【技术实现步骤摘要】
舆情事件处理方法、装置、电子设备和计算机可读介质
[0001]本公开的实施例涉及计算机
,具体涉及舆情事件处理方法
、
装置
、
电子设备和计算机可读介质
。
技术介绍
[0002]目前,随着互联网的不断发展,舆情事件的处理成为当前人们的主要关注对象
。
对于舆情事件的处理,通常采用的方式为:首先,获取针对舆情事件的各种线索信息
。
然后,通过相关人员,来人为对舆情事件进行事件处理
。
[0003]然而,专利技术人发现,当采用上述方式来处理舆情事件,经常会存在如下技术问题:第一,人为所接收的针对舆情事件的事件内容有限,且人为对舆情事件进行事件处理可能存在处理过于片面的情况
。
除此之外,人为对舆情事件进行事件处理,效率往往也比较低;第二,不能有效
、
精准地从处理数据集确定出关键舆情事件数据集,导致后续舆情事件的处理策略的侧重点出现偏差,且浪费大量人力资源
。
[0004]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息
。
技术实现思路
[0005]本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述
。
本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种舆情事件处理方法,包括:获取政务舆情文本数据集;对所述政务舆情文本数据集进行数据处理,得到处理数据集;根据所述处理数据集,生成关键舆情事件数据集;生成针对所述关键舆情事件数据集的舆情事件情感分析信息集
、
舆情事件真实性分析信息集和舆情事件敏感性分析信息集;对于所述关键舆情事件数据集中的每个关键舆情事件数据,执行以下处理步骤:根据所述关键舆情事件数据
、
对应的舆情事件情感分析信息
、
对应的舆情事件真实性分析信息和对应的舆情事件敏感性分析信息,生成政务舆情预警指标信息;将所述政务舆情预警指标信息输入至预先训练的政务舆情预警信息生成模型,以生成针对所述关键舆情事件数据的政务舆情预警信息;从舆情事件处理策略信息库中挑选出与所述政务舆情预警信息相对应的舆情事件处理策略信息,作为目标舆情事件处理策略信息;对所述目标舆情事件处理策略信息进行处理策略逻辑校验,以生成校验信息;响应于确定所述校验信息表征所述目标舆情事件处理策略信息通过校验,执行针对所述目标舆情事件处理策略信息对应的处理策略
。2.
根据权利要求1所述的方法,其中,所述对所述政务舆情文本数据集进行数据处理,得到处理数据集,包括:对所述政务舆情文本数据集中的各个政务舆情文本数据进行特征工程处理,得到特征工程处理数据集;利用贝叶斯神经网络,确定所述特征工程处理数据集中的每个特征工程处理数据对应的文档有效性概率;从所述特征工程处理数据集中去除文档有效性概率小于目标数值的特征工程处理数据,得到去除后数据集;确定所述去除后数据集中的各个去除后数据之间的词频相似度;根据所述各个去除后数据之间的词频相似度,对所述去除后数据集中的各个数据进行数据去重处理和
/
或合并处理,得到所述处理数据集
。3.
根据权利要求1所述的方法,其中,所述生成针对所述关键舆情事件数据集的舆情事件情感分析信息集
、
舆情事件真实性分析信息集和舆情事件敏感性分析信息集,包括:对于所述关键舆情事件数据集中的每个关键舆情事件数据,执行以下第一生成步骤:对所述关键舆情事件数据进行分词处理,得到词集;从所述词集中去除停用词,得到去除后词集;从所述去除后词集中查找出情感关键词集,其中,所述情感关键词集包括:至少一个正面关键词和至少一个负面关键词;对于所述情感关键词集中的每个情感关键词,执行以下第二生成步骤:根据所述情感关键词对应的情感关键词位置,确定与所述情感关键词相临近的
、
处于所述关键舆情事件数据中的程度词
、
对应的至少一个否定词和标点符号;根据所述程度词
、
所述至少一个否定词和所述标点符号,生成针对所述情感关键词的情感值;
根据所得到的情感值集,生成针对所述关键舆情事件数据的情感分数;根据所述情感分数,生成所述关键舆情事件数据对应的舆情事件情感分析信息
。4.
根据权利要求3所述的方法,其中,所述生成针对所述关键舆情事件数据集的舆情事件情感分析信息集
、
舆情事件真实性分析信息集和舆情事件敏感性分析信息集,还包括:对于所述关键舆情事件数据集中的每个关键舆情事件数据,执行以下第三生成步骤:确定所述关键舆情事件数据对应的至少一个舆情事件来源渠道信息;根据预先设置的每个舆情事件来源渠道信息对应的可信数值,将所述至少一个舆情事件来源渠道信息对应的至少一个可信数值进行加权求和处理,得到第一加权求和数值;根据所述第一加权求和数值,生成所述关键舆情事件数据对应的舆情事件真实性分析信息;对于所述关键舆情事件数据集中的每个关键舆情事件数据,执行以下第四生成步骤:利用舆情敏感词典,确定所述关键舆情事件数据对应的敏感词集;根据预先获取的表征敏感词与敏感词值之间对应关系的表,确定所述敏感词集中的每个敏感词对应的敏感词值,得到敏感词值集;将所述敏感词集和所述关键舆情事件数据输入至预先训练的多头注意力机制模型,以生成表征敏感词与关键舆情事件数据之间关联关系的敏感词权重值集;对所述敏感词权重值集和所述敏感词值集进行加权求和处理,得到第二加权求和数值;根据所述第二加权求和数值,生成所述关键舆情事件数据对应的舆情事件敏感性分析信息
。5.
根据权利要求4所述的方法,其中,在所述根据所述关键舆情事件数据
、
技术研发人员:王静宇,吕勇,李建华,孙兴雷,李蹊,金海亮,张净,
申请(专利权)人:中关村科学城城市大脑股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。