[發明專利]發現論壇熱帖的方法和系統

有效

• 申請號: 201410218382.5
• 申請日: 2014-05-22
• 公開（公告）號: CN103955547B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 伏峰;章正道;林勝通
• 申請（專利權）人: 廈門市美亞柏科信息股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京恒都律師事務所11395
• 代理人: 李向東

1.一種發現論壇熱帖的方法，其特征在于，包括：

對論壇帖子源數據的一般特性進行匯總，獲得特征化數據；

依據所述特征化數據，將內容相似的帖子聚合成帖子簇；

綜合考慮預設影響因素計算每一個帖子簇的熱度值，將熱度值較高的帖子簇作為論壇熱帖，所述預設影響因素包括：類簇貼子數、網站權重、發帖者等級、帖子瀏覽量、回帖數量、回帖者等級、發帖時間、最后回帖時間。

2.根據權利要求1所述的發現論壇熱帖的方法，其特征在于，在執行上述各步驟之前還包括：

清理論壇帖子數據源中的不合理數據，保留有效源數據。

3.根據權利要求1所述的發現論壇熱帖的方法，其特征在于，所述對論壇帖子源數據的一般特性進行匯總，獲得特征化數據；具體包括：

對帖子的標題和正文進行分詞，將帖子轉化為形如<w₁，w₂，w₃…w_n>的詞元序列，其中，w_i表示分詞后的詞元；

參照停用詞庫過濾所述詞元序列中的停用詞元，獲得有效詞元序列；

采用計數方式對所述有效詞元序列中的每個有效詞元進行計分統計；

對所述有效詞元的計分統計進行歸一化處理，獲得每個有效詞元的概率統計值；

將所述每個有效詞元的概率統計值與預設閾值λ進行比較，保留概率統計值大于預設閾值λ的詞元，并將特征提取后的每條帖子記錄表示成向量X＝(<w₁，c₁>,<w₂，c₂>,<w₃，c₃>…<w_n，c_n>)，其中：c_i≥λ，c_i表示有效詞元的出現頻率；w_i表示有效詞元。

4.根據權利要求1所述的發現論壇熱帖的方法，其特征在于，所述依據特征化數據，將內容相似的帖子聚合成帖子簇；具體包括：

掃描所有特征化后的帖子記錄，采用預設計算方法計算帖子之間的相似度；

基于帖子之間的相似度與預設閾值的比較，對所述特征化后的帖子記錄進行聚類，獲得不同的帖子簇。