[0017] 本申请实施例通过提供一种网络舆情的评估方法及系统，解决了现有技术中存在对网络舆情的评估不够智能、准确的技术问题，达到对网络舆情进行智能、准确的评估的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0018] 申请概述
[0019] 随着微博、微信，社交网络的迅猛发展，网络舆情的巨大力量推动了整个舆情行业飞速的发展。互联网舆情进入高速发展时期。由于网络的开放性和虚拟性，决定了网络舆情具有直接性、突发性、偏差性的特点。互联网有越来越多的网民通过相关渠道传播表述观点，因此，有效的进行舆论的实时监测和引导对于维护社会稳定、创建和谐社会具有积极的意义。但现有技术中存在对网络舆情的评估不够智能、准确的技术问题。
[0020] 针对上述技术问题，本申请提供的技术方案总体思路如下：
[0021] 本申请实施例提供了一种网络舆情的评估方法，所述方法应用于一网络舆情评估系统，所述网络舆情评估系统与信息接收模块、第一舆情评估模型通信连接，所述方法包括：通过所述信息接收模块获得第一事件信息；对所述第一事件信息进行信息分析，获得第一事件发生时间；获得第一时间差，其中，所述第一时间差为第一文案的第一发布时间与第一事件发生时间的时间差，将所述第一时间差作为第一输入信息；对所述第一文案进行词汇检测，根据所述词汇检测结果获得第一风险等级；获得所述第一文案在第一发布时间到第二时间的第一浏览量，根据所述第一浏览量获得第一递增指数；获得第一评估指令，根据所述第一评估指令对所述第一递增指数进行风险评估，获得第二风险等级；根据所述第一风险等级和所述第二风险等级获得第三风险等级，将所述第三风险等级作为第二输入信息；将所述第一输入信息、所述第二输入信息输入所述第一舆情评估模型，其中，所述第一舆情评估模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括所述第一输入信息、所述第二输入信息和标识第一结果的标识信息；获得所述第一舆情评估模型的第一输出信息，其中，所述第一输出信息包括第一评估结果。
[0022] 在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
[0023] 实施例一
[0024] 如图1所示，本申请实施例提供了一种网络舆情的评估方法，所述方法应用于一网络舆情评估系统，所述网络舆情评估系统与信息接收模块、第一舆情评估模型通信连接，其中，所述方法包括：
[0025] 步骤S100：通过所述信息接收模块获得第一事件信息；
[0026] 具体而言，所述网络舆情评估系统为对网络舆论进行评估的系统，所述评估内容包括但不限于舆论导向、恶意评论、恶意攻击等，所述信息接收模块为进行信息收集、整合的模块，所述第一舆情评估模型为通过多组训练数据训练获得的根据相关参数可进行舆情评估的模型，通过所述信息接收模块对所述第一事件信息进行整合，获得截止目前为止已知的所述第一事件的起因、经过、结果，发生的时间、地点、相关的人物信息等。
[0027] 步骤S200：对所述第一事件信息进行信息分析，获得第一事件发生时间；
[0028] 具体而言，所述第一时间为所述第一事件的发生时间，其中，所述发生时间为有相关证据佐证的发生时间，即在无事态的其他变化的情况下的当前证据下的第一事件的发生时间。
[0029] 步骤S300：获得第一时间差，其中，所述第一时间差为第一文案的第一发布时间与第一事件发生时间的时间差，将所述第一时间差作为第一输入信息；
[0030] 具体而言，所述第一文案为与所述第一事件相关的文案信息，所述第一文案为通过多个网络平台捕捉获得的已发表的文案信息，其中，所述多个文案包括但不限于微博、微信、知乎、BBS、贴吧、新闻评论、聚合新闻等。根据所述第一文案的发布时间与所述第一事件的发生时间获得第一时间差，将所述第一时间差作为第一输入信息。
[0031] 步骤S400：对所述第一文案进行词汇检测，根据所述词汇检测结果获得第一风险等级；
[0032] 具体而言，所述词汇检测为对所述第一文案的内容进行词汇、语义的识别，进一步而言，根据所述第一事件的性质，针对性的对所述文案的敏感词汇、引导词汇、吸引注意的词汇等进行识别，进一步而言，根据所述第一事件的性质不同，还可对所述第一文案的犀利程度、表述的价值观等进行评估，根据所述评估结果获得第一风险等级。
[0033] 步骤S500：获得所述第一文案在第一发布时间到第二时间的第一浏览量，根据所述第一浏览量获得第一递增指数；
