【技術(shù)實現(xiàn)步驟摘要】
本申請涉及網(wǎng)絡信息處理，尤其是涉及輿情信息的風險預測方法、裝置、電子設備及存儲介質(zhì)。
技術(shù)介紹
1、隨著新一代互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，特別是移動互聯(lián)技術(shù)深入人們生活，網(wǎng)絡輿情信息傳播的速度和廣度進一步擴大。對于一般工商企業(yè)來說，在生產(chǎn)經(jīng)營過程中容易由于在合規(guī)、產(chǎn)品質(zhì)量、服務水平等方面產(chǎn)生一定問題，特別是涉及到生產(chǎn)經(jīng)營活動密切的那些負面問題，極易成為網(wǎng)絡負面輿情信息的起源，而涉及企業(yè)的負面網(wǎng)絡輿情信息一旦通過網(wǎng)絡進行擴散，就可能給企業(yè)生產(chǎn)經(jīng)營活動造成損害，并通過影響企業(yè)的償債環(huán)境、償債能力、償債意愿等方面對企業(yè)的信用質(zhì)量水平產(chǎn)生作用。因此，有效評估企業(yè)負面網(wǎng)絡輿情信息對企業(yè)信用風險的影響對企業(yè)來說極其重要；同時，對企業(yè)的交易對手，如企業(yè)的借貸方、企業(yè)的投資人、企業(yè)競爭對手來說，這種分析結(jié)果也是掌握涉事企業(yè)信用質(zhì)量變化的一種重要手段。
2、現(xiàn)階段，利用網(wǎng)絡輿情信息對涉事企業(yè)進行信用風險評價的流程一般為：輿情信息采集→數(shù)據(jù)結(jié)構(gòu)化→專家決策模型處理→結(jié)果反饋至使用者，現(xiàn)有機制中，對專家決策模型存在重度依賴，模型的準確度和普適性均依賴于構(gòu)建模型專家的過往經(jīng)驗和已有水平，雖然能在一定程度上對網(wǎng)絡輿情信息“被擴大”等效應做出預測，但由于參與輿情信息擴散的主體為人，載體為網(wǎng)絡，輿情信息的擴散過程中由于人的意識的不可測性和極大的自由度，使得專家預測變得極其困難，進而不能準確地預測出輿情信息的風險等級。所以，如何提高輿情信息的風險等級確定的準確率成為了不容小覷的計算問題。
技術(shù)實現(xiàn)思路
1、
2、第一方面，本申請實施例提供了一種輿情信息的風險預測方法，所述風險預測方法包括：
3、獲取待評估輿情信息，將所述待評估輿情信息發(fā)布至公有鏈進行傳播，并確定出所述公有鏈中機構(gòu)節(jié)點針對所述待評估輿情信息對應的專家決策結(jié)果；
4、確定所述公有鏈中傳播節(jié)點在瀏覽所述待評估輿情信息之后，對所述待評估輿情信息的傳播者打分結(jié)果；
5、基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果。
6、在一種可能的實施方式中，在所述確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還包括：
7、針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出對所述傳播節(jié)點對應的傳播者的虛擬獎勵。
8、在一種可能的實施方式中，針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出各傳播者對應的虛擬獎勵，包括：
9、計算所述傳播節(jié)點的傳播者打分結(jié)果與所述風險預測結(jié)果之間的偏離度；
10、基于所述傳播節(jié)點的偏離度以及預設獎勵基準值，確定出所述傳播者對應的虛擬獎勵。
11、在一種可能的實施方式中，所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果，包括：
12、基于所述公有鏈中傳播節(jié)點的數(shù)量，調(diào)整傳播者打分權(quán)重以及專家打分權(quán)重；
13、基于調(diào)整后的所述傳播者打分權(quán)重、調(diào)整后的所述專家打分權(quán)重、所述專家決策結(jié)果以及傳播者打分結(jié)果，確定出所述待評估輿情信息對應的風險預測結(jié)果。
14、在一種可能的實施方式中，根據(jù)以下步驟確定出所述專家決策結(jié)果：
15、針對所述公有鏈中任一所述機構(gòu)節(jié)點，基于所述機構(gòu)節(jié)點對應的專家決策模型對所述待評估輿情信息進行打分，確定出專家決策結(jié)果；其中，所述專家決策模型是基于涉事企業(yè)的屬性信息、規(guī)模信息以及行業(yè)信息作為關(guān)鍵變量確定出來的。
16、在一種可能的實施方式中，在所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還包括：
17、針對所述公有鏈中的任一所述傳播節(jié)點，基于所述待評估輿情信息、所述傳播節(jié)點的傳播者打分結(jié)果、傳播者賬戶信息、所述風險預測結(jié)果以及機構(gòu)節(jié)點的賬號信息，生成所述傳播節(jié)點對應的五元組信息；
18、通過私鑰對所述五元組信息進行簽名，將簽名后的所述五元組信息傳播至所述公有鏈；
19、在所述公有鏈中的用戶基于共識算法將所述五元組信息進行記錄后，對所述用戶進行虛擬獎勵。
20、在一種可能的實施方式中，所述確定所述公有鏈中傳播節(jié)點在瀏覽所述待評估輿情信息之后，對所述待評估輿情信息的傳播者打分結(jié)果，包括：
21、當所述傳播節(jié)點對應的傳播者在瀏覽到所述待評估輿情信息之后，獲取在所述傳播節(jié)點對應的打分界面上選擇所述待評估輿情信息相對應的風險程度；
22、基于所述風險程度和預設傳播者打分規(guī)則，確定出所述傳播節(jié)點的傳播者打分結(jié)果。
