一种市民舆情预警分析方法、装置及存储介质与流程

1.本发明涉及大数据分析技术领域，特别是涉及一种市民舆情预警分析方法、装置及存储介质。


背景技术：

2.随着网络信息化的发展，全国各地都在推进政务热线的大数据分析建设，以对市民舆情进行舆情预警。但是，当前的大数据分析建设主要聚焦于基于历史事件的规律性预判，例如根据历史事件信息的时间序列长度，结合地域等信息进行向量特征提取以推测未来可能发生的事件并予以提前告警。这类舆情分析方案的缺点在于对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件无法进行有效的舆情预警。
3.基于此，有必要提供一种能够对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件进行有效的舆情预警的市民舆情预警分析方案。


技术实现要素：

4.基于此，本发明的目的在于提供一种市民舆情预警分析方法、装置及存储介质，用于解决现有技术中的舆情分析模型对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件无法进行有效的舆情预警的问题。
5.第一方面，本发明提供了一种市民舆情预警分析方法，包括：
6.通过大数据获取近期预设时间段内政务热线平台的工单信息；所述工单信息包括：市民提交的投诉工单和举报工单；
7.基于所述工单信息确定出诉求高发人群和诉求高发区域，并对所述诉求高发人群和所述诉求高发区域进行分级舆情预警；
8.对所述工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成所述每个工单对应的舆情事件；所述事件要素包括人、地点、物体、事情和组织；
9.对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；事件类型包括同诉性事件、群诉性事件、苗头性事件和突发性事件；
10.在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警。
11.在一种可能的设计中，基于所述工单信息确定出诉求高发人群和诉求高发区域，包括：
12.基于所述工单信息确定出在第一时间段内投诉举报量大于或等于第一阈值的若干个市民，获得所述诉求高发人群，以及确定出投诉举报量大于或等于第二阈值的若干个区域，将所述若干个区域中的任一区域作为所述诉求高发区域；所述第一时间段为或者位于所述近期预设时间段内。
13.在一种可能的设计中，对所述诉求高发人群和所述诉求高发区域进行分级舆情预警，包括：
14.将所述诉求高发人群的名单更新至所述政务热线平台，通过所述政务热线平台将所述诉求高发人群按照投诉举报量划分不同等级的若干个诉求高发人群子群，再对所述若干个诉求高发人群子群进行分级舆情预警；
15.监测到所述诉求高发区域产生新的投诉工单或举报工单时，计算出所述诉求高发区域在第二时间段内的投诉举报量的环比增幅，再基于所述环比增幅对所述诉求高发区域进行分级舆情预警；所述第二时间段位于所述近期预设时间段内。
16.在一种可能的设计中，对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型，包括：
17.从所述诉求高发人群的角度出发，按照同一人对不同诉求的集中提交或者规律性提交，对所述每个工单对应的舆情事件进行分析，构建所述同诉性事件对应的舆情预警模型；
18.按照一事多诉或者多人同诉方式对所述每个工单对应的舆情事件进行分析，构建所述群诉性事件对应的舆情预警模型；
19.对所述每个工单对应的舆情事件进行分析，挖掘出所述每个工单对应的地点、组织和舆情事件，再统计出并根据具有苗头上升趋势的地点、组织和舆情事件，构建苗头性事件对应的舆情预警模型；
20.对所述每个工单对应的舆情事件进行分析，挖掘出突发性事件对应的目标关键词，按照事件类型和关键词方式构建所述突发性事件对应的舆情预警模型。
21.在一种可能的设计中，所述同诉性事件对应的舆情预警模型包括：一人同诉舆情预警模型和高发人投诉量舆情预警模型；
22.在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：
23.在基于所述一人同诉舆情预警模型监控到在第三时间段内，由同一个市民反复上报第一舆情事件对应的投诉举报量大于或等于第三阈值时，触发对所述第一舆情事件进行舆情预警；所述第三时间段位于所述近期预设时间段内；
24.或者，在基于所述高发人投诉量预警模型监控到在第四时间段内，属于所述诉求高发人群提交的工单业务占比大于或等于第四阈值时，对所述工单业务对应的舆情事件进行预警；所述第四时间段位于所述近期预设时间段内。
25.在一种可能的设计中，所述群诉性事件对应的舆情预警模型包括：一事多诉舆情预警模型和多人同诉舆情预警模型；
26.在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：
27.在基于所述一事多诉舆情预警模型监控到在第五时间段内，针对第二舆情事件对应的投诉举报量大于或等于第五阈值时，触发对所述第二舆情事件进行舆情预警；所述第五时间段位于所述近期预设时间段内；
28.或者，在基于所述多人同诉舆情预警模型监控到在第六时间段内，由多个市民针对第三舆情事件上报的投诉举报量总和大于或等于第六阈值时，触发对所述第三舆情事件进行舆情预警；所述第六时间段位于所述近期预设时间段内。
29.在一种可能的设计中，所述苗头性事件对应的舆情预警模型包括：苗头地点舆情
预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型；
30.在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：
31.在基于所述苗头地点舆情预警模型监控到在第七时间段内，发生在苗头地点的第四舆情事件对应的投诉举报量大于或等于第七阈值时，触发对所述第四舆情事件进行舆情预警；所述第七时间段位于所述近期预设时间段内；
32.或者，在基于所述苗头组织机构舆情预警模型监控到在第八时间段内，发生在苗头组织机构的第五舆情事件对应的投诉举报量大于或等于第八阈值时，触发对所述第五舆情事件进行舆情预警；所述第八时间段位于所述近期预设时间段内；
33.或者，在基于所述苗头事件舆情预警模型监控到在第九时间段内，具有苗头上升趋势的第六舆情事件对应的投诉举报量大于或等于第九阈值时，触发对所述第六舆情事件进行舆情预警；所述第九时间段位于所述近期预设时间段内。
34.在一种可能的设计中，所述突发性事件对应的舆情预警模型包括：事件类型舆情预警模型和关键词触发社会弱信号舆情预警模型；
35.在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：
