一种基于事件特性判断的多级响应指挥方法及系统技术方案

本发明专利技术公开了一种基于事件特性判断的多级响应指挥方法及系统，所述方法包括对网络信息进行筛选以获取舆情数据；构建舆情风险分级模型，基于所述舆情风险分级模型对该舆情数据进行处理得到舆情风险值，以根据舆情风险值进行舆情分级；根据舆情分级确定响应机制，基于所述响应机制构建指挥决策

【技术实现步骤摘要】
一种基于事件特性判断的多级响应指挥方法及系统


[0001]本专利技术具体涉及舆情处理
，具体是一种基于事件特性判断的多级响应指挥方法及系统
。

技术介绍

[0002]由于网络上的身份隐蔽性
、
个人社交界限模糊以及信息繁杂，刺激
、
特殊或冲突激励的内容往往吸引了众多网民的关注，并成为网络事件的主要形式
。
目前虽然有相关处理手段，但并不能很好的判断事件的走向，即并不能准确的知道当前事件处于哪种发展程度以及需要由哪种处理方式来处理，如果处理不当就会适得其反
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于事件特性判断的多级响应指挥方法及系统
。
[0004]为实现上述目的，本专利技术提供如下技术方案：
[0005]一种基于事件特性判断的多级响应指挥方法，包括以下步骤：
[0006]对网络信息进行筛选以获取舆情数据，其中，所述舆情数据是将所述网络信息输入至话题分类模型中得到的，所述舆情数据包括：舆情释放数据
、
舆情流动曲线
、
舆情反应数据，所述舆情释放数据用于表征舆情释放特征，所述舆情释放曲线用于表征舆情在不同时间的传播特征
、
舆情反应数据用于表征舆情传播中反应特征；
[0007]构建舆情风险分级模型，基于所述舆情风险分级模型对该舆情数据进行计算得到舆情风险值，以根据舆情风险值进行舆情分级；
[0008]根据舆情分级确定响应机制，基于所述响应机制构建指挥决策
。
[0009]作为本专利技术进一步的方案：对网络信息进行筛选以获取舆情数据，之前还包括：将采集的网络信息进行去噪
、
中文分词，利用布尔模型或向量空间模型对网页信息进行主题过滤与聚合，以形成统一的文本特征格式
。
[0010]作为本专利技术再进一步的方案：所述舆情风险分级模型为：
[0011]∑
α
i
＝1，
∑K
i
≤100
，
i≤N
，
N
＝3，其中，
K
表示风险评估项，所述风险评估项包括舆情的释放风险评估值
、
流动风险评估值
、
反应风险评估值，
α
表示风险评估因子，所述风险评估因子根据对应的释放风险评估值
、
流动风险评估值
、
反应风险评估值进行确定，所述释放风险评估值根据舆情释放数据确定，所述流动风险评估值根据舆情流动曲线确定，所述反应风险评估值根据舆情反应数据确定
。
[0012]作为本专利技术再进一步的方案：所述风险值
F
为0‑
100
，当风险值处于0‑
30
范围内，舆情数据的风险等级为第一风险等级；当风险值处于
31
‑
60
范围内，舆情数据的风险等级为第二风险等级；当风险值处于
61
‑
100
范围内，舆情数据的风险等级为第三风险等级
。
[0013]作为本专利技术再进一步的方案：释放风险评估值对应的风险评估因子根据信源失真率
、
内容错误率
、
内容争议率确定；流动风险评估值对应的风险评估因子根据流动广度可能
性和流动深度可能性确定；反应风险评估值对应的风险评估因子根据受众的主观关注率和受众的消极反应率确定
。
[0014]本专利技术同时提供一种基于事件特性判断的多级响应指挥系统，包括：
[0015]舆情筛选模块，用于对网络信息进行筛选以获取舆情数据，其中，所述舆情数据是将所述网络信息输入至话题分类模型中得到的，所述舆情数据包括：舆情释放数据
、
舆情流动曲线
、
舆情反应数据，所述舆情释放数据用于表征舆情释放特征，所述舆情释放曲线用于表征舆情在不同时间的传播特征
、
舆情反应数据用于表征舆情传播中反应特征；
[0016]舆情分级模块，用于构建舆情风险分级模型，基于所述舆情风险分级模型对该舆情数据进行计算得到舆情风险值，以根据舆情风险值进行舆情分级；
[0017]舆情响应模块，用于根据舆情分级确定响应机制，基于所述响应机制构建指挥决策
。
[0018]作为本专利技术再进一步的方案：还包括数据预处理模块，用于将采集的网络信息进行去噪
、
