结合同名自媒体在各新媒体内的账号群体计算其每日对应的各平台更新频率和最近一周更新内容的平均阅读量；
[0031]步骤三：对更新内容按照体裁即文本、音频和视频三类进行归纳，计算其每日更新的数量，构建影响力的特征向量如下：
[0032]media
i,t
＝＜fans
i,t
,fr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于资产风控的新媒体内容投放方法，其特征在于：该方法包括以下步骤：步骤一：获取企业的财务数据、新媒体舆情数据和交易数据；步骤二：对财务数据和交易数据进行预处理，对新媒体数据按照来源和事件主体进行归类，构建企业新媒体流量矩阵，确定各类数据来源传播在传播不同企业内容时对企业市值风险水平的影响权重；步骤三：输入内容投放企业对应的财务数据、交易数据及新媒体流量矩阵中对应的数据，使用套索回归LASSO算法确定新媒体流量矩阵中各元素对企业风险水平和企业营收的影响力度，构建内容投放的线性规划目标及约束。2.根据权利要求1所述的一种基于资产风控的新媒体内容投放方法，其特征在于：所述新媒体舆情数据数据来源对应以下六类：官媒、主流商业媒体、财经自媒体、产品相关自媒体、高影响力自媒体和普通自媒体。3.根据权利要求2所述的一种基于资产风控的新媒体内容投放方法，其特征在于：自媒体影响力得分按照粉丝数、内容更新频率和内容平均阅读量指标进行打分取得通过DBSCAN聚类算法对新媒体以高影响力与低影响力进行分类。4.根据权利要求1所述的一种基于资产风控的新媒体内容投放方法，其特征在于：使用Ekman情绪模型对新媒体流量矩阵中涉及内容对应的流量数据及情绪倾向进行计算，采用机器学习算法，将财务数据、交易数据及新媒体流量矩阵所对应的流量及情感数据投入Ekman情绪模型。5.根据权利要求4所述的一种基于资产风控的新媒体内容投放方法，其特征在于：新媒体流量矩阵数据及情绪倾向进行计算的步骤包括：步骤一：对企业的财务数据和交易数据分别按照季度和天为更新单位完成入库；步骤二：依据系统自建的主体来源库对每日新媒体舆情数据的来源进行核实，并按照官媒、主流商业媒体、财经自媒体、产品相关自媒体、高影响力自媒体和普通自媒体六种类型进行划分，同时更新主体来源库中自媒体主体的信息...

【专利技术属性】
技术研发人员：孙佰清，苏秦，鲍鑫，房岳，张景轩，刘莹，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：