36.在基于所述事件类型舆情预警模型监控到在第十时间段内，属于突发性事件的舆情事件对应的投诉举报量大于或等于第十阈值时，触发对属于突发性事件的任一舆情事件进行舆情预警；所述第十时间段位于所述近期预设时间段内；
37.或者，在基于所述关键词触发社会弱信号舆情预警模型监控到在第十一时间段内，检测到包含所述目标关键词的第七舆情事件对应的投诉举报量大于或等于第十一阈值时，触发对所述第七舆情事件进行舆情预警；所述第十一时间段位于所述近期预设时间段内。
38.第三方面，本发明还提供了一种计算机装置，包括：
39.接收单元，用于通过大数据获取近期预设时间段内政务热线平台的工单信息；所述工单信息包括：市民提交的投诉工单和举报工单；
40.预警单元，用于基于所述工单信息确定出诉求高发人群和诉求高发区域，并对所述诉求高发人群和所述诉求高发区域进行分级舆情预警；
41.抽取单元，用于对所述工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成所述每个工单对应的舆情事件；所述事件要素包括人、地点、物体、事情和组织；
42.所述预警单元，还用于对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；事件类型包括同诉性事件、群诉性事件、苗头性事件和突发性事件；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警。
43.在一种可能的设计中，所述预警单元具体用于：
44.基于所述工单信息确定出在第一时间段内投诉举报量大于或等于第一阈值的若干个市民，获得所述诉求高发人群，以及确定出投诉举报量大于或等于第二阈值的若干个区域，将所述若干个区域中的任一区域作为所述诉求高发区域；所述第一时间段为或者位
于所述近期预设时间段内。
45.在一种可能的设计中，所述预警单元具体用于：
46.将所述诉求高发人群的名单更新至所述政务热线平台，通过所述政务热线平台将所述诉求高发人群按照投诉举报量划分不同等级的若干个诉求高发人群子群，再对所述若干个诉求高发人群子群进行分级舆情预警；
47.监测到所述诉求高发区域产生新的投诉工单或举报工单时，计算出所述诉求高发区域在第二时间段内的投诉举报量的环比增幅，再基于所述环比增幅对所述诉求高发区域进行分级舆情预警；所述第二时间段位于所述近期预设时间段内。
48.在一种可能的设计中，所述预警单元具体用于：
49.从所述诉求高发人群的角度出发，按照同一人对不同诉求的集中提交或者规律性提交，对所述每个工单对应的舆情事件进行分析，构建所述同诉性事件对应的舆情预警模型；
50.按照一事多诉或者多人同诉方式对所述每个工单对应的舆情事件进行分析，构建所述群诉性事件对应的舆情预警模型；
51.对所述每个工单对应的舆情事件进行分析，挖掘出所述每个工单对应的地点、组织和舆情事件，再统计出并根据具有苗头上升趋势的地点、组织和舆情事件，构建苗头性事件对应的舆情预警模型；
52.对所述每个工单对应的舆情事件进行分析，挖掘出突发性事件对应的目标关键词，按照事件类型和关键词方式构建所述突发性事件对应的舆情预警模型。
53.在一种可能的设计中，所述同诉性事件对应的舆情预警模型包括：一人同诉舆情预警模型和高发人投诉量舆情预警模型；所述预警单元具体用于：
54.在基于所述一人同诉舆情预警模型监控到在第三时间段内，由同一个市民反复上报第一舆情事件对应的投诉举报量大于或等于第三阈值时，触发对所述第一舆情事件进行舆情预警；所述第三时间段位于所述近期预设时间段内；
55.或者，在基于所述高发人投诉量预警模型监控到在第四时间段内，属于所述诉求高发人群提交的工单业务占比大于或等于第四阈值时，对所述工单业务对应的舆情事件进行预警；所述第四时间段位于所述近期预设时间段内。
56.在一种可能的设计中，所述群诉性事件对应的舆情预警模型包括：一事多诉舆情预警模型和多人同诉舆情预警模型；所述预警单元具体用于：
57.在基于所述一事多诉舆情预警模型监控到在第五时间段内，针对第二舆情事件对应的投诉举报量大于或等于第五阈值时，触发对所述第二舆情事件进行舆情预警；所述第五时间段位于所述近期预设时间段内；
58.或者，在基于所述多人同诉舆情预警模型监控到在第六时间段内，由多个市民针对第三舆情事件上报的投诉举报量总和大于或等于第六阈值时，触发对所述第三舆情事件进行舆情预警；所述第六时间段位于所述近期预设时间段内。
59.在一种可能的设计中，所述苗头性事件对应的舆情预警模型包括：苗头地点舆情预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型；所述预警单元具体用于：
60.在基于所述苗头地点舆情预警模型监控到在第七时间段内，发生在苗头地点的第四舆情事件对应的投诉举报量大于或等于第七阈值时，触发对所述第四舆情事件进行舆情
预警；所述第七时间段位于所述近期预设时间段内；
61.或者，在基于所述苗头组织机构舆情预警模型监控到在第八时间段内，发生在苗头组织机构的第五舆情事件对应的投诉举报量大于或等于第八阈值时，触发对所述第五舆情事件进行舆情预警；所述第八时间段位于所述近期预设时间段内；
62.或者，在基于所述苗头事件舆情预警模型监控到在第九时间段内，具有苗头上升趋势的第六舆情事件对应的投诉举报量大于或等于第九阈值时，触发对所述第六舆情事件进行舆情预警；所述第九时间段位于所述近期预设时间段内。
63.在一种可能的设计中，所述突发性事件对应的舆情预警模型包括：事件类型舆情预警模型和关键词触发社会弱信号舆情预警模型；所述预警单元具体用于：
64.在基于所述事件类型舆情预警模型监控到在第十时间段内，属于突发性事件的舆情事件对应的投诉举报量大于或等于第十阈值时，触发对属于突发性事件的任一舆情事件进行舆情预警；所述第十时间段位于所述近期预设时间段内；
65.或者，在基于所述关键词触发社会弱信号舆情预警模型监控到在第十一时间段内，检测到包含所述目标关键词的第七舆情事件对应的投诉举报量大于或等于第十一阈值时，触发对所述第七舆情事件进行舆情预警；所述第十一时间段位于所述近期预设时间段内。
66.第三方面，本发明还提供了一种计算机装置，包括：至少一个存储器和至少一个处理器；
67.所述至少一个存储器用于存储一个或多个程序；
68.当所述一个或多个程序被所述至少一个处理器执行时，实现上述第一方面任一种可能设计所涉及的方法。
69.第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个程序；当所述至少一个程序被处理器执行时，实现上述第一方面任一种可能设计所涉及的方法。
70.本发明的有益效果如下：