[0034] 具体而言，所述第二时间在所述第一发布时间之后，所述第一发布时间为所述第一文案在相关平台的发布时间，根据所述第一发布时间到所述第二时间的相关平台的内部数据统计，获得所述第一文案在所述第一发布时间到所述第二时间的时间段内的浏览总量信息，所述浏览总量为所述第一浏览量，所述第一递增指数为反映了所述第一文案在单位时间内被浏览次数的增长情况的参数，通过所述第一发布时间到所述第二时间的时间差和所述第一浏览量，获得第一递增指数。
[0035] 步骤S600：获得第一评估指令，根据所述第一评估指令对所述第一递增指数进行风险评估，获得第二风险等级；
[0036] 步骤S700：根据所述第一风险等级和所述第二风险等级获得第三风险等级，将所述第三风险等级作为第二输入信息；
[0037] 具体而言，所述第一评估指令为对所述第一递增指数进行评估的指令，根据所述第一评估指令，对所述计算获得的第一递增指数进行评估，其中，所述评估包括对所述第一递增指数是否超过所述第一事件该受到的关注度的契合程度的评估，还包括所述递增指数是否出现异常增长的评估，根据所述评估结果获得第二风险等级。对所述代表着所述第一文案的词汇情况的第一风险等级、第一递增指数的增长评估的第二风险等级进行综合的考量，获得第三风险等级，将所述第三风险等级作为第二输入信息。
[0038] 步骤S800：将所述第一输入信息、所述第二输入信息输入所述第一舆情评估模型，其中，所述第一舆情评估模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括所述第一输入信息、所述第二输入信息和标识第一结果的标识信息；
[0039] 步骤S900：获得所述第一舆情评估模型的第一输出信息，其中，所述第一输出信息包括第一评估结果。
[0040] 具体而言，所述第一舆情评估模型为机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息、所述第二输入信息输入神经网络模型，则输出第一评估结果。
[0041] 更进一步而言，所述训练的过程还包括监督学习的过程，每一组监督数据均包括所述第一输入信息、所述第二输入信息和标识第一结果的标识信息，将所述第一输入信息、所述第二输入信息输入到神经网络模型中，根据用来标识第一结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的网络舆情的评估结果，进而达到对所述第一事件、舆论导向是否被误导进行准确、智能的评估的技术效果。
[0042] 进一步而言，所述获得所述第一文案在第一发布时间到第二时间的浏览量，根据所述浏览量获得第一递增指数，本申请实施例步骤 S500还包括：
[0043] 步骤S510：获得第三时间，其中，所述第三时间在所述第一发布时间到所述第二时间之内；
[0044] 步骤S520：获得所述第一发布时间到所述第三时间的第二浏览量信息；
[0045] 步骤S530：获得所述第三时间到所述第二时间的第三浏览量信息；
[0046] 步骤S540：根据所述第一发布时间和所述第三时间获得第二时间差，根据所述第三时间和所述第二时间获得第三时间差；
[0047] 步骤S550：根据所述第二浏览量信息和所述第二时间差获得第二递增指数，根据所述第三浏览量信息和所述第三时间差获得第三递增指数；
[0048] 步骤S560：获得所述第二递增指数和所述第三递增指数的平均值，将所述平均值作为第一递增指数。
[0049] 具体而言，所述第三时间为所述第一发布时间与所述第二时间的时间段内的某个时间，所述第三时间为通过浏览量在所述第一发布时间与所述第二时间出现明显的趋势变化的时间点确定的，当出现明显的浏览量的趋势变化转折点时，获得所述出现转折点的时间点，所述时间点为第三时间，获得第一发布时间到所述第三时间的时间间隔，所述时间间隔为第二时间差，获得所述第二时间差内的第二浏览量信息；获得所述第三时间到所述第二时间的时间间隔，所述时间间隔为第三时间差，获得第三时间差内的第三浏览量信息，根据所述第二浏览量信息和所述第二时间差获得第二递增指数，根据所述第三浏览量信息和所述第三时间差获得第三递增指数，根据所述第二递增指数和所述第三递增指数的平均值，获得第一递增指数。通过对所述第一发布时间到第二时间的时间点的切割计算所述递增指数，可获得能更加准确的反映出浏览量出现变化的趋势的第一递增指数，为后续对网络舆情进行准确、智能的评估夯实了基础。
[0050] 进一步而言，本申请实施例还包括：
