一种基于人工智能的网络信息智能分析调控系统及方法与流程

本说明书涉及网络信息管理领域，更具体地说，本技术涉及一种基于人工智能的网络信息智能分析调控系统及方法。

背景技术：

1、随着互联网特别是移动互联网的高速发展，网民通过互联网获取信息相互交流越来越频繁。网络舆情指的是网民在互联网上对各种事件热点的观点或态度的表达，近些年来，各种热点事件的频发广大网民借助微博等社交网络这个平,基于其快速传播的优势，在短时间内就能将局部事件推动成大范围的公共话题。网络舆情在其中爆发出了巨大的能量，对社会产生了重要的影响。

2、有些网络用户肆意颠倒是非，有些自动化软件批量性恶意评论，为净化网络带来了困难，相关技术通过设置敏感词或通过神经网络模型等方式对评论进行筛选，但是这种筛选方式可能会造成过分筛选，影响公众的自由评论，有些恶意评论者可能通过批量性重复或简单更改的方式进行试探以跳过相关技术的筛选，从而导致当前的方法适应性和灵活性不强。

3、因此，有必要提出一种基于人工智能的网络信息智能分析调控系统及方法，以至少解决上述部分问题。

技术实现思路

1、在技术实现要素：部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本技术的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

2、第一方面，本技术提出一种基于人工智能的网络信息智能分析调控系统，包括：

3、数据采集模块，用于采集目标软件内的视频发布信息和评论信息；

4、数据分析模块，用于分析上述视频发布信息对应的评论信息中的热点评论信息，并在上述热点评论信息中确定热点评论者和热点评论内容；

5、数据隔离模块，用于在上述热点评论信息的重复出现次数超出第一预设阈值的情况下，将新增的上述热点评论放置在第一隔离区，还用于在上述热点评论者的重复评论次数超出第二预设阈值的情况下，将上述热点评论者的后续的上述热点评论放置在第二隔离区；

6、虚拟数据发送模块，用于向隔离的热点评论对应的目标账户发送虚拟询问数据，以获取上述目标账户的虚拟数据反馈信息，其中，上述虚拟询问数据是基于上述目标账户对评论答复信息做出二次答复的评论答复信息生成的；

7、虚拟数据反馈信息采集分析模块，用于收集上述目标账户的虚拟数据反馈信息，并对上述虚拟数据反馈信息进行安全性分析，以确定上述第一隔离区或上述第二隔离区内隔离数据的状态。

8、第二方面、本技术还提出一种基于人工智能的网络信息智能分析调控方法，用于第一方面的基于人工智能的网络信息智能分析调控系统，包括：

9、采集目标软件内的视频发布信息和评论信息；

10、分析上述视频发布信息对应的评论信息中的热点评论信息，并在上述热点评论信息中确定热点评论者和热点评论内容；

11、在上述热点评论信息的重复出现次数超出第一预设阈值的情况下，将新增的上述热点评论放置在第一隔离区；

12、在上述热点评论者的重复评论次数超出第二预设阈值的情况下，将上述热点评论者的后续的上述热点评论放置在第二隔离区；

13、向隔离的热点评论对应的目标账户发送虚拟询问数据，以获取上述目标账户的虚拟数据反馈信息，其中，上述虚拟询问数据是基于上述目标账户对评论答复信息做出二次答复的评论答复信息生成的；

14、获取上述目标账户的虚拟数据反馈信息，并对上述虚拟数据反馈信息进行安全性分析，以确定上述第一隔离区或上述第二隔离区内隔离数据的状态。

15、在一种可行的实施方式中，上述分析上述视频发布信息对应的评论信息中的热点评论信息，并在上述热点评论信息中确定热点评论者和热点评论内容，包括：

16、获取上述网络视频发布信息对应评论信息的点赞参考系数、回复参考系数、情感分析参考系数和tf-idf参考系数；

17、基于上述点赞参考系数、上述回复参考系数、上述情感分析参考系数、上述tf-idf参考系数和其对应的权重系数确定上述热点评论内容。

18、在一种可行的实施方式中，上述分析上述视频发布信息对应的评论信息中的热点评论信息，并在上述热点评论信息中确定热点评论者和热点评论内容，包括：

19、获取上述网络视频发布信息对应的评论者的活跃度参数、影响力参数和社交图中心性参数；

20、基于上述活跃度参数、上述影响力参数、上述社交图中心性参数和其对应的权重系数确定上述热点评论者。

21、在一种可行的实施方式中，上述第一隔离区存储的热点评论使用键值存储，键为评论内容的哈希值，值为评论的元数据，上述元数据包括评论id、时间戳、评论者id，上述第一隔离区的存活周期为固定值；

22、上述第二隔离区的存储方式为关系数据库，上述第二隔离区存储评论者的个人信息、评论记录、隔离状态和社交关系，上述第二隔离区的存活周期基于上述评论者的改正行为动态调整。

23、在一种可行的实施方式中，上述向隔离的热点评论对应的目标账户发送虚拟询问数据，以获取上述目标账户的虚拟数据反馈信息，包括：

24、获取上述热点评论的评论答复信息和上述目标账户对于上述评论答复信息做出的二次答复信息；

25、获取上述评论答复信息和所有的上述二次答复信息的关联度；

26、基于上述关联度大于预设阈值的评论答复信息生成上述虚拟询问数据；

27、向上述隔离的热点评论对应的目标账户发送虚拟询问数据，以获取上述目标账户的虚拟数据反馈信息，其中，上述虚拟询问数据和上述虚拟数据反馈信息存储在上述目标软件对应的后台服务器中，并不在上述目标软件中显示。

28、在一种可行的实施方式中，上述获取上述评论答复信息和所有的上述二次答复信息的关联度，包括：

29、对上述评论答复信息和所有的上述二次答复信息进行预处理操作，以获取预处理答复信息和预处理二次答复信息，其中，上述预处理操作包括去除停用词操作、标准化操作和词干提取操作；

30、将上述预处理答复信息进行特征提取，以获取第一特征信息；

31、对上述预处理二次答复信息进行特征提取，以获取第二特征信息；

32、计算上述第一特征信息和上述第二特征信息的余弦相似度以确定上述关联度。

33、在一种可行的实施方式中，上述基于上述关联度大于预设阈值的评论答复信息生成上述虚拟询问数据，包括：

34、将上述关联度大于预设阈值的评论答复信息输入至生成式模型以生成多个第一虚拟询问数据和多个第二虚拟询问数据，其中，上述第一虚拟询问数据是与上述评论答复信息相同语义的询问数据，每个上述第一询问数据的表达语法不同，上述第二虚拟询问数据是与上述评论答复信息相反语义的询问数据，每个上述第二询问数据的表达语法不同。

35、在一种可行的实施方式中，上述获取上述目标账户的虚拟数据反馈信息，并对上述虚拟数据反馈信息进行安全性分析，以确定上述第一隔离区或上述第二隔离区内隔离数据的状态，包括：

36、获取上述目标账户的虚拟数据反馈信息；

37、对上述虚拟数据反馈信息进行预处理，以获取文本数据的特征向量，其中，上述文本数据特征向量包括tf-idf分数、情感分析结果和语义嵌入；

38、将上述特征向量发送至安全分析模型进行安全分析模型以确定以确定上述第一隔离区或上述第二隔离区内隔离数据的状态。

39、在一种可行的实施方式中，上述安全分析模型包括第一安全分析模块和第二安全分析模块，上述第一安全分析模块用于确定上述第一隔离区的数据的状态，上述第二安全分析模块用于确定上述第二隔离区的数据的状态；

40、上述第一安全分析模块包括第一输入层、特征选择层、逻辑回归分类器、sigmoid激活函数和第一输出层；

41、上述第二安全分析模块包括第二输入层、多个卷积层、lstm循环层、全连接层和第二输出层。

42、综上，本技术提出的方法通过使用高级数据分析模块，如tf-idf、情感分析和社交影响力分析能有效识别和隔离网络上的热点评论和高风险用户，不仅提高了筛选的精确度，也减少了过度筛选的问题，保护了正常用户的发言自由。通过设置阈值动态隔离重复性高的评论和评论者，本方案有效地防止了恶意评论和网络用户的滥用行为。此外，隔离区的设置使得可以更细致地监控疑似恶意或自动化的行为，从而及时调整策略应对新的威胁。通过向隔离区内的目标账户发送虚拟询问数据并收集其反馈，提供了一种新的方式来测试和观察被隔离账户的行为模式，这种方法有助于更准确地评估账户的潜在风险和恶意性。通过采集并分析目标账户的虚拟数据反馈信息，利用机器学习模型对数据进行深度安全性分析，可以有效识别和阻断含有恶意内容的信息，增强了整个系统的安全防护能力。本技术实施例提出的方法提供了更高的灵活性和适应性，能够根据实时分析结果调整隔离措施或释放某些账户，这种动态调整能力使得系统能够更有效地应对快速变化的网络环境和复杂的舆情动态。

43、本技术提出的基于人工智能的网络信息智能分析调控系统及方法，本技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本技术的研究和实践而为本领域的技术人员所理解。