71.本发明通过大数据获取近期预设时间段内政务热线平台的工单信息，可以充分利用大数据分析技术，对政务热线平台的工单信息进行社情民意的实时监测和挖掘分析，有助于及时对市民关注的热点问题和突发事件进行舆情预警分析；进一步的，通过基于工单信息确定出诉求高发人群和诉求高发区域，并对诉求高发人群和诉求高发区域进行分级舆情预警，可以方便为城市管理部门对不同等级的诉求高发区域进行评估并制定相应的应急处理方案，做到提前预防，主动应对；进一步的，通过对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件，可以方便将无规律的事件转变为有规律的事件变化，从而能够对无规律等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估；进一步的，通过对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型，可以方便根据事件不同的特质进行舆情预警，从而能够对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估；进一步的，通过在基于舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对每种事件类型对应的舆情事件进行舆情预警，从而可以基于当下
正在发生的舆情事件进行分析建模及时对热点问题和突发性事件进行舆情预警分析，为城市管理部门提供辅助决策的数据依据，做到提前预防，主动应对。
72.综上，相较于现有技术中的关注规律性推断预警的方案而言，本发明提供的技术方案能够给予实时在线反馈当前发生舆情预警的舆情事件。以及，相较于现有技术中的基于大量数据形成的规律进行预警而言，本发明提供的技术方案能够同步兼顾零星数据的社会弱信号，可以有效解决危机群众生命安全或者财产重大损失的个案舆情预警难题。
73.为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
74.图1为本发明提供的一种市民舆情预警分析方法的流程示意图；
75.图2为本发明提供的一种计算装置的结构示意图；
76.图3为本发明提供的另一种计算装置的结构示意图。
具体实施方式
77.以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与本发明的一些方面相一致的实施方式的例子。
78.在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本说明书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
79.除非有相反的说明，本说明书中提及的“第一”、“第二”等序数词用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。
80.下面将结合附图对本发明提供的技术方案进行详细的介绍。
81.请参考图1所示，本发明提供的市民舆情预警分析方法，可以包括如下步骤：
82.s11、通过大数据获取近期预设时间段内政务热线平台的工单信息。
83.在具体实施时，该工单信息可以包括但不限于：市民提交的投诉工单和举报工单。示例性的，投诉工单与举报工单可以为市民针对当下或者近期发生过的舆情事件进行诉求而填写的工单。
84.作为一种示例，市民可以通过传统话务、5g视频、在线坐席、微信小程序、网站、人民网等不同渠道向政务热线平台提交相应的工单。
85.在具体实施时，该近期预设时间段可以根据实际需求进行设置，如设置为包含当天在内的过去半年。
86.在本发明中，通过大数据获取近期预设时间段内政务热线平台的工单信息，可以充分利用大数据分析技术，对政务热线平台的工单信息进行社情民意的实时监测和挖掘分析，有助于及时对市民关注的热点问题和突发事件进行舆情预警分析。
87.s12、基于工单信息确定出诉求高发人群和诉求高发区域，并对诉求高发人群和诉求高发区域进行分级舆情预警。
88.在具体实施时，可以基于工单信息确定出在第一时间段内投诉举报量大于或等于第一阈值的若干个市民，获得诉求高发人群，以及确定出投诉举报量大于或等于第二阈值
的若干个区域，将若干个区域中的任一区域作为诉求高发区域。其中，诉求高发人群可以理解为由这若干个市民组成的集群。
89.示例性的，可以先基于工单信息确定出每个市民对应的投诉工单和举报工单，然后筛选出投诉举报量大于或等于第一阈值的若干个市民，即可获得诉求高发人群。还可以先基于工单信息确定出每个区域对应的投诉工单和举报工单，然后筛选出投诉举报量大于或等于第二阈值的若干个区域，即可获得若干个诉求高发区域。
90.应理解，上述所涉及的投诉举报量等于投诉工单量和举报工单量的总和。上述所涉及的区域可以为小区、街区、城区等。
91.在具体实施时，第一时间段可以为或者位于上述近期预设时间段内。其中，第一时间段、第一阈值和第二阈值可以根据实际需求进行设置，本发明对此不作限定。例如，第一时间段可以设置为包含当天在内的半年，第一阈值可以设置为15，第二阈值可以设置为500。
92.在具体实施时，可以将上述诉求高发人群的名单更新至政务热线平台，比如，可以按照每天的频率将诉求高发人群的名单更新至政务热线平台。然后，通过政务热线平台将诉求高发人群按照投诉举报量划分不同等级的若干个诉求高发人群子群，再对若干个诉求高发人群子群进行分级舆情预警，从而可以方便为城市管理部门对不同等级的诉求高发人群子群进行评估并制定相应的应急处理方案，做到提前预防，主动应对。
93.示例性的，以第一阈值设置为15为例，诉求高发人群的分级可以参照下述表1。
94.表1
[0095][0096]
在具体实施时，监测到诉求高发区域产生新的投诉工单或举报工单时，计算出诉求高发区域在第二时间段内的投诉举报量的环比增幅，再基于该环比增幅对诉求高发区域进行分级舆情预警。
[0097]
作为一种示例，基于环比增幅对诉求高发区域进行分级舆情预警可以参考如下：
[0098]
当环比增幅》20％时，发出四级舆情预警；
[0099]
当环比增幅》50％时，发出三级舆情预警；
[0100]
当环比增幅》80％时，发出二级舆情预警；
[0101]
当环比增幅》100％时，发出一级舆情预警；
[0102]
其中，可以设置每个诉求高发区域同一等级舆情预警只出发一次/天。
[0103]
在具体实施时，第二时间段位于上述近期预设时间段内。其中，第二时间段可以根据实际需求进行设置，本发明对此不作限定。比如，第二时间段可以设置为包含当天在内的
过去7天。
[0104]
在本发明中，通过对诉求高发区域进行分级舆情预警，可以方便为城市管理部门对不同等级的诉求高发区域进行评估并制定相应的应急处理方案，做到提前预防，主动应对。
[0105]
s13、对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件。
[0106]
