首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于资产风控的新媒体内容投放方法及设备 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:哈尔滨工业大学;西安交通大学

摘要:本发明涉及新媒体内容投放,更具体的说是一种基于资产风控的新媒体内容投放方法及设备,该方法包括以下步骤:获取企业的财务数据、新媒体舆情数据和交易数据;对财务数据和交易数据进行预处理,对新媒体数据按照来源和事件主体进行归类,构建企业新媒体流量矩阵;使用DBSCAN聚类算法确定新媒体流量矩阵中各元素对企业风险水平和企业营收的影响力度可以对新媒体内容与企业财务数据和市值数据进行整合,能够更为有效地确认当前企业在面临新媒体内容时可能面临的风险和收益水平;根据影响权重矩阵构建基于企业内容投放要求的规划问题,求解得到最优可行方案,并通过投放模块实施新媒体内容投放,以达到资产风控的效果。

主权项:1.一种基于资产风控的新媒体内容投放方法,其特征在于:该方法包括以下步骤:步骤一:获取企业的财务数据、新媒体舆情数据和交易数据;步骤二:对财务数据和交易数据进行预处理,对新媒体数据按照来源和事件主体进行归类,并对舆情数据进行预处理;计算各类舆情内容的流量并依据情感词汇本体库计算内容对应的细粒度情感强度,整合各类型内容流量和情感强度构建企业新媒体流量矩阵,确定各类数据来源传播在传播不同企业内容时对企业市值风险水平的影响权重;步骤三:输入内容投放企业对应的财务数据、交易数据及新媒体流量矩阵中对应的数据,使用套索回归LASSO算法确定新媒体流量矩阵中各元素对企业风险水平和企业营收的影响力度,构建内容投放的线性规划目标及约束;使用Ekman情绪模型对新媒体流量矩阵中涉及内容对应的流量数据及情绪倾向进行计算,采用机器学习算法,将财务数据、交易数据及新媒体流量矩阵所对应的流量及情感数据投入Ekman情绪模型;使用机器学习模型对新媒体内容矩阵中各类元素对风险和收益的作用进行确认;新媒体流量矩阵中涉及内容对应的流量数据及情绪倾向进行计算的步骤包括:步骤一:对企业的财务数据和交易数据分别按照季度和天为更新单位完成入库;步骤二:依据系统自建的主体来源库对每日新媒体舆情数据的来源进行核实,并按照官媒、主流商业媒体、财经自媒体、产品相关自媒体、高影响力自媒体和普通自媒体六种类型进行划分,同时更新主体来源库中自媒体主体的信息;步骤三:对新媒体数据进行去除停用词并进行分词,按照分词结果对新媒体舆情数据对应主要事件归纳至企业业绩与财务分析、高管及主要人员行动和企业营销业务三类,集合来源划分结果,完成新媒体流量矩阵的构建;步骤四:对归化在矩阵中各个子集新媒体舆情数据的流量进行计算,并利用自然语言处理方法确定各个子集的各类情绪倾向占比,将上述数据按照从主体来源到事件主体,从流量到流量对应的各类情绪占比的顺序进行入库;采用套索回归LASSO算法将财务数据、交易数据和新媒体流量矩阵对应的数据分为训练集和测试集,在保证测试集性能的前提下对训练集进行训练,得到新媒体流量矩阵中各元素对企业风险水平的影响力度。

全文数据:

权利要求:

百度查询: 哈尔滨工业大学 西安交通大学 一种基于资产风控的新媒体内容投放方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。