[0051] 步骤S561：获得第一递增指数阈值；
[0052] 步骤S562：判断所述第三递增指数是否满足所述第一递增指数阈值；
[0053] 步骤S563：当所述第三递增指数不满足所述第一递增指数阈值时，获得所述第三时间的第一评论信息；
[0054] 步骤S564：获得所述第一评论信息的第一敏感词汇信息；
[0055] 步骤S565：获得所述第一评论信息获得第一账号信息，将所述第一敏感词汇信息作为横坐标，所述第一账号信息作为纵坐标，构建坐标系；
[0056] 步骤S566：通过逻辑回归模型，基于所述坐标系构建逻辑回归线，通过所述逻辑回归线获得第二评估结果。
[0057] 具体而言，所述第一递增指数阈值为通过所述第一事件的相关信息确定的阈值，即根据所述事件发生的时间，事件的主要人物的知名度、事件的本身的性质获得所述第一事件的预期总关注度和增长情况，结合当时的社会情况，对所述增长情况和总关注度进行调整，判断所述第三递增指数是否满足所述第一递增指数阈值，当所述第三递增指数不满足所述第一递增指数阈值时，获得所述第一文案在所述第三时间下的第一评论信息，将所述第一评论信息的第一敏感词汇的敏感度作为横坐标，所述第一评论的账号信息发言情况作为纵坐标，构建直角坐标系，基于逻辑回归模型，通过所述直角坐标系获得逻辑回归线，其中，所述逻辑回归线的一侧代表第一结果，其中，所述第一结果为所述第一评论存在异常的结果，所述逻辑回归线的另一侧代表第二结果，所述第二结果代表所述第一评论正常的结果，将所述第一敏感词汇的敏感度和第一账号信息的发言情况输入所述逻辑回归模型，基于所述逻辑回归线获得第二评估结果。通过所述逻辑回归线对所述第一评论信息进行进一步的判断，达到获得更加准确的舆情是否被影响和误导的分析结果，进而为后续对网络舆情进行准确、智能的评估奠定了基础。
[0058] 进一步而言，本申请实施例还包括：
[0059] 步骤S5661：根据所述第一账号信息获得第一用户，其中，所述第一用户为所述第一账号信息的实名认证用户；
[0060] 步骤S5662：判断所述第一账号信息的登录设备是否为所述第一用户的常用设备，根据所述判断结果获得第一指标；
[0061] 步骤S5663：获得所述第一用户的第二账号信息，判断所述第二账号信息是否存在异常汇款，根据所述判断结果获得第二指标；
[0062] 步骤S5664：根据所述第一指标、所述第二指标获得第三评估结果。
[0063] 具体而言，通过所述第一账号的注册信息获得所述第一账号的实名认证信息，根据所述实名认证信息获得所述第一用户，其中，所述第一用户为所述第一账号的拥有者，通过所述第一账号的登录设备，判断所述设备是否为所述第一账号登录的常用设备，根据所述判断结果获得第一评价指标，进一步而言，所述第一评价指标的获得还根据所述第一账号的登录所在地是否异常判断，所述第一用户的第二账号包括所述第二用户可用来接收转账的账号，包括但不限于：QQ账号、微信账号、支付宝账号、银行卡账号、电话号等，根据所述第二账号信息判断所述第二账号近期是否存在异常的汇款，所述汇款包括单次大数额和多次小数额汇款，根据是否存在异常汇款获得第二评价指标，根据所述第一指标和所述第二指标对所述第一账户是否存在异常进行评估，根据所述评估结果可判断是否舆论受到恶意的引导，进而达到对网络舆情进行准确、智能的评估。
[0064] 进一步而言，所述判断所述第一账号的登录设备是否为所述第一用户的常用设备，根据所述判断结果获得第一指标，本申请实施例步骤S5662还包括：
[0065] 步骤S56621：获得所述第一账号信息的第二文案；
[0066] 步骤S56622：对所述第二文案进行语义识别，获得第一语义识别结果；
[0067] 步骤S56623：根据所述第一语义识别结果判断所述第二文案与所述第一评论信息是否具有第一关联度；
[0068] 步骤S56624：当所述第二文案与所述第一评论具有所述第一关联度时，获得第一识别指令；
[0069] 步骤S56625：根据所述第一识别指令对所述第一账号信息的发表内容进行识别，获得第一识别结果；
[0070] 步骤S56626：获得所述第一账号的第一关注度；
[0071] 步骤S56627：将所述第一识别结果和所述第一关注度作为所述第一指标。