在具体实施时，事件要素可以包括但不限于：人、地点、物体、事情和组织。
[0107]
作为一种示例，事件要素可以表示为如下：
[0108]
人：来电市民；
[0109]
地点：地区、街区、点位；
[0110]
物体：住房；
[0111]
事情：问题清单与分类；
[0112]
组织：企业、小区等。
[0113]
在本发明中，通过对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件，可以方便将无规律的事件转变为有规律的事件变化，从而能够对无规律等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估。
[0114]
s14、对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型。
[0115]
在具体实施时，事件类型可以包括但不限于：同诉性事件、群诉性事件、苗头性事件和突发性事件。
[0116]
示例性的，可以先确定每个工单对应的舆情事件的事件类型，再统计出工单信息中所包含的不同事件类型，即可获得不同舆情事件对应的事件类型。
[0117]
在具体实施时，可以对每个工单对应的舆情事件进行分析，以针对性地对不同事件类型构建相应的舆情预警模型。比如：
[0118]
对于同诉性事件，可以从诉求高发人群的角度出发，按照同一人对不同诉求的集中提交或者规律性提交，对每个工单对应的舆情事件进行分析，构建同诉性事件对应的舆情预警模型。
[0119]
例如，可以按照同一人对不同诉求的集中提交对每个工单对应的舆情事件进行分析，构建同诉性事件对应的舆情预警模型为一人同诉舆情预警模型；以及，按照同一人对不同诉求的规律性提交，对每个工单对应的舆情事件进行分析，构建同诉性事件对应的舆情预警模型为高发人投诉量舆情预警模型。可以理解为，同诉性事件对应的舆情预警模型包括：一人同诉舆情预警模型和高发人投诉量舆情预警模型。
[0120]
对于群诉性事件，可以按照一事多诉或者多人同诉方式对每个工单对应的舆情事件进行分析，构建群诉性事件对应的舆情预警模型。
[0121]
例如，考虑到工单业务上对一事多诉类重点问题的及时发现及处置诉求，可以按照一事多诉方式对每个工单对应的舆情事件进行分析，构建群诉性事件对应的舆情预警模型为一事多诉舆情预警模型；以及，考虑到工单业务上对多人同诉类重点问题的及时发现及处置诉求，可以按照多人同诉方式对每个工单对应的舆情事件进行分析，构建群诉性事
件对应的舆情预警模型为多人同诉舆情预警模型。可以理解为，群诉性事件对应的舆情预警模型包括：一事多诉舆情预警模型和多人同诉舆情预警模型。
[0122]
对于苗头性事件，可以对每个工单对应的舆情事件进行分析，挖掘出每个工单对应的地点、组织和舆情事件，再统计出并根据具有苗头上升趋势的地点、组织和舆情事件，构建苗头性事件对应的舆情预警模型。
[0123]
例如，可以对每个工单对应的舆情事件进行分析，通过现有的挖掘算法挖掘出每个工单对应的地点、组织和舆情事件，再根据每个工单对应的地点、组织和舆情事件，统计出具有苗头上升趋势的地点、组织和舆情事件，分别构建苗头性事件对应的舆情预警模型为苗头地点舆情预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型。可以理解为，苗头性事件对应的舆情预警模型包括：苗头地点舆情预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型。
[0124]
对于突发性事件，可以对每个工单对应的舆情事件进行分析，挖掘出突发性事件对应的关键词，按照事件类型和关键词方式构建突发性事件对应的舆情预警模型。
[0125]
例如，可以直接按照事件类型构建突发性事件对应的舆情预警模型为事件类型舆情预警模型，以及按照挖掘出的目标关键词，构建突发性事件对应的舆情预警模型为关键词触发社会弱信号舆情预警模型。可以理解为，突发性事件对应的舆情预警模型包括：事件类型舆情预警模型和关键词触发社会弱信号舆情预警模型。
[0126]
由于事件舆情预警相对于人群和区域都会因为事件的诉求量、性质、重要性等原因导致无法很清晰的直接给出单一定义，基于这个现状，本发明通过对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型，可以方便根据事件不同的特质进行舆情预警，从而能够对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估。
[0127]
可以理解为，本发明通过根据事件不同的特质以基于群诉性事件、同诉性事件、苗头性事件和突发性事件为基本大类进行舆情预警分析。
[0128]
s15、在基于舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对每种事件类型对应的投诉工单或举报工单进行舆情预警。
[0129]
在具体实施时，对于同诉性事件，在基于一人同诉舆情预警模型监控到在第三时间段内，由同一个市民反复上报第一舆情事件对应的投诉举报量大于或等于第三阈值时，触发对第一舆情事件进行舆情预警；或者，在基于高发人投诉量预警模型监控到在第四时间段内，属于诉求高发人群提交的工单业务占比大于或等于第四阈值时，对工单业务对应的舆情事件进行预警。
[0130]
其中，第三时间段和第四时间段位于上述近期预设时间段内。第三时间段和第四时间段可以根据实际需求进行设置，在实施时，第三时间段和第四时间段可以设置相同，也可以设置不同，本发明对此不作限定。例如，第三时间段、第四时间段可以设置为包含当天在内的过去7天。
[0131]
其中，第三阈值和第四阈值可以根据实际需求进行设置，本发明对此不作限定。例如，第三阈值可以设置为3，第四阈值可以设置为3％。
[0132]
在具体实施时，对于群诉性事件，在基于一事多诉舆情预警模型监控到在第五时间段内，针对第二舆情事件对应的投诉举报量大于或等于第五阈值时，触发对第二舆情事
件进行舆情预警；或者，在基于多人同诉舆情预警模型监控到在第六时间段内，由多个市民针对第三舆情事件上报的投诉举报量总和大于或等于第六阈值时，触发对第三舆情事件进行舆情预警。
[0133]
其中，第五时间段和第六时间段位于上述近期预设时间段内。第五时间段和第六时间段可以根据实际需求进行设置，本发明对此不作限定。例如，第五时间段可以设置为包含当天在内的过去30天，第六时间段可以设置为包含当天在内的过去7天。
[0134]
其中，第五阈值和第六阈值可以根据实际需求进行设置，在实施时，第五阈值和第六阈值可以设置相同，也可以设置不同，本发明对此不作限定。例如，第五阈值、第六阈值可以设置为3。
[0135]
