[發(fā)明專利]一種垂直領(lǐng)域熱門微博的提取方法及其裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310581666.6
• 申請(qǐng)日: 2013-11-19
• 公開（公告）號(hào): CN103580997B
• 公開（公告）日: 2017-09-29
• 發(fā)明（設(shè)計(jì)）人: 李威
• 申請(qǐng)（專利權(quán)）人: 湖南蟻坊軟件有限公司
• 主分類號(hào): H04L12/58
• 分類號(hào): H04L12/58;H04L29/06;G06F17/30
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種垂直領(lǐng)域熱門微博的提取方法，其特征在于，其包括以下步驟：

步驟1、實(shí)時(shí)采集微博信息：通過(guò)某一門戶微博指定的開放接口實(shí)時(shí)采集該門戶的微博信息，其中，微博信息主要包括微博內(nèi)容和轉(zhuǎn)發(fā)次數(shù)；

步驟2、標(biāo)簽化微博信息:定義標(biāo)簽A＝{a1,a2,…，an},B＝{b1,b2,…，bn}，…，M＝{m1,m2,…mn}，其中a1、a2、…、an為標(biāo)簽A集合中包含的若干元素，b1、b2、…、bn為標(biāo)簽B集合中包含的若干元素，m1、m2、…mn為標(biāo)簽M集合中包含的若干元素；將每一微博信息與每一標(biāo)簽進(jìn)行求交集，如果交集不為空集即微博信息中包含標(biāo)簽的元素，則，為該微博信息標(biāo)上該標(biāo)簽；

步驟3、根據(jù)標(biāo)簽將標(biāo)簽化的微博信息進(jìn)行分流：根據(jù)標(biāo)簽將標(biāo)簽化的微博信息分成多個(gè)垂直領(lǐng)域，每個(gè)垂直領(lǐng)域由含有相同標(biāo)簽的多個(gè)微博信息集合而成；被標(biāo)上多個(gè)標(biāo)簽的微博信息將被分發(fā)到多個(gè)垂直領(lǐng)域；

步驟4、找出每一個(gè)垂直領(lǐng)域內(nèi)的熱門詞組：采用fp-growth算法，周期性地對(duì)每一個(gè)垂直領(lǐng)域內(nèi)的微博信息進(jìn)行分析提取熱門詞組；

步驟5、根據(jù)熱門詞組和轉(zhuǎn)發(fā)次數(shù)找到熱門微博：搜索包括熱門詞組的微博信息，在這些微博信息中選取轉(zhuǎn)發(fā)次數(shù)最高的那一條作為垂直領(lǐng)域的一條熱門微博；

步驟6、過(guò)濾熱門微博中含廣告的微博：采用廣告過(guò)濾模塊去除熱門微博中含廣告的熱門微博。

2.一種垂直領(lǐng)域熱門微博的提取裝置，其特征在于，其包括微博信息采集模塊、微博信息標(biāo)簽化模塊、微博信息分流模塊、熱門詞組提取模塊、熱門微博提取模塊及廣告過(guò)濾模塊，其中，

所述微博信息采集模塊實(shí)時(shí)采集某一門戶的微博信息，其中，微博信息包括微博內(nèi)容和轉(zhuǎn)發(fā)次數(shù)；

所述微博信息標(biāo)簽化模塊包括自定義的標(biāo)簽數(shù)據(jù)庫(kù)及交集求解模塊，所述交集求解模塊將微博信息的微博內(nèi)容與標(biāo)簽數(shù)據(jù)庫(kù)的標(biāo)簽進(jìn)行求交，根據(jù)所得的交集包括的標(biāo)簽對(duì)微博信息進(jìn)行標(biāo)簽化；

所述微博信息分流模塊根據(jù)標(biāo)簽將標(biāo)簽化的微博信息分成多個(gè)垂直領(lǐng)域，將含有相同標(biāo)簽的多個(gè)微博信息集合成同一垂直領(lǐng)域；被標(biāo)上多個(gè)標(biāo)簽的微博信息將被分發(fā)到多個(gè)垂直領(lǐng)域；

所述熱門詞組提取模塊采用fp-growth算法提取每一垂直領(lǐng)域內(nèi)的熱門詞組；

所述熱門微博提取模塊根據(jù)熱門詞組和轉(zhuǎn)發(fā)次數(shù)找到相應(yīng)的熱門微博；

所述廣告過(guò)濾模塊用以濾除熱門微博中的含有廣告宣傳詞組的熱門微博。