[0072] 具体而言，所述第一指标的获得还包括对所述第一账号的发布的其他文案进行分析，所述分析包括获得第二文案信息，对所述第二文案进行语义的识别，获得第一识别的结果，根据所述第一识别结果，判断所述第二文案与所述第一评论是否具有第一关联度，其中，所述第一关联度为出现所述第一事件的人名、地名、时间、或事件本身的内容，当所述第二文案与所述第一评论具有第一关注度时，表明所述第一用户对所述第一事件的关注度过高，可能存在恶意引导的潜在威胁，此时获得第一识别指令，根据所述第一识别指令对所述第一账号信息的发表的文案进行总体的识别，获得第一识别结果，将所述第一账号的第一关注度和第一识别结果作为所述第一指标。
[0073] 进一步而言，本申请实施例还包括：
[0074] 步骤S1010：通过所述信息接收模块获得第二事件信息，其中，所述第二事件信息与所述第一事件信息具有第二关联度；
[0075] 步骤S1020：根据所述第二事件信息对所述第一文案进行评估，获得第一舆论导向等级；
[0076] 步骤S1030：根据所述第一舆论导向等级获得第四评估结果。
[0077] 具体而言，所述具有第二关联度的第二事件信息为与所述第一事件相关联的事件，举例而言，当所述第一事件涉及到两人分手，第一事件为第一人发布的分手声明，所述具有第二关联度的第二事件则为分手的第二人发布的分手声明，根据所述第二事件信息对所述第一文案的内容进行评估，进一步而言，所述第二事件还可以为第一事件的变动或者官方的声明，根据所述第二事件对所述第一文案进行评估，判断所述第一文案是否具有恶意的舆论引导、营销的效果，获得第一舆论导向等级，根据所述第一舆论导向等级获得第四评估结果。
[0078] 进一步而言，本申请实施例还包括：
[0079] 步骤S1040：获得第一分析指令；
[0080] 步骤S1050：根据所述第一分析指令对所述第一评估结果、所述第二评估结果、所述第三评估结果、所述第四评估结果进行分析；
[0081] 步骤S1060：获得第一分析结果，其中，所述第一分析结果包括第五评估结果。
[0082] 具体而言，获得第一分析指令，其中，所述第一分析指令为对所述评估结果进行分析处理的指令，根据所述第一分析指令对所述第一评估结果、第二评估结果、第三评估结果、第四评估结果进行汇总的分析处理，将所述分析的结果作为五评估结果，所述第五评估结果包括了所述第一事件发生后的文案的舆论导向的评估、评论信息的舆论导向的评估、是否存在恶意评论引导舆论的评估等，达到对网络舆情进行准确、智能的评估的技术效果。
[0083] 综上所述，本申请实施例所提供的一种网络舆情的评估方法及系统具有如下技术效果：
[0084] 1、由于采用了获得第一事件的发生时间与所述第一文案的发布的第一时间差，将所述第一时间差作为第一输入信息，对所述第一文案的词汇进行词汇检测，根据词汇检测结果获得第一风险等级，根据所述第一文案在第一发布时间到第二时间的第一浏览量获得第一递增指数，根据第一评估指令对所述递增指数进行评估，获得第二风险等级，根据所述第一风险等级和所述第二风险等级获得第三风险等级，将所述第三风险等级作为第二输入信息，将所述第一输入信息、所述第二输入信息输入第一舆情评估模型，获得所述第一舆情评估模型的第一评估结果，根据所述第一评估结果，达到对所述第一事件、舆论导向是否被误导进行准确、智能的评估的技术效果。
[0085] 2、由于采用了对所述神经网络模型的监督学习的方式，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的网络舆情的评估结果，进而达到对所述第一事件、舆论导向是否被误导进行准确、智能的评估的技术效果。
[0086] 3、由于采用了对所述第一发布时间到第二时间的时间点的切割计算所述递增指数的方式，可获得能更加准确的反映出浏览量出现变化的趋势的第一递增指数，为后续对网络舆情进行准确、智能的评估夯实了基础。
[0087] 4、由于采用了通过所述逻辑回归线对所述第一评论信息进行进一步的判断的方式，达到获得更加准确的舆情是否被影响和误导的分析结果，进而为后续对网络舆情进行准确、智能的评估奠定了基础。
[0088] 实施例二
[0089] 基于与前述实施例中一种网络舆情的评估方法同样发明构思，本发明还提供了一种网络舆情的评估系统，如图2所示，所述系统包括：
[0090] 第一获得单元11，所述第一获得单元11用于通过信息接收模块获得第一事件信息；
[0091] 第二获得单元12，所述第二获得单元12用于对所述第一事件信息进行信息分析，获得第一事件发生时间；
[0092] 第三获得单元13，所述第三获得单元13用于获得第一时间差，其中，所述第一时间差为第一文案的第一发布时间与第一事件发生时间的时间差，将所述第一时间差作为第一输入信息；