在具体实施时，针对苗头性事件，在基于苗头地点舆情预警模型监控到在第七时间段内，发生在苗头地点的第四舆情事件对应的投诉举报量大于或等于第七阈值时，触发对第四舆情事件进行舆情预警；或者，在基于苗头组织机构舆情预警模型监控到在第八时间段内，发生在苗头组织机构的第五舆情事件对应的投诉举报量大于或等于第八阈值时，触发对第五舆情事件进行舆情预警；或者，在基于苗头事件舆情预警模型监控到在第九时间段内，具有苗头上升趋势的第六舆情事件对应的投诉举报量大于或等于第九阈值时，触发对第六舆情事件进行舆情预警。
[0136]
其中，第七时间段、第八时间段和第九时间段位于上述近期预设时间段内。第七时间段、第八时间段和第九时间段可以根据实际需求进行设置，在实施时，第七时间段、第八时间段和第九时间段可以设置相同，也可以设置不同，本发明对此不作限定。例如，第七时间段、第八时间段和第九时间段可以设置为包含当天在内的过去1天，即包含当天以及昨天。
[0137]
其中，第七阈值、第八阈值和第九阈值可以根据实际需求进行设置，本发明对此不作限定。例如，第七阈值可以设置为10，第八阈值可以设置为前一天的1.5倍、且大于或等于10，第九阈值可以位置为前一天的1.5倍、且大于或等于10。
[0138]
作为一种示例，认为有苗头上升趋势的苗头地点(也可以称为地理位置)就是重点区域，其中苗头地点为算法挖掘出的热点区域，且有苗头上升趋势才会被苗头地点舆情预警模型预警出来。其中，苗头地点可以设置默认按照天级别分析是否有苗头上升趋势，即后一天较前一天数量2有显著增长才认为有苗头上升趋势，显著增长体现于后一天较前一天的数量比值大于或等于第七阈值即可。其中，苗头上升趋势可以理解为在一段时间范围内，该苗头地点关联的数据库中历史工单数量需大于或等于一个设定的阈值。
[0139]
其中，苗头组织机构的设置与苗头地点的设置相同或者类似，在此不再赘述。即认为有苗头上升趋势的组织机构就是重点组织机构，其中，苗头组织机构为采用现有算法挖掘出的热门组织机构，且有苗头上升趋势才会被苗头组织机构舆情预警模型预警出来。
[0140]
作为一种示例，认为有苗头上升趋势的舆情事件就是苗头性事件。苗头事件舆情预警模型可以采用如下两种方案中的一种挖掘出苗头性事件，以避免出现“重复告警”问题，给业务侧带来负担：
[0141]
第一种方案，采用nlp算法挖掘出的城市生活和城市部门热词且有苗头上升趋势的事件，确定其为苗头性事件。该方案不依赖于工单的分类体系。
[0142]
第二种方案，利用工单数据库中的工单对应的事件类型字段来计算是否有苗头上
升趋势，来确定出苗头性事件。
[0143]
在具体实施时，针对突发性事件，在基于事件类型舆情预警模型监控到在第十时间段内，属于突发性事件的舆情事件对应的投诉举报量大于或等于第十阈值时，触发对属于突发性事件的任一舆情事件进行舆情预警；或者，在基于关键词触发社会弱信号舆情预警模型监控到在第十一时间段内，检测到包含目标关键词的第七舆情事件对应的投诉举报量大于或等于第十一阈值时，触发对第七舆情事件进行舆情预警。
[0144]
其中，第十时间段和第十一时间段位于上述近期预设时间段内。第十时间段和第十一时间段可以根据实际需求进行设置，在实施时，第十时间段和第十一时间段可以设置相同，也可以设置不同，本发明对此不作限定。例如，第十时间段和第十一时间段可以设置为当前的近一个小时。
[0145]
其中，第十阈值和第十一阈值可以根据实际需求进行设置，在实施时，第十阈值和第十一阈值可以设置相同，也可以设置不同，本发明对此不作限定。例如，第十阈值和第十一阈值可以设置为1。
[0146]
作为一种示例，可以基于事件类型舆情预警模型对工单数据库中位于第十时间段内的工单进行监测，在事件类型属于突发性事件的投诉举报量大于或等于第十阈值时，将该事件类型属于突发性事件的工单即投诉工单或举报工单预警出来。作为一种示例，可以将这类工单的预警类型设置为突发性事件预警。
[0147]
作为一种示例，可以建议监测关键词库。基于关键词触发社会弱信号舆情预警模型针对工单数据库中全量的工单做如下判断：工单内容文本("市民来电反映...")或工单title(“咨询住房公积金问题”)中命中了[关键词库]中的关键词，即可及时触发对突发性事件进行预警。
[0148]
通过以上描述，可以理解为，本发明通过建立一套完整的“社情民意洞察预警指数(spowi)体系”，以从诉求高发人群、诉求高发区域和预警事件三个大维度分类进行舆情预警，从而可以从多角度、多层面分析，对突发性事件、苗头性事件进行有效的舆情预警。
[0149]
下面将提供本发明的技术方案在不同场景下的应用示例，以方便本领域技术人员理解。
[0150]
一、拖欠工资场景的应用示例。
[0151]
拖欠工资是市民热线年底经常遇到的一个热点诉求，且对普通百姓影响比较大，需要部门快速定位到拖欠薪资的企业，以便快速解决相关问题避免发送群体性事件。
[0152]
1.1、多人同诉舆情预警模型
[0153]
时间范围(第六时间段)：近7天；
[0154]
触发阈值(第六阈值)：10；
[0155]
在该场景下，多人同诉舆情预警是指一段时间范围即第六时间段内，由多个号码即多个市民反复上报同一个主体下拖欠工资，且数量大于或等于一定阈值即第六阈值时，被多人同诉舆情预警模型检测出并进行舆情预警。
[0156]
其中，可以设置连续5次触发舆情预警则判定为严重事件，发送橙色督办信号，连续8次触发舆情预警则判定为重大事件，发送红色特急督办信号。
[0157]
1.2、一人同诉舆情预警模型
[0158]
时间范围(第三时间段)：近7天
[0159]
触发阈值(第三阈值)：3；
[0160]
在该场景下，一人同诉舆情预警是指在一段时间范围即第三时间段内，由同一号码反复上报一件事，且数量大于或等于一定阈值即第三阈值时被一人同诉舆情预警模型检测出并进行舆情预警。
[0161]
其中，可以设置连续5次触发舆情预警则判定为严重事件，发送橙色督办信号，以及连续8次触发舆情预警则判定为重大事件，发送红色特急督办信号。
[0162]
二、教育场景的应用示例。
[0163]
教育问题是社会中各家长主要关心的问题之一，占据每年民生热点，因此基于预警模型打造教育预警场景实例对提示市民热线服务质量有极高的现实意义。
[0164]
2.1、多人同诉舆情预警模型
[0165]
时间范围(第六时间段)：近7天；
[0166]
触发阈值(第六阈值)：10；
[0167]
在该场景下，多人同诉舆情预警是指一段时间范围即第六时间段内，由多个号码即多个市民反复上报同一个主体或区域的教育诉求，且数量大于或等于一定阈值即第六阈值时被多人同诉舆情预警模型检测出并舆情预警。
[0168]
其中，可以设置连续5次触发舆情预警则判定为严重事件，发送橙色督办信号，以及连续8次触发舆情预警则判定为重大事件，发送红色特急督办信号。
[0169]
2.2、一人同诉舆情预警模型
[0170]
时间范围(第三时间段)：近7天；
[0171]
