申请/专利权人：中科天玑数据科技股份有限公司;国家计算机网络与信息安全管理中心

申请日：2019-11-07

公开（公告）日：2024-03-19

公开（公告）号：CN110852090B

主分类号：G06F40/284

分类号：G06F40/284;H04L41/147

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.12.11#实质审查的生效;2020.02.28#公开

摘要：本发明提供了一种用于舆情爬取的机构特征词汇扩展系统，包括：数据采集模块：用于采集数据；特征词清洗加工模块：用于对特征词进行初步筛选；特征词统计分析模块：用于通过相关度分析，进一步筛选特征词，最终生成拓展特征词。本发明另一方面提供了一种用于舆情爬取的机构特征词汇扩展方法，采用上述方案，筛选掉无用特征词并进行分析，生成拓展特征词，全面、快速采集相关舆情信息，一方面有效的避免了漏查情况的发生，另一方面也减少了无用特征词增加无用的数据，提高检索效率和质量，减少内存的占用。

主权项：1.一种用于舆情爬取的机构特征词汇扩展系统，其特征在于，包括：数据采集模块：用于采集数据；特征词清洗加工模块：用于对特征词进行初步筛选；特征词统计分析模块：用于通过相关度分析，进一步筛选特征词，最终生成拓展特征词；采集通过机构名称匹配出的机构对应舆情信息，和通过优选特征词匹配出的特征词对应舆情信息；将机构对应舆情信息和特征词对应舆情信息进行相关度分析，分析舆情信息中共同出现的现象；判定优选特征词对应的相关度是否大于设定阈值，若是，则保留该候选特征词，若否，则删除，剩下的即为扩展特征词；相关度的计算方法如下： 所述机构对应的舆情信息，记为集合Dj，优选特征词对应舆情信息，记为集合Dt，上述公式中表示机构对应舆情集合Dj的大小，表示特征词对应舆情集合Dt的大小，表示集合Dj和Dt交集的大小，表示集合Dj和Dt并集的大小，w1、w2、w3分别为权重。

全文数据：

权利要求：

百度查询： 中科天玑数据科技股份有限公司;国家计算机网络与信息安全管理中心 一种用于舆情爬取的机构特征词汇扩展系统和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD