[發明專利]一種面向微博的非分詞突發話題檢測方法

有效

• 申請號: 201410416127.1
• 申請日: 2014-08-22
• 公開（公告）號: CN104216964A
• 公開（公告）日: 2014-12-17
• 發明（設計）人: 楊武;伸國偉;王巍;苘大鵬;宣世昌
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向微博的非分詞突發話題檢測方法，其特征在于：包括以下步驟：

步驟1：語料預處理，構建動態的微博檢測窗口；

步驟2：將微博內容切分成單個漢字，并構建字典；

步驟3：計算突發特征字集合；

步驟4：計算由特征字組成的突發話題；

步驟5：生成有意義詞或串，形成由詞或串表示的突發話題。

2.根據權利要求1所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述語料預處理的步驟為：

步驟1.1：依據微博發布時間序抽取微博消息元素；

步驟1.2：微博窗口劃分，基于小波分析思想將微博消息流動態劃分微博窗口。

3.根據權利要求1所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述將微博內容切分成單個漢字，并構建字典步驟為：

步驟2.1，直接將每一條微博消息以字為單元進行切分，無需去除停用詞；

步驟2.2，按照字典序進行存儲，支持高效查找和動態更新。

4.根據權利要求1所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述計算突發特征字集合步驟為：

步驟3.1，遍歷字典，依據歷史特征權值和檢測窗口中的突發特征權值判定當前檢測窗口是否發生突發；

步驟3.2，更新歷史窗口中字的特征權值，依據生命周期模型中的老化理論，更新字的特征權值；

步驟33，計算當前檢測窗口中字的突發特征權值，在考慮用戶的粉絲數、消息的轉發數和評論數基礎上計算字的影響力，并將字的影響力作為突發特征權值。

5.根據權利要求1所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述計算由特征字組成的突發話題步驟為：

步驟4.1，構建突發特征字與消息、用戶之間的關系矩陣；

步驟4.2，通過聯合聚類算法對關系矩陣進行計算，得到實體、消息、用戶的聚類指示矩陣。

6.根據權利要求1所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述生成有意義詞或串，形成由詞或串表示的突發話題的步驟為：

步驟5.1，對于每一個話題中的漢字以及對應的消息作為樣本集合，計算話題中任意兩個字之間的聚合程度；

步驟5.2，計算話題中左右邊界字的熵；

步驟5.3，依據聚合程度和左右邊界字的熵值判定是否可生產一個有意義詞或串。

7.根據權利要求1或4所述的一種面向微博的非分詞突發話題檢測方法，其特征是：所述生成字典步驟包括：

步驟2.2.1，字典為空，則根據漢字的字典序插入到字典中；

步驟2.2.2，若字典不為空并已存在字典中，則直接將該字在當前檢測窗口中的關聯信息增加到字典中；

步驟2.2.3，若字典不為空且不存在字典中，基于字典序實現二分查找，依據查找返回結果得到字典序號，將該字插入字典，字典當前序號后面的字依次后移。