触发阈值(第三阈值)：3；
[0172]
在该场景下，一人同诉舆情预警是指在一段时间范围即第三时间段内，由同一号码反复上报一件事，且数量大于或等于一定阈值即第三阈值时被一人同诉舆情预警模型检测出并进行舆情预警。
[0173]
其中，可以设置连续5次触发舆情预警则判定为严重事件，发送橙色督办信号，以及连续8次触发舆情预警则判定为重大事件，发送红色特急督办信号。
[0174]
三、血透医疗预警(社会弱信号)场景的应用示例。
[0175]
市民在遇到需要做血透等紧急医疗需求时拨打12345电话，可能只有一次拨打的机会，如若未能及时引起重视，对百姓将造成极大的影响，因此，社会血透医疗类的社会弱信号预警主要以血透、救命等关键词模型进行舆情预警。
[0176]
时间范围(第十一时间段)：近一小时；
[0177]
触发阈值(第十一阈值)：1；
[0178]
监测关键词：建立监测关键词库。
[0179]
在该场景下，对社会弱信号进行舆情预警是指针对工单数据库中全量的工单做如下判断：工单内容文本("血透")或工单title(“救命”)中命中了[关键词库]中的关键词，即可及时触发对突发性事件进行舆情预警。
[0180]
通过以上描述可知，在本发明提供的技术方案中，通过大数据获取近期预设时间段内政务热线平台的工单信息，可以充分利用大数据分析技术，对政务热线平台的工单信息进行社情民意的实时监测和挖掘分析，有助于及时对市民关注的热点问题和突发事件进行舆情预警分析；进一步的，通过基于工单信息确定出诉求高发人群和诉求高发区域，并对
诉求高发人群和诉求高发区域进行分级舆情预警，可以方便为城市管理部门对不同等级的诉求高发区域进行评估并制定相应的应急处理方案，做到提前预防，主动应对；进一步的，通过对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件，可以方便将无规律的事件转变为有规律的事件变化，从而能够对无规律等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估；进一步的，通过对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型，可以方便根据事件不同的特质进行舆情预警，从而能够对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件进行有效的舆情预警，有助于后期对舆情事件的发展趋势进行有效的评估；进一步的，通过在基于舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对每种事件类型对应的舆情事件进行舆情预警，从而可以基于当下正在发生的舆情事件进行分析建模及时对热点问题和突发性事件进行舆情预警分析，为城市管理部门提供辅助决策的数据依据，做到提前预防，主动应对。
[0181]
综上，相较于现有技术中的关注规律性推断预警的方案而言，本发明提供的技术方案能够给予实时在线反馈当前发生舆情预警的舆情事件。以及，相较于现有技术中的基于大量数据形成的规律进行预警而言，本发明提供的技术方案能够同步兼顾零星数据的社会弱信号，可以有效解决危机群众生命安全或者财产重大损失的个案舆情预警难题。
[0182]
作为一种示例，通过采用本发明的技术方案，可以为相应的城市管理部门提供如下帮助：
[0183]
a、变被动服务为主动服务。
[0184]
通过充分利用大数据分析技术，对海量热线数据进行社情民意的实时监测和挖掘分析，及时反映城市服务的痛点、市民诉求热点，对同类事件诉求的突发进行热度判断，及时预警热点事件、突发事件，以支撑相应城市管理部门能够尽早调动资源、启动预案，为上级领导及部门施政决策提供有力支撑。
[0185]
同时，能够综合分析群众诉求，了解群众关注焦点，变被动服务为主动服务，及时推送最新政策、热点资讯，减轻热线的话务压力，提升政府工作效率，优化营商环境。
[0186]
b、汇集数据，理清逻辑。
[0187]
梳理政务热线从诉求提交、受理、派转、处理、反馈、评价完整的全流程数据，汇集数据，理清数据内在逻辑关联。
[0188]
c、智能分析，辅助决策。
[0189]
充分利用大数据分析功能，对生产数据进行智能判断与分析，及时预警提示。
[0190]
基于同一发明构思，本发明实施例还提供了一种计算机装置，如图2所示，计算机装置可以包括：
[0191]
接收单元21，用于通过大数据获取近期预设时间段内政务热线平台的工单信息；工单信息包括：市民提交的投诉工单和举报工单；
[0192]
预警单元22，用于基于工单信息确定出诉求高发人群和诉求高发区域，并对诉求高发人群和诉求高发区域进行分级舆情预警；
[0193]
抽取单元23，用于对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件；事件要素包括人、地点、物体、事情和组织；
[0194]
预警单元22，还用于对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；事件类型包括同诉性事件、群诉性事件、苗头性事件和突发性事件；在基于舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对每种事件类型对应的舆情事件进行舆情预警。
[0195]
在一种可能的设计中，预警单元22具体用于：
[0196]
基于工单信息确定出在第一时间段内投诉举报量大于或等于第一阈值的若干个市民，获得诉求高发人群，以及确定出投诉举报量大于或等于第二阈值的若干个区域，将若干个区域中的任一区域作为诉求高发区域；第一时间段为或者位于近期预设时间段内。
[0197]
在一种可能的设计中，预警单元22具体用于：
[0198]
将诉求高发人群的名单更新至政务热线平台，通过政务热线平台将诉求高发人群按照投诉举报量划分不同等级的若干个诉求高发人群子群，再对若干个诉求高发人群子群进行分级舆情预警；
[0199]
监测到诉求高发区域产生新的投诉工单或举报工单时，计算出诉求高发区域在第二时间段内的投诉举报量的环比增幅，再基于环比增幅对诉求高发区域进行分级舆情预警；第二时间段位于近期预设时间段内。
[0200]
在一种可能的设计中，预警单元22具体用于：
[0201]
从诉求高发人群的角度出发，按照同一人对不同诉求的集中提交或者规律性提交，对每个工单对应的舆情事件进行分析，构建同诉性事件对应的舆情预警模型；
[0202]
按照一事多诉或者多人同诉方式对每个工单对应的舆情事件进行分析，构建群诉性事件对应的舆情预警模型；
[0203]
对每个工单对应的舆情事件进行分析，挖掘出每个工单对应的地点、组织和舆情事件，再统计出并根据具有苗头上升趋势的地点、组织和舆情事件，构建苗头性事件对应的舆情预警模型；
[0204]
