[發(fā)明專利]熱點(diǎn)事件檢測方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201510062401.4
• 申請(qǐng)日: 2015-02-05
• 公開（公告）號(hào): CN104598632B
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計(jì)）人: 胡春明;孫承根;吳博;于偉仁;沃天宇
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司11205
• 代理人: 馬爽,黃健

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種熱點(diǎn)事件檢測方法和裝置。

背景技術(shù)

微博從誕生到如今，以驚人的速度發(fā)展著，國內(nèi)最大的兩大微博平臺(tái)新浪和騰訊的注冊(cè)人數(shù)早已超過5億。尤其是在突發(fā)和熱點(diǎn)事件中，微博的影響規(guī)模和傳播速度超越了普通博客和傳統(tǒng)的新聞媒體。目前，從海量微博數(shù)據(jù)中檢測熱點(diǎn)事件的方法主要為：獲取海量微博數(shù)據(jù)，采用Canopy聚類算法或k-means聚類算法對(duì)海量微博數(shù)據(jù)進(jìn)行聚類，獲取熱點(diǎn)事件。

然而現(xiàn)有技術(shù)中，海量微博數(shù)據(jù)中的微博條數(shù)過多，且海量微博數(shù)據(jù)中由極大部分微博與熱點(diǎn)事件毫無關(guān)系，對(duì)其進(jìn)行聚類，延長了獲取熱點(diǎn)事件的時(shí)間，降低了聚類獲取熱點(diǎn)事件的效率。

發(fā)明內(nèi)容

本發(fā)明提供一種熱點(diǎn)事件檢測方法和裝置，用于解決現(xiàn)有技術(shù)中獲取熱點(diǎn)事件的時(shí)間長，效率低的問題。

本發(fā)明的第一個(gè)方面是提供一種熱點(diǎn)事件檢測方法，包括：

獲取社交網(wǎng)絡(luò)中當(dāng)前時(shí)間段內(nèi)的微博數(shù)據(jù)；

對(duì)所述微博數(shù)據(jù)中的多條微博的內(nèi)容進(jìn)行分詞，統(tǒng)計(jì)分詞得到的各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)；

獲取社交網(wǎng)絡(luò)中歷史時(shí)間段內(nèi)所述各個(gè)詞在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)；所述歷史時(shí)間段和所述當(dāng)前時(shí)間段的時(shí)間長度相等；

對(duì)所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞；

獲取所述微博數(shù)據(jù)中包括所述熱詞的微博；

對(duì)包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點(diǎn)事件。

進(jìn)一步地，所述對(duì)所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞，包括：

計(jì)算所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)的比值；

將所述比值大于第一閾值的相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞。

進(jìn)一步地，所述對(duì)所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞，還包括：

計(jì)算所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)的差值；

所述將所述比值大于第一閾值相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞，包括：

將所述比值大于第一閾值，且所述差值大于第二閾值的相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞。

進(jìn)一步地，所述對(duì)包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點(diǎn)事件，包括：

對(duì)包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點(diǎn)；

根據(jù)所述初始類的數(shù)目和中心點(diǎn)對(duì)包括所述熱詞的微博進(jìn)行k-means聚類，確定所述微博數(shù)據(jù)中的熱點(diǎn)事件。

進(jìn)一步地，所述對(duì)包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點(diǎn)之前，還包括：

查詢預(yù)設(shè)的詞表，確定所述熱詞在所述詞表中的序號(hào)；

根據(jù)所述熱詞在所述詞表中的序號(hào)和所述熱詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)，確定包括所述熱詞的微博對(duì)應(yīng)的微博向量；

所述對(duì)包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點(diǎn)，包括：

對(duì)所述微博向量進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點(diǎn)。

本發(fā)明的另一個(gè)方面提供一種熱點(diǎn)事件檢測裝置，包括：

獲取模塊，用于獲取社交網(wǎng)絡(luò)中當(dāng)前時(shí)間段內(nèi)的微博數(shù)據(jù)；

分詞模塊，用于對(duì)所述微博數(shù)據(jù)中的多條微博的內(nèi)容進(jìn)行分詞，統(tǒng)計(jì)分詞得到的各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)；

所述獲取模塊，還用于獲取社交網(wǎng)絡(luò)中歷史時(shí)間段內(nèi)所述各個(gè)詞在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)；所述歷史時(shí)間段和所述當(dāng)前時(shí)間段的時(shí)間長度相等；

確定模塊，用于對(duì)所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞；

所述獲取模塊，還用于獲取所述微博數(shù)據(jù)中包括所述熱詞的微博；

聚類模塊，用于對(duì)包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點(diǎn)事件。

進(jìn)一步地，所述確定模塊具體用于，

計(jì)算所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)的比值；

將所述比值大于第一閾值的相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞。

進(jìn)一步地，所述確定模塊具體還用于，計(jì)算所述各個(gè)詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)的差值；