23、在一種可能的實施方式中，所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果，包括：
24、基于多個所述傳播者打分結(jié)果的平均值與傳播者打分權(quán)重的乘積，確定出第一數(shù)值；
25、基于多個所述專家決策結(jié)果的平均值與所述專家打分權(quán)重的乘積，確定出第二數(shù)值；其中，所述傳播者打分權(quán)重與所述專家打分權(quán)重的之和為1；
26、基于所述第一數(shù)值與所述第二數(shù)值的加和，確定出所述待評估輿情信息對應的風險預測結(jié)果。
27、第二方面，本申請實施例還提供了一種輿情信息的風險預測裝置，所述風險預測裝置包括：
28、確定模塊，用于獲取待評估輿情信息，將所述待評估輿情信息發(fā)布至公有鏈進行傳播，并確定出所述公有鏈中機構(gòu)節(jié)點針對所述待評估輿情信息對應的專家決策結(jié)果；
29、傳播者打分模塊，用于確定所述公有鏈中傳播節(jié)點在瀏覽所述待評估輿情信息之后，對所述待評估輿情信息的傳播者打分結(jié)果；
30、融合模塊，用于基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果。
31、在一種可能的實施方式中，風險預測裝置還可包括獎勵模塊，所述獎勵模塊用于：
32、針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出對所述傳播節(jié)點對應的傳播者的虛擬獎勵。
33、進一步的，所述獎勵模塊在用于針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出各傳播者對應的虛擬獎勵時，所述獎勵模塊具體用于：
34、計算所述傳播節(jié)點的傳播者打分結(jié)果與所述風險預測結(jié)果之間的偏本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種輿情信息的風險預測方法，其特征在于，所述風險預測方法包括：
2.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，在所述確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還包括：
3.根據(jù)權(quán)利要求2所述的風險預測方法，其特征在于，針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出各傳播者對應的虛擬獎勵，包括：
4.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果，包括：
5.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，根據(jù)以下步驟確定出所述專家決策結(jié)果：
6.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，在所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還包括：
7.根據(jù)權(quán)利要求1所述的風險預測
8.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果，包括：
9.一種輿情信息的風險預測裝置，其特征在于，所述風險預測裝置包括：
10.一種電子設備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當電子設備運行時，所述處理器與所述存儲器之間通過所述總線進行通信，所述機器可讀指令被所述處理器運行時執(zhí)行如權(quán)利要求1至8任一所述的輿情信息的風險預測方法的步驟。
11.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器運行時執(zhí)行如權(quán)利要求1至8任一所述的輿情信息的風險預測方法的步驟。
...【技術(shù)特征摘要】
1.一種輿情信息的風險預測方法，其特征在于，所述風險預測方法包括：
2.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，在所述確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還包括：
3.根據(jù)權(quán)利要求2所述的風險預測方法，其特征在于，針對任一所述傳播節(jié)點，基于所述傳播節(jié)點的傳播者打分結(jié)果以及所述風險預測結(jié)果，確定出各傳播者對應的虛擬獎勵，包括：
4.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果，包括：
5.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，根據(jù)以下步驟確定出所述專家決策結(jié)果：
6.根據(jù)權(quán)利要求1所述的風險預測方法，其特征在于，在所述基于所述公有鏈的智能合約中設定的各個節(jié)點的權(quán)重系數(shù)，將所述專家決策結(jié)果以及所述傳播者打分結(jié)果進行融合，確定出所述待評估輿情信息對應的風險預測結(jié)果之后，所述風險預測方法還...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姜超，李學勇，何海清，張皓東，郭正斌，
申請(專利權(quán))人：渤海銀行股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。