对每个工单对应的舆情事件进行分析，挖掘出突发性事件对应的目标关键词，按照事件类型和关键词方式构建突发性事件对应的舆情预警模型。
[0205]
在一种可能的设计中，同诉性事件对应的舆情预警模型包括：一人同诉舆情预警模型和高发人投诉量舆情预警模型；预警单元22具体用于：
[0206]
在基于一人同诉舆情预警模型监控到在第三时间段内，由同一个市民反复上报第一舆情事件对应的投诉举报量大于或等于第三阈值时，触发对第一舆情事件进行舆情预警；第三时间段位于近期预设时间段内；
[0207]
或者，在基于高发人投诉量预警模型监控到在第四时间段内，属于诉求高发人群提交的工单业务占比大于或等于第四阈值时，对工单业务对应的舆情事件进行预警；第四时间段位于近期预设时间段内。
[0208]
在一种可能的设计中，群诉性事件对应的舆情预警模型包括：一事多诉舆情预警模型和多人同诉舆情预警模型；预警单元22具体用于：
[0209]
在基于一事多诉舆情预警模型监控到在第五时间段内，针对第二舆情事件对应的投诉举报量大于或等于第五阈值时，触发对第二舆情事件进行舆情预警；第五时间段位于近期预设时间段内；
[0210]
或者，在基于多人同诉舆情预警模型监控到在第六时间段内，由多个市民针对第
三舆情事件上报的投诉举报量总和大于或等于第六阈值时，触发对第三舆情事件进行舆情预警；第六时间段位于近期预设时间段内。
[0211]
在一种可能的设计中，苗头性事件对应的舆情预警模型包括：苗头地点舆情预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型；预警单元22具体用于：
[0212]
在基于苗头地点舆情预警模型监控到在第七时间段内，发生在苗头地点的第四舆情事件对应的投诉举报量大于或等于第七阈值时，触发对第四舆情事件进行舆情预警；第七时间段位于近期预设时间段内；
[0213]
或者，在基于苗头组织机构舆情预警模型监控到在第八时间段内，发生在苗头组织机构的第五舆情事件对应的投诉举报量大于或等于第八阈值时，触发对第五舆情事件进行舆情预警；第八时间段位于近期预设时间段内；
[0214]
或者，在基于苗头事件舆情预警模型监控到在第九时间段内，具有苗头上升趋势的第六舆情事件对应的投诉举报量大于或等于第九阈值时，触发对第六舆情事件进行舆情预警；第九时间段位于近期预设时间段内。
[0215]
在一种可能的设计中，突发性事件对应的舆情预警模型包括：事件类型舆情预警模型和关键词触发社会弱信号舆情预警模型；预警单元22具体用于：
[0216]
在基于事件类型舆情预警模型监控到在第十时间段内，属于突发性事件的舆情事件对应的投诉举报量大于或等于第十阈值时，触发对属于突发性事件的任一舆情事件进行舆情预警；第十时间段位于近期预设时间段内；
[0217]
或者，在基于关键词触发社会弱信号舆情预警模型监控到在第十一时间段内，检测到包含目标关键词的第七舆情事件对应的投诉举报量大于或等于第十一阈值时，触发对第七舆情事件进行舆情预警；第十一时间段位于近期预设时间段内。
[0218]
本发明实施例中的计算机装置与上述图1所示的市民舆情预警分析方法是基于同一构思下的发明，通过前述对市民舆情预警分析方法的详细描述，本领域技术人员可以清楚的了解本实施例中计算机装置的实施过程，所以为了说明书的简洁，在此不再赘述。
[0219]
基于同一发明构思，本发明实施例还提供了一种计算机装置，如图3所示，计算机装置可以包括：至少一个存储器31和至少一个处理器32。其中：
[0220]
至少一个存储器31用于存储一个或多个程序。
[0221]
当一个或多个程序被至少一个处理器32执行时，实现上述图1所示的市民舆情预警分析方法。
[0222]
计算机装置还可以可选地包括通信接口，通信接口用于与外部设备进行通信和数据交互传输。
[0223]
需要说明的是，存储器31可能包含高速ram存储器，也可能还包括非易失性存储器(nonvolatile memory)，例如至少一个磁盘存储器。
[0224]
在具体的实现过程中，如果存储器31、处理器32及通信接口集成在一块芯片上，则存储器31、处理器32及通信接口可以通过内部接口完成相互间的通信。如果存储器31、处理器32和通信接口独立实现，则存储器31、处理器32和通信接口可以通过总线相互连接并完成相互间的通信。
[0225]
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以存储有至少一个程序，当至少一个程序被处理器执行时，实现上述图1所
示的市民舆情预警分析方法。
[0226]
应当理解，计算机可读存储介质为可存储数据或程序的任何数据存储设备，数据或程序其后可由计算机系统读取。计算机可读存储介质的示例包括：只读存储器、随机存取存储器、cd-rom、hdd、dvd、磁带和光学数据存储设备等。
[0227]
计算机可读存储介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。
[0228]
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(radio frequency，rf)等，或者上述的任意合适的组合。
[0229]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

技术特征：
1.一种市民舆情预警分析方法，其特征在于，包括：通过大数据获取近期预设时间段内政务热线平台的工单信息；所述工单信息包括：市民提交的投诉工单和举报工单；基于所述工单信息确定出诉求高发人群和诉求高发区域，并对所述诉求高发人群和所述诉求高发区域进行分级舆情预警；对所述工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成所述每个工单对应的舆情事件；所述事件要素包括人、地点、物体、事情和组织；对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；事件类型包括同诉性事件、群诉性事件、苗头性事件和突发性事件；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警。2.如权利要求1所述的方法，其特征在于，基于所述工单信息确定出诉求高发人群和诉求高发区域，包括：基于所述工单信息确定出在第一时间段内投诉举报量大于或等于第一阈值的若干个市民，获得所述诉求高发人群，以及确定出投诉举报量大于或等于第二阈值的若干个区域，将所述若干个区域中的任一区域作为所述诉求高发区域；所述第一时间段为或者位于所述近期预设时间段内。3.