本发明涉及网络管理，具体涉及基于深度学习的网络舆情管理系统及其方法。
背景技术：
1、网络舆情管理是指对公众在互联网上对于某一特定事件、话题或议题的舆论情况进行监测、分析、评估和应对的一种管理活动；网络信息的管控也是社会稳定性管理的一个重要环节，目前，在网络信息的管理中难以保证对信息的前期处理，会存在越过信息前期处理直接投入网络平台造成舆论压力的情况，然后才能进行后续的扑救，造成一定的网络低质量信息的泛滥情况。
技术实现思路
1、本发明的目的是提供基于深度学习的网络舆情管理系统及其方法，以解决背景技术中不足。
2、为了实现上述目的，本发明提供如下技术方案：基于深度学习的网络舆情管理方法，包括以下步骤：
3、设置网络信息链，其中，网络信息链包括信息池与引导条；
4、将网络信息链与网络平台形成网络闭环；
5、通过多个网络端上传得到多个网络信息，通过分化池将多个网络信息进行类型分类得到多个类型信息，将类型信息与对应的网络信息之间进行信息绑定得到第一信息；
6、将第一信息进行处理得到第一上传信息，将第一上传信息通过引导条传输至管理池中进行筛选管理；
7、基于管理池将对应的第一上传信息投入到对应的预演池中得到预演结果，根据预演结果将网络信息在网络平台进行传播。
8、在一个优选的实施方式中，所述设置网络信息链的步骤，包括：
9、设置分化池、管理池与预演池作为信息池；
10、将分化池、管理池与预演池之间通过引导条进行关联；
11、将信息池与引导条作为网络信息链。
12、在一个优选的实施方式中，所述将分化池、管理池与预演池之间通过引导条进行关联的步骤，包括：
13、按照分化池、管理池与预演池的顺序在分化池、管理池与预演池之间设置通信通道；
14、对应分化池、管理池与预演池分别进行标识作为特征信息，其中，特征信息包括编码与随机编码库；
15、在通信通道中设置多个引导节点，将多个引导节点之间进行通信连接；
16、将引导节点之间通信连接之后的通信通道作为引导条。
17、在一个优选的实施方式中，所述将网络信息链与网络平台形成网络闭环的步骤，包括：
18、建立预演池与网络平台之间的通信通道；
19、建立网络端分别与网络平台和分化池之间的通信通道；
20、基于网络端、网络平台与网络信息链之间的通信连接形成网络闭环。
21、在一个优选的实施方式中，所述通过多个网络端上传得到多个网络信息，通过分化池将多个网络信息进行类型分类得到多个类型信息，将类型信息与对应的网络信息之间进行信息绑定得到第一信息的步骤，包括：
22、基于大数据获取历史网络信息与对应的类型信息作为历史数据，基于历史数据对卷积神经网络进行训练得到学习模型；
23、对应类型信息在分化池中设置多个类型窗口，将类型窗口与类型信息进行信息绑定；
24、基于多个网络端上传多个网络信息至分化池，基于分化池中的学习模型对多个网络信息进行分类得到多个类型信息；
25、将类型信息与对应的网络信息进行信息绑定作为第一信息。
26、在一个优选的实施方式中，所述将第一信息进行处理得到第一上传信息，将第一上传信息通过引导条传输至管理池中进行筛选管理的步骤，包括：
27、获取第一信息中的信息点，其中，信息点为第一信息中的多个关键词；
28、对应第一信息设置多个提取点位，将分化池对应的编码赋予第一信息并随机分配提取点位，基于随机编码库分配随机编码，将随机编码与第一信息中的多个关键词之间进行关联并分配提取点位，得到第一上传信息；
29、将编码、随机编码与随机编码对应的信息点储存在分化池与管理池之间的引导点中；
30、建立第一上传信息中编码、随机编码与随机编码对应的信息点分别与引导点的牵引信息，其中，牵引信息为引导点对编码、随机编码与随机编码对应的信息点的提取点位；
31、基于类型信息将第一上传信息通过引导条进行传输，引导节点基于牵引信息对编码、随机编码与随机编码对应的信息点进行提取；
32、将提取到的编码、随机编码与随机编码对应的信息点与引导点中储存的编码、随机编码与随机编码对应的信息点之间进行对比，得到对比结果，当对比结果一致时允许第一上传信息传输通过引导条对应的引导节点，基于类型信息直至传输至对应的管理池，在管理池中对第一上传信息进行敏感筛选管理。
