CN116468586A - 社交媒体中诉求事件智能批转方法和*** - Google Patents

社交媒体中诉求事件智能批转方法和*** Download PDF

Info

Publication number
CN116468586A
CN116468586A CN202310424953.XA CN202310424953A CN116468586A CN 116468586 A CN116468586 A CN 116468586A CN 202310424953 A CN202310424953 A CN 202310424953A CN 116468586 A CN116468586 A CN 116468586A
Authority
CN
China
Prior art keywords
appeal
intelligent
information
event
social media
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310424953.XA
Other languages
English (en)
Inventor
陈圣群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Business University
Original Assignee
Fujian Business University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Business University filed Critical Fujian Business University
Priority to CN202310424953.XA priority Critical patent/CN116468586A/zh
Publication of CN116468586A publication Critical patent/CN116468586A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种社交媒体中诉求事件智能批转方法和***。该方法及***面向社交媒体的海量舆论数据，诉求信息分发智能服务器采用深度学习进行构建智能诉求信息分发模型，能够研判诉求事件，识别事件所涉及职能部门，并给与自动分发，从而减少人工投入，提高响应处理效率。通过现代的主动介入和主动疏导理念，柔性的友好的解决网民的诉求信息。

Description

社交媒体中诉求事件智能批转方法和***
技术领域
本发明涉及一种社交媒体中诉求事件智能批转方法和***。
背景技术
社交媒体所采集到诉求数据源异常复杂，特别是数据高度稀疏，数据噪音多，这使得原有的技术难以解决社交媒体诉求事件进行研判和分发所涉及部门。
发明内容
本发明的目的在于提供一种社交媒体中诉求事件智能批转方法和***，面向社交媒体的海量舆论数据，诉求信息分发智能服务器采用深度学习构建智能诉求信息分发模型，能够研判诉求事件，识别事件所涉及职能部门，并给与自动分发，从而减少人工投入，提高响应处理效率。通过现代的主动介入和主动疏导理念，柔性的友好的解决网民的诉求信息。
为实现上述目的，本发明的技术方案是：一种社交媒体中诉求事件智能批转方法，构建诉求信息分发智能服务器，诉求信息分发智能服务器从外部数据源获取实时舆论数据，诉求信息分发智能服务器中运行机器学习引擎，机器学习引擎通过实时舆论数据和智能诉求信息分发模型计算出诉求信息分发策略，诉求信息分发智能服务器随后智能分发诉求事件。
在本发明一实施例中，诉求信息分发智能服务器执行面向社交媒体的诉求信息智能研判方法和面向社交媒体的诉求信息智能分发方法，其中，
面向社交媒体的诉求信息智能研判方法，包括：(1) 利用文本挖掘技术对诉求事件进行特征表示和特征选择；(2) 利用特征模型判断诉求事件信息的影响权重；(3) 获取诉求事件信息的详细信息流；(4) 生成可视化的诉求事件流；(5) 可视化诉求事件信息发展过程中民众心理变化；
面向社交媒体的诉求信息智能分发方法，包括：(1) 诉求信息分发智能服务器接入公共数据网络；(2) 获取根据社交媒体诉求事件包括转发量和点击率的指标；(3) 综合诉求事件的研判内容，确定诉求舆情紧急等级；(4) 构建基于属地和职能部门的求助分发模型；(5) 诉求事件的智能分发。
在本发明一实施例中，所述面向社交媒体的诉求信息智能研判方法的具体实现方式为：
利用文本挖掘技术对诉求事件进行特征表示和特征选择，并构建训练模型对诉求事件的是否谣言进行判别；