中文分词，利用布尔模型或向量空间模型对网页信息进行主题过滤与聚合，以形成统一的文本特征格式
。
[0019]作为本专利技术再进一步的方案：所述舆情风险分级模型为：
[0020]∑
α
i
＝1，
∑K
i
＝
100
，
i≤N
，
N
＝3，其中，
K
表示风险评估项，所述风险评估项包括舆情的释放风险评估值
、
流动风险评估值
、
反应风险评估值，
α
表示风险评估因子，所述风险评估因子根据对应的释放风险评估值
、
流动风险评估值
、
反应风险评估值进行确定
。
[0021]作为本专利技术再进一步的方案：释放风险评估值对应的风险评估因子根据信源失真率
、
内容错误率
、
内容争议率确定；流动风险评估值对应的风险评估因子根据流动广度可能性和流动深度可能性确定；反应风险评估值对应的风险评估因子根据受众的主观关注率和受众的消极反应率确定
。
[0022]与现有技术相比，本专利技术的有益效果是：本专利技术通过筛选网络信息获取舆情数据，利用构建的舆情风险分级模型对舆情数据进行分级，建立舆情数据的分级响应机制，利用响应机制辅助进行决策，从而有效提升了舆情的发现能力和处理能力，并且减少了舆情发现和处理时间，增加了相关主体对舆情的控制能力，正确引导网络舆论的导向，降低负面舆情的社会影响
。
附图说明
[0023]图1为基于事件特性判断的多级响应指挥方法的流程图
。
[0024]图2为基于事件特性判断的多级响应指挥方法中步骤
S10
的流程图
。
[0025]图3为基于事件特性判断的多级响应指挥系统的结构框图
。
具体实施方式
[0026]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
。
[0027]需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面
。
应显而易见，本文中所描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于事件特性判断的多级响应指挥方法，其特征在于，包括以下步骤：对网络信息进行筛选以获取舆情数据，其中，所述舆情数据是将所述网络信息输入至话题分类模型中得到的，所述舆情数据包括：舆情释放数据
、
舆情流动曲线
、
舆情反应数据，所述舆情释放数据用于表征舆情释放特征，所述舆情释放曲线用于表征舆情在不同时间的传播特征
、
舆情反应数据用于表征舆情传播中反应特征；构建舆情风险分级模型，基于所述舆情风险分级模型对该舆情数据进行处理得到舆情风险值，以根据舆情风险值进行舆情分级；根据舆情分级确定响应机制，基于所述响应机制构建指挥决策
。2.
根据权利要求1所述的基于事件特性判断的多级响应指挥方法，其特征在于，对网络信息进行筛选以获取舆情数据，之前还包括：将采集的网络信息进行去噪
、
中文分词，利用布尔模型或向量空间模型对网页信息进行主题过滤与聚合，以形成统一的文本特征格式
。3.
根据权利要求1所述的基于事件特性判断的多级响应指挥方法，其特征在于，所述舆情风险分级模型为：，，，
i≤N
，
N=3
，其中，
K
表示风险评估项，所述风险评估项包括舆情的释放风险评估值
、
流动风险评估值
、
反应风险评估值，
α
表示风险评估因子，所述风险评估因子根据对应的释放风险评估值
、
流动风险评估值
、
反应风险评估值进行确定，所述释放风险评估值根据舆情释放数据确定，所述流动风险评估值根据舆情流动曲线确定，所述反应风险评估值根据舆情反应数据确定
。4.
根据权利要求3所述的基于事件特性判断的多级响应指挥方法，所述风险值
F
为0‑
100
，当风险值处于0‑
30
范围内，舆情数据的风险等级为第一风险等级；当风险值处于
31
‑
60
范围内，舆情数据的风险等级为第二风险等级；当风险值处于
61
‑
100
范围内，舆情数据的风险等级为第三风险等级
。5.
根据权利要求4所述的基于事件特性判断的多级响应指挥方法，其特征在于，所述响应机制包括与第一风险等级相对应的第一响应机制，所述第一响应机制为回应机制；与第二风险等级相对应的第二响应机制，第二响应机制为引导机制；与第三风险等级相对应的第三响应机制，第三响应机制为处理机制
。6.<...

【专利技术属性】
技术研发人员：薛玲，肖鄂，杨捷，
申请(专利权)人：云目未来科技湖南有限公司，
类型：发明
国别省市：