[0093] 第四获得单元14，所述第四获得单元14用于对所述第一文案进行词汇检测，根据所述词汇检测结果获得第一风险等级；
[0094] 第五获得单元15，所述第五获得单元15用于获得所述第一文案在第一发布时间到第二时间的第一浏览量，根据所述第一浏览量获得第一递增指数；
[0095] 第六获得单元16，所述第六获得单元16用于获得第一评估指令，根据所述第一评估指令对所述第一递增指数进行风险评估，获得第二风险等级；
[0096] 第七获得单元17，所述第七获得单元17用于根据所述第一风险等级和所述第二风险等级获得第三风险等级，将所述第三风险等级作为第二输入信息；
[0097] 第一输入单元18，所述第一输入单元18用于将所述第一输入信息、所述第二输入信息输入第一舆情评估模型，其中，所述第一舆情评估模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括所述第一输入信息、所述第二输入信息和标识第一结果的标识信息；
[0098] 第八获得单元19，所述第八获得单元19用于获得所述第一舆情评估模型的第一输出信息，其中，所述第一输出信息包括第一评估结果。
[0099] 进一步的，所述系统还包括：
[0100] 第九获得单元，所述第九获得单元用于获得第三时间，其中，所述第三时间在所述第一发布时间到所述第二时间之内；
[0101] 第十获得单元，所述第十获得单元用于获得所述第一发布时间到所述第三时间的第二浏览量信息；
[0102] 第十一获得单元，所述第十一获得单元用于获得所述第三时间到所述第二时间的第三浏览量信息；
[0103] 第十二获得单元，所述第十二获得单元用于根据所述第一发布时间和所述第三时间获得第二时间差，根据所述第三时间和所述第二时间获得第三时间差；
[0104] 第十三获得单元，所述第十三获得单元用于根据所述第二浏览量信息和所述第二时间差获得第二递增指数，根据所述第三浏览量信息和所述第三时间差获得第三递增指数；
[0105] 第十四获得单元，所述第十四获得单元用于获得所述第二递增指数和所述第三递增指数的平均值，将所述平均值作为第一递增指数。
[0106] 进一步的，所述系统还包括：
[0107] 第十五获得单元，所述第十五获得单元用于获得第一递增指数阈值；
[0108] 第一判断单元，所述第一判断单元用于判断所述第三递增指数是否满足所述第一递增指数阈值；
[0109] 第十六获得单元，所述第十六获得单元用于当所述第三递增指数不满足所述第一递增指数阈值时，获得所述第三时间的第一评论信息；
[0110] 第十七获得单元，所述第十七获得单元用于获得所述第一评论信息的第一敏感词汇信息；
[0111] 第十八获得单元，所述第十八获得单元用于获得所述第一评论信息获得第一账号信息，将所述第一敏感词汇信息作为横坐标，所述第一账号信息作为纵坐标，构建坐标系；
[0112] 第十九获得单元，所述第十九获得单元用于通过逻辑回归模型，基于所述坐标系构建逻辑回归线，通过所述逻辑回归线获得第二评估结果。
[0113] 进一步的，所述系统还包括：
[0114] 第二十获得单元，所述第二十获得单元用于根据所述第一账号信息获得第一用户，其中，所述第一用户为所述第一账号信息的实名认证用户；
[0115] 第二判断单元，所述第二判断单元用于判断所述第一账号信息的登录设备是否为所述第一用户的常用设备，根据所述判断结果获得第一指标；
[0116] 第二十一获得单元，所述第二十一获得单元用于获得所述第一用户的第二账号信息，判断所述第二账号信息是否存在异常汇款，根据所述判断结果获得第二指标；
[0117] 第二十二获得单元，所述第二十二获得单元用于根据所述第一指标、所述第二指标获得第三评估结果。
[0118] 进一步的，所述系统还包括：
[0119] 第二十三获得单元，所述第二十三获得单元用于获得所述第一账号信息的第二文案；
[0120] 第二十四获得单元，所述第二十四获得单元用于对所述第二文案进行语义识别，获得第一语义识别结果；
[0121] 第三判断单元，所述第三判断单元用于根据所述第一语义识别结果判断所述第二文案与所述第一评论信息是否具有第一关联度；
[0122] 第二十五获得单元，所述第二十五获得单元用于当所述第二文案与所述第一评论具有所述第一关联度时，获得第一识别指令；
[0123] 第二十六获得单元，所述第二十六获得单元用于根据所述第一识别指令对所述第一账号信息的发表内容进行识别，获得第一识别结果；