对社交媒体传播的诉求事件信息进行聚类分析和位置判断，生成可视化诉求事件流；
采用包括语义分析、数字网络理论，提供话题发现、支持用户在一段诉求的文章或图片中进行包括人物、地区的实体信息获取；
对诉求的文本描述进行正面、中性、负面的情感判断，并梳理诉求传播路径，通过词频分析和心理指标来模拟诉求发展过程中各地区各类别民众心理变化的情况。
在本发明一实施例中，所述面向社交媒体的诉求信息智能分发方法的具体实现方式为：
根据社交媒体诉求事件包括转发量和点击率的指标，判断诉求舆情信息的传播范围；
追踪诉求事件出现的最初时间，与事件传播范围进行交叉分析，判别出事件的扩散速度；
综合诉求事件的研判内容，确定诉求舆情紧急等级；
对不同等级的诉求事件进行分析、归类，确定诉求事件的属地级别；
利用深度学习对不同部门的诉求数据集进行迭代训练，形成基于属地和职能部门的求助分发模型，而后进行诉求事件的智能分发。
在本发明一实施例中，诉求事件的智能分发包括：突发诉求快报和重要诉求专报两种策略。
在本发明一实施例中，突发诉求快报策略实现方式为：利用诉求事件识别模型，实时监测社交媒体平台上诉求事件；对监测到的诉求事件进行研判，精准获取所有可能引发炒作苗头性、倾向性和突发性的诉求事件信息，并及时出具诉求快报。
在本发明一实施例中，重要诉求专报策略实现方式为：基于诉求信息研判模型，给出重要诉求信息及发展态势图；基于诉求信息分发模型，精准确定诉求事件的属地和职能部门，形成自动批转功能，方便职能部门随时掌握网络诉求热点话题。
在本发明一实施例中，所述外部数据源包括：外部信源和高质量的内部信源，外部信源包括社交网站、微博、微信公众号、博客、论坛，内部信源即信息处理中心内部已预处理好的诉求事件信息。
在本发明一实施例中，所述公共数据网络包括电信网络、移动通信网络、互联网。
本发明还提供了一种社交媒体中诉求事件智能批转***，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上述所述的方法步骤。
相较于现有技术，本发明具有以下有益效果：本发明面向社交媒体的海量舆论数据，诉求信息分发智能服务器采用人工智能的智能诉求信息分发模型，包含：面向社交媒体的诉求信息智能研判和诉求信息智能分发，实现诉求事件的智能分发，提高了实时处理时效和响应处理效率。
附图说明
图1为本发明面向社交媒体的诉求信息分发智能服务器的架构。
图2为本发明面向社交媒体的诉求信息研判方法。
图3为本发明面向社交媒体的诉求信息分发方法。
图4为本发明诉求信息分发智能服务器的硬件框架(典型实施例)。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明一种社交媒体中诉求事件智能批转方法和***，面向社交媒体的海量舆论数据，诉求信息分发智能服务器采用深度学习构建智能诉求信息分发模型，能够研判诉求事件，识别事件所涉及职能部门，并给与自动分发，从而减少人工投入，提高响应处理效率。通过现代的主动介入和主动疏导理念，柔性的友好的解决网民的诉求信息。
面向社交媒体的诉求信息分发智能服务器的架构，如图1所示。诉求信息分发智能服务器从外部数据源获取实时舆论数据。诉求信息分发智能服务器中运行机器学习引擎。机器学习引擎加载智能诉求信息分发模型；机器学习引擎获取实时舆论数据；机器学习引擎通过实时舆论数据和智能诉求信息分发模型计算出诉求信息分发策略。诉求信息分发智能服务器随后智能分发诉求事件。
诉求信息分发智能服务器接入公共数据网络，公共数据网络包括：电信网络、移动通信网络和互联网等。该智能服务器接入公共数据网络，从外部数据源抓取实时的舆情数据。外部数据源包括：海量丰富的外部信源和高质量的内部信源。外部信源即社交网站、微博、微信公众号、博客、论坛等。内部信源即信息处理中心内部已预处理好的诉求信息。
诉求信息分发智能服务器中包含两个核心程序：面向社交媒体的诉求信息智能研判方法和面向社交媒体的诉求信息智能分发方法。诉求信息分发智能服务器实现诉求事件的自动信息研判和智能转发所涉及的职能部门，提高了职能部门实时处理时效和响应处理效率。
面向社交媒体的诉求信息智能研判面临以下困难：一是数据源异常复杂的挑战，即数据高度稀疏，数据噪音多，来源广、维度多、类型杂的社交媒体数据，给数据清洗和预处理带来很大挑战。二是求解算法截然不同的挑战，诉求信息智能研判算法需要发现信访信息***内隐藏的信息和规律。三是模型性能即时优化的挑战, 社交媒体数据存在即时性，能让信息在互联网中迅猛的传播，这使得内容研判模型与智能批转模型对时间复杂度要求很高。我们希望利用深度学习的方法面对以上挑战。