如权利要求1所述的方法，其特征在于，对所述诉求高发人群和所述诉求高发区域进行分级舆情预警，包括：将所述诉求高发人群的名单更新至所述政务热线平台，通过所述政务热线平台将所述诉求高发人群按照投诉举报量划分不同等级的若干个诉求高发人群子群，再对所述若干个诉求高发人群子群进行分级舆情预警；监测到所述诉求高发区域产生新的投诉工单或举报工单时，计算出所述诉求高发区域在第二时间段内的投诉举报量的环比增幅，再基于所述环比增幅对所述诉求高发区域进行分级舆情预警；所述第二时间段位于所述近期预设时间段内。4.如权利要求1-3任一项所述的方法，其特征在于，对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型，包括：从所述诉求高发人群的角度出发，按照同一人对不同诉求的集中提交或者规律性提交，对所述每个工单对应的舆情事件进行分析，构建所述同诉性事件对应的舆情预警模型；按照一事多诉或者多人同诉方式对所述每个工单对应的舆情事件进行分析，构建所述群诉性事件对应的舆情预警模型；对所述每个工单对应的舆情事件进行分析，挖掘出所述每个工单对应的地点、组织和舆情事件，再统计出并根据具有苗头上升趋势的地点、组织和舆情事件，构建苗头性事件对应的舆情预警模型；对所述每个工单对应的舆情事件进行分析，挖掘出突发性事件对应的目标关键词，按照事件类型和关键词方式构建所述突发性事件对应的舆情预警模型。5.如权利要求4所述的方法，其特征在于，所述同诉性事件对应的舆情预警模型包括：一人同诉舆情预警模型和高发人投诉量舆情预警模型；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值
时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：在基于所述一人同诉舆情预警模型监控到在第三时间段内，由同一个市民反复上报第一舆情事件对应的投诉举报量大于或等于第三阈值时，触发对所述第一舆情事件进行舆情预警；所述第三时间段位于所述近期预设时间段内；或者，在基于所述高发人投诉量预警模型监控到在第四时间段内，属于所述诉求高发人群提交的工单业务占比大于或等于第四阈值时，对所述工单业务对应的舆情事件进行预警；所述第四时间段位于所述近期预设时间段内。6.如权利要求4所述的方法，其特征在于，所述群诉性事件对应的舆情预警模型包括：一事多诉舆情预警模型和多人同诉舆情预警模型；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：在基于所述一事多诉舆情预警模型监控到在第五时间段内，针对第二舆情事件对应的投诉举报量大于或等于第五阈值时，触发对所述第二舆情事件进行舆情预警；所述第五时间段位于所述近期预设时间段内；或者，在基于所述多人同诉舆情预警模型监控到在第六时间段内，由多个市民针对第三舆情事件上报的投诉举报量总和大于或等于第六阈值时，触发对所述第三舆情事件进行舆情预警；所述第六时间段位于所述近期预设时间段内。7.如权利要求4所述的方法，其特征在于，所述苗头性事件对应的舆情预警模型包括：苗头地点舆情预警模型、苗头组织机构舆情预警模型和苗头事件舆情预警模型；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：在基于所述苗头地点舆情预警模型监控到在第七时间段内，发生在苗头地点的第四舆情事件对应的投诉举报量大于或等于第七阈值时，触发对所述第四舆情事件进行舆情预警；所述第七时间段位于所述近期预设时间段内；或者，在基于所述苗头组织机构舆情预警模型监控到在第八时间段内，发生在苗头组织机构的第五舆情事件对应的投诉举报量大于或等于第八阈值时，触发对所述第五舆情事件进行舆情预警；所述第八时间段位于所述近期预设时间段内；或者，在基于所述苗头事件舆情预警模型监控到在第九时间段内，具有苗头上升趋势的第六舆情事件对应的投诉举报量大于或等于第九阈值时，触发对所述第六舆情事件进行舆情预警；所述第九时间段位于所述近期预设时间段内。8.如权利要求4所述的方法，其特征在于，所述突发性事件对应的舆情预警模型包括：事件类型舆情预警模型和关键词触发社会弱信号舆情预警模型；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警，包括：在基于所述事件类型舆情预警模型监控到在第十时间段内，属于突发性事件的舆情事件对应的投诉举报量大于或等于第十阈值时，触发对属于突发性事件的任一舆情事件进行舆情预警；所述第十时间段位于所述近期预设时间段内；或者，在基于所述关键词触发社会弱信号舆情预警模型监控到在第十一时间段内，检测到包含所述目标关键词的第七舆情事件对应的投诉举报量大于或等于第十一阈值时，触
发对所述第七舆情事件进行舆情预警；所述第十一时间段位于所述近期预设时间段内。9.一种计算机装置，其特征在于，包括：接收单元，用于通过大数据获取近期预设时间段内政务热线平台的工单信息；所述工单信息包括：市民提交的投诉工单和举报工单；预警单元，用于基于所述工单信息确定出诉求高发人群和诉求高发区域，并对所述诉求高发人群和所述诉求高发区域进行分级舆情预警；抽取单元，用于对所述工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成所述每个工单对应的舆情事件；所述事件要素包括人、地点、物体、事情和组织；所述预警单元，还用于对所述每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；事件类型包括同诉性事件、群诉性事件、苗头性事件和突发性事件；在基于所述舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对所述每种事件类型对应的舆情事件进行舆情预警。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个程序；当所述至少一个程序被处理器执行时，执行如权利要求1-8任一项所述的方法。

技术总结
本发明公开了一种市民舆情预警分析方法、装置及存储介质，用于对无规律、突发性事件、社会弱信号等实时发生或者环境变化较大的事件进行有效的舆情预警，该方法包括：通过大数据获取近期预设时间段内政务热线平台的工单信息；基于工单信息确定出诉求高发人群和诉求高发区域，并对诉求高发人群和诉求高发区域进行分级舆情预警；对工单信息中的每个工单进行事件要素抽取，再将抽取到的事件要素组合成每个工单对应的舆情事件；对每个工单对应的舆情事件进行分析，构建不同事件类型对应的舆情预警模型；在基于舆情预警模型监控到每种事件类型对应的举报投诉量达到预设触发阈值时，触发对每种事件类型对应的舆情事件进行舆情预警。每种事件类型对应的舆情事件进行舆情预警。每种事件类型对应的舆情事件进行舆情预警。


技术研发人员：陈志 刘泽宇 罗宇文
受保护的技术使用者：广东亿迅科技有限公司
技术研发日：2023.06.21
技术公布日：2023/9/25