33、在一个优选的实施方式中，所述基于管理池将对应的第一上传信息投入到对应的预演池中得到预演结果，根据预演结果将网络信息在网络平台进行传播的步骤，包括：
34、管理池的数量与预演池的数量为一对一的关系；
35、将管理池对应的编码赋予管理池中的第一上传信息，在管理池中基于随机编码库生成随机编码，将随机编码与随机编码对应的信息点进行关联；
36、将编码、随机编码与随机编码对应的信息点储存在管理池与预演池之间的引导点中；
37、将管理池中的编码、随机编码与随机编码对应的信息点在对应的提取点位对分化池中的编码、随机编码与随机编码对应的信息点进行替换，得到第二上传信息；
38、将第二上传信息通过引导条进行传输，引导节点对第二上传信息中的编码、随机编码与随机编码对应的信息点进行提取；
39、将提取到的编码、随机编码与随机编码对应的信息点与引导点中储存的编码、随机编码与随机编码对应的信息点之间进行对比，得到对比结果，当对比结果一致时允许第二上传信息传输通过引导条对应的引导节点，直至传输至对应的预演池中；
40、在预演池中对第二上传信息在网络平台上的传播进行预演得到预演结果，其中，预演结果包括传播效率以及网络平台对传播效率的负载压力；
41、将满足预设条件的预演结果对应的第二上传信息作为安全信息上传到网络平台中。
42、本发明还提供基于深度学习的网络舆情管理系统，包括：
43、设置模块，用于设置网络信息链，其中，网络信息链包括信息池与引导条；
44、构建模块，与设置模块连接，用于将网络信息链与网络平台形成网络闭环；
45、第一上传模块，与构建模块连接，用于通过多个网络端上传得到多个网络信息，通过分化池将多个网络信息进行类型分类得到多个类型信息，将类型信息与对应的网络信息之间进行信息绑定得到第一信息；
46、第二上传模块，与第一上传模块连接，用于将第一信息进行处理得到第一上传信息，将第一上传信息通过引导条传输至管理池中进行筛选管理；
47、传播模块，与第二上传模块连接，用于基于管理池将对应的第一上传信息投入到对应的预演池中得到预演结果，根据预演结果将网络信息在网络平台进行传播。
48、在上述技术方案中，本发明提供的技术效果和优点：
49、本发明在传输的过程中基于类型信息将第一上传信息通过引导条进行传输，引导节点基于牵引信息对编码、随机编码与随机编码对应的信息点进行提取，这里的管理池存在多个，一个管理池对应一个类型信息，是相互独立的存在，将提取到的编码、随机编码与随机编码对应的信息点与引导点中储存的编码、随机编码与随机编码对应的信息点之间进行对比，得到对比结果，当对比结果一致时允许第一上传信息传输通过引导条对应的引导节点，直至传输至管理池中，能够保证数据在网络平台上传过程中的一个数据梳理和质量管理，保证网络平台的网络信息的质量，维护网络质量环境。
1.基于深度学习的网络舆情管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的网络舆情管理方法，其特征在于：所述设置网络信息链的步骤，包括：
3.根据权利要求2所述的基于深度学习的网络舆情管理方法，其特征在于：所述将分化池、管理池与预演池之间通过引导条进行关联的步骤，包括：
4.根据权利要求1所述的基于深度学习的网络舆情管理方法，其特征在于：所述将网络信息链与网络平台形成网络闭环的步骤，包括：
5.根据权利要求1所述的基于深度学习的网络舆情管理方法，其特征在于：所述通过多个网络端上传得到多个网络信息，通过分化池将多个网络信息进行类型分类得到多个类型信息，将类型信息与对应的网络信息之间进行信息绑定得到第一信息的步骤，包括：
6.根据权利要求1所述的基于深度学习的网络舆情管理方法，其特征在于：所述将第一信息进行处理得到第一上传信息，将第一上传信息通过引导条传输至管理池中进行筛选管理的步骤，包括：
7.根据权利要求1所述的基于深度学习的网络舆情管理方法，其特征在于：所述基于管理池将对应的第一上传信息投入到对应的预演池中得到预演结果，根据预演结果将网络信息在网络平台进行传播的步骤，包括：
8.基于深度学习的网络舆情管理系统，用于实现权利要求1-7任一项所述的基于深度学习的网络舆情管理方法，其特征在于，包括：