面向社交媒体的诉求信息智能研判方法，如图2所示。(1) 利用文本挖掘技术对诉求事件进行特征表示和特征选择；(2) 利用特征模型判断诉求信息的影响权重；(3) 获取诉求信息的详细信息流；(4) 生成可视化的诉求事件流；(5) 可视化诉求信息发展过程中民众心理变化。
面向社交媒体的诉求信息智能研判方法。利用业务领先的文本挖掘技术对诉求事件进行特征表示和特征选择，并构建训练模型对诉求事件的是否谣言进行判别；对社交媒体传播的诉求数据进行聚类分析和位置判断，生成诉求可视化的事件流；采用语义分析、数字网络理论等技术手段，提供话题发现、支持用户在一段诉求的文章或图片中进行人物、地区等实体信息获取；对诉求的文本描述进行正面、中性、负面的情感判断，并梳理诉求传播路径，通过词频分析和心理指标来模拟诉求发展过程中各地区各类别民众心理变化的情况。
面向社交媒体的诉求信息智能分发方法，如图3所示。(1) 诉求信息分发智能服务器接入公共数据网络；(2) 获取根据社交媒体诉求事件的转发量和点击率等指标；(3) 综合诉求事件的研判内容，确定诉求舆情紧急等级；(4) 基于属地和职能部门的求助分发模型；(5) 诉求事件的智能分发。
面向社交媒体的诉求信息智能分发方法。根据社交媒体诉求事件的转发量和点击率等指标，判断诉求舆情信息的传播范围；追踪诉求事件出现的最初时间，与事件传播范围进行交叉分析，判别出事件的扩散速度；综合诉求事件的研判内容，确定诉求舆情紧急等级；对不同等级的诉求事件进行分析、归类，确定诉求事件的属地级别；利用深度学习对不同部门的诉求数据集进行迭代训练，形成基于属地和职能部门的求助分发模型。
诉求事件的智能分发包括：突发诉求快报和重要诉求专报两种策略。
突发诉求快报。利用诉求事件识别模型，实时监测社交媒体平台上诉求事件；对监测到的诉求事件进行研判，精准获取所有可能引发炒作苗头性、倾向性和突发性的诉求数据，并及时出具诉求快报。
重要诉求专报。基于诉求信息研判模型，给出重要诉求信息及发展态势图；基于诉求信息分发模型，精准确定诉求事件的属地和职能部门，形成自动批转功能，方便职能部门随时掌握网络诉求热点话题。
如图4所示，诉求信息分发智能服务器的硬件框架(典型实施例)。服务器硬件结构包括：处理器单元、传感器组件、通信组件、NPU/GPU组件、多媒体加速组件、内存组件、存储组件、电源组件和IO/接口组件。
诉求信息分发智能服务器的硬件框架(典型实施例)。处理器和其他组件一般建立双向连接，进行双向数据和控制交互。处理器优选的具有CPU单元、GPU单元、OpenCL单元、NPU单元和硬件视频Codec单元的异构多处理器。其中CPU单元负责执行软件和逻辑控制类型的负载任务；GPU单元负责加速图形渲染类型的负载任务；OpenCL单元负责加速计算类型的负载任务；NPU单元负责加速深度学习的负载任务；硬件视频Codec单元负责加速视频编解码类型的负载任务。
存储器负责数据和程序的动态写入和动态读出。存储器可以存储操作***、应用程序、通讯录、即时消息、数字图像、数字视频等。存储器的物理电子设备可以是静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)等。
内存用于暂时存放CPU中的运算数据，与硬盘等外部存储器交换的数据。内存一般采用半导体存储单元，包括随机存储器（RAM），只读存储器（ROM），以及高速缓存（CACHE）。
通信组件可以接入标准数据通信网络，如WiFi，2G/3G/4G/5G，或它们的组合。通信组件还可是接入近场通信网络，如蓝牙、近场通信(NFC)，或它们的组合。
I/O接口是处理器外部设备或组件交换信息的物理通道。I/O接口是可编程的，其工作方式由程序进行控制。
电源组件为多种组件提供外部电源。电源组件可以包含电源管理单元(PMU)、单路或多路电源。处理器单元可以对电源组件进行电源管理，管理***的电源分配和功耗控制。
传感器组件还可以包括图像传感器，如CMOS/CCD图像传感器，用于摄像类应用。在一些实施例中，该传感器组件还可以包括压力传感器、陀螺仪传感器、加速度传感器、磁传感器、接近传感器或温度传感器。
视频组件用于硬件编码和解码视频数据。视频组件一般具有H263/H264/H265/VP8/VP9等硬件编解码器。
音频组件用于硬件音频采集和输出。硬件音频采集要求对原始音频数据进行3A音频处理。
显示组件用于显示输出和显示输出切换和管理。显示组件提供一个输出接口的屏幕，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。
安全组件用于保护敏感用户信息，可以用于安全存取身份信息、指纹信息、账户信息等敏感用户信息。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (10)