[0124] 第二十七获得单元，所述第二十七获得单元用于获得所述第一账号的第一关注度；
[0125] 第二十八获得单元，所述第二十八获得单元用于将所述第一识别结果和所述第一关注度作为所述第一指标。
[0126] 进一步的，所述系统还包括：
[0127] 第二十九获得单元，所述第二十九获得单元用于通过所述信息接收模块获得第二事件信息，其中，所述第二事件信息与所述第一事件信息具有第二关联度；
[0128] 第三十获得单元，所述第三十获得单元用于根据所述第二事件信息对所述第一文案进行评估，获得第一舆论导向等级；
[0129] 第三十一获得单元，所述第三十一获得单元用于根据所述第一舆论导向等级获得第四评估结果。
[0130] 进一步的，所述系统还包括：
[0131] 第三十二获得单元，所述第三十二获得单元用于获得第一分析指令；
[0132] 第一分析单元，所述第一分析单元用于根据所述第一分析指令对所述第一评估结果、所述第二评估结果、所述第三评估结果、所述第四评估结果进行分析；
[0133] 第三十三获得单元，所述第三十三获得单元用于获得第一分析结果，其中，所述第一分析结果包括第五评估结果。
[0134] 前述图1实施例一中的一种网络舆情的评估方法的各种变化方式和具体实例同样适用于本实施例的一种网络舆情的评估系统，通过前述对一种网络舆情的评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种网络舆情的评估系统的实施方法，所以为了说明书的简洁，在此不再详述。
[0135] 示例性电子设备
[0136] 下面参考图3来描述本申请实施例的电子设备。
[0137] 图3图示了根据本申请实施例的电子设备的结构示意图。
[0138] 基于与前述实施例中一种网络舆情的评估方法的发明构思，本发明还提供一种网络舆情的评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种网络舆情的评估方法的任一方法的步骤。
[0139] 其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器 301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
[0140] 处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
[0141] 本发明实施例提供的一种网络舆情的评估方法，所述方法应用于一网络舆情评估系统，所述网络舆情评估系统与信息接收模块、第一舆情评估模型通信连接，所述方法包括：通过所述信息接收模块获得第一事件信息；对所述第一事件信息进行信息分析，获得第一事件发生时间；获得第一时间差，其中，所述第一时间差为第一文案的第一发布时间与第一事件发生时间的时间差，将所述第一时间差作为第一输入信息；对所述第一文案进行词汇检测，根据所述词汇检测结果获得第一风险等级；获得所述第一文案在第一发布时间到第二时间的第一浏览量，根据所述第一浏览量获得第一递增指数；获得第一评估指令，根据所述第一评估指令对所述第一递增指数进行风险评估，获得第二风险等级；根据所述第一风险等级和所述第二风险等级获得第三风险等级，将所述第三风险等级作为第二输入信息；将所述第一输入信息、所述第二输入信息输入所述第一舆情评估模型，其中，所述第一舆情评估模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括所述第一输入信息、所述第二输入信息和标识第一结果的标识信息；获得所述第一舆情评估模型的第一输出信息，其中，所述第一输出信息包括第一评估结果。解决了现有技术中存在对网络舆情的评估不够智能、准确的技术问题，达到对网络舆情进行智能、准确的评估的技术效果。
[0142] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。
[0143] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
[0144] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0145] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0146] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