1.一种社交媒体中诉求事件智能批转方法，其特征在于，构建诉求信息分发智能服务器，诉求信息分发智能服务器从外部数据源获取实时舆论数据，诉求信息分发智能服务器中运行机器学习引擎，机器学习引擎通过实时舆论数据和智能诉求信息分发模型计算出诉求信息分发策略，诉求信息分发智能服务器随后智能分发诉求事件。
2.根据权利要求1所述的社交媒体中诉求事件智能批转方法，其特征在于，诉求信息分发智能服务器执行面向社交媒体的诉求信息智能研判方法和面向社交媒体的诉求信息智能分发方法，其中，
面向社交媒体的诉求信息智能研判方法，包括：(1) 利用文本挖掘技术对诉求事件进行特征表示和特征选择；(2) 利用特征模型判断诉求事件信息的影响权重；(3) 获取诉求事件信息的详细信息流；(4) 生成可视化的诉求事件流；(5) 可视化诉求事件信息发展过程中民众心理变化；
面向社交媒体的诉求信息智能分发方法，包括：(1) 诉求信息分发智能服务器接入公共数据网络；(2) 获取根据社交媒体诉求事件包括转发量和点击率的指标；(3) 综合诉求事件的研判内容，确定诉求舆情紧急等级；(4) 构建基于属地和职能部门的求助分发模型；(5) 诉求事件的智能分发。
3.根据权利要求1或2所述的社交媒体中诉求事件智能批转方法，其特征在于，所述面向社交媒体的诉求信息智能研判方法的具体实现方式为：
利用文本挖掘技术对诉求事件进行特征表示和特征选择，并构建训练模型对诉求事件的是否谣言进行判别；
对社交媒体传播的诉求事件信息进行聚类分析和位置判断，生成可视化诉求事件流；
采用包括语义分析、数字网络理论，提供话题发现、支持用户在一段诉求的文章或图片中进行包括人物、地区的实体信息获取；
对诉求的文本描述进行正面、中性、负面的情感判断，并梳理诉求传播路径，通过词频分析和心理指标来模拟诉求发展过程中各地区各类别民众心理变化的情况。
4.根据权利要求1或2所述的社交媒体中诉求事件智能批转方法，其特征在于，所述面向社交媒体的诉求信息智能分发方法的具体实现方式为：
根据社交媒体诉求事件包括转发量和点击率的指标，判断诉求舆情信息的传播范围；
追踪诉求事件出现的最初时间，与事件传播范围进行交叉分析，判别出事件的扩散速度；
综合诉求事件的研判内容，确定诉求舆情紧急等级；
对不同等级的诉求事件进行分析、归类，确定诉求事件的属地级别；
利用深度学习对不同部门的诉求数据集进行迭代训练，形成基于属地和职能部门的求助分发模型，而后进行诉求事件的智能分发。
5.根据权利要求4所述的社交媒体中诉求事件智能批转方法，其特征在于，诉求事件的智能分发包括：突发诉求快报和重要诉求专报两种策略。
6.根据权利要求5所述的社交媒体中诉求事件智能批转方法，其特征在于，突发诉求快报策略实现方式为：利用诉求事件识别模型，实时监测社交媒体平台上诉求事件；对监测到的诉求事件进行研判，精准获取所有可能引发炒作苗头性、倾向性和突发性的诉求事件信息，并及时出具诉求快报。
7.根据权利要求1所述的社交媒体中诉求事件智能批转方法，其特征在于，重要诉求专报策略实现方式为：基于诉求信息研判模型，给出重要诉求信息及发展态势图；基于诉求信息分发模型，精准确定诉求事件的属地和职能部门，形成自动批转功能，方便职能部门随时掌握网络诉求热点话题。
8.根据权利要求1所述的社交媒体中诉求事件智能批转方法，其特征在于，所述外部数据源包括：外部信源和高质量的内部信源，外部信源包括社交网站、微博、微信公众号、博客、论坛，内部信源即信息处理中心内部已预处理好的诉求事件信息。
9.根据权利要求2所述的社交媒体中诉求事件智能批转方法，其特征在于，所述公共数据网络包括电信网络、移动通信网络、互联网。
10.一种社交媒体中诉求事件智能批转***，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-9任一所述的方法步骤。
CN202310424953.XA 2023-04-20 2023-04-20 社交媒体中诉求事件智能批转方法和*** Pending CN116468586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310424953.XA CN116468586A (zh) 2023-04-20 2023-04-20 社交媒体中诉求事件智能批转方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310424953.XA CN116468586A (zh) 2023-04-20 2023-04-20 社交媒体中诉求事件智能批转方法和***

Publications (1)

Publication Number Publication Date
CN116468586A true CN116468586A (zh) 2023-07-21

Family

ID=87174835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310424953.XA Pending CN116468586A (zh) 2023-04-20 2023-04-20 社交媒体中诉求事件智能批转方法和***

Country Status (1)

Country Link
CN (1) CN116468586A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974340A (zh) * 2024-03-29 2024-05-03 昆明理工大学 结合深度学习分类与图聚类的社交媒体事件检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974340A (zh) * 2024-03-29 2024-05-03 昆明理工大学 结合深度学习分类与图聚类的社交媒体事件检测方法

Similar Documents

Publication Publication Date Title
CN116468586A (zh) 社交媒体中诉求事件智能批转方法和***
Bakir et al. Empathic media, emotional AI, and the optimization of disinformation
Vafopoulos Being, space, and time on the Web
Cheng Metaverse
Xu Cultural communication in double-layer coupling social network based on association rules in big data
Zheng et al. Does Tobler’s first law of geography apply to internet attention? A case study of the Asian elephant northern migration event
Ma et al. Research on the dynamic effect of the intelligent urban experience to the tourists' two‐way internet word‐of‐mouth
Wang et al. Cross-group or within-group attention flow? Exploring the amplification process among elite users and social media publics in Sina Weibo
Pagare et al. Churn prediction by finding most influential nodes in social network
Zhao et al. Impact of virtual reality technology on digital media in the context of big data and artificial intelligence
Kshetri et al. Major computing technologies of the past 75 years
CN116155994A (zh) 一种基于智能终端的展示内容推送方法
Traxler The mobile and mobility: Information, organisations and systems
Chen et al. A framework of organic streams: Integrating dynamically diversified contents into ubiquitous personal study
Yan et al. Research on the human dynamics in mobile communities based on social identity
Wu [Retracted] Design of Cloud Computing Platform for Large‐Scale Multimedia Communication
Wang et al. Analysis of the model of integration of multicultural media in the network’s space of public opinion
Zhang et al. A model for art communication and development under the influence of social network
CN113111244A (zh) 基于中医药知识规模化普及的多源异构大数据融合***
Thiyagarajan et al. Isolating values from big data with the help of four V’S
CN111143328A (zh) 一种敏捷商业智能数据构建方法、***、设备、存储介质
Cichy et al. Creating Value from Personal Data-On the Legitimacy of Business Practices in the Field of Internet-Enabled Services.
Deng et al. Information visualization design of web under the background of big data
Molitorisz et al. From shadow profiles to contact tracing: Qualitative research into consent and privacy
Jin et al. The cross-cultural differences of network user behavior of new media technology platform using deep learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination