[發明專利]一種確定微博熱門話題的方法及裝置

在審

• 申請號: 201510591206.0
• 申請日: 2015-09-16
• 公開（公告）號: CN105159882A
• 公開（公告）日: 2015-12-16
• 發明（設計）人: 張玉清;周傳鋒;李北格
• 申請（專利權）人: 中國地質大學（北京）
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王衛忠;姜燕

1.一種確定微博熱門話題的方法，其特征在于，包括：

獲取意見領袖的微博；

對所述微博進行分句提取有效句子，將所述有效句子用語義相近的較短的有效句子替代，以獲得新微博形成新微博集合；

對所述新微博集合中的新微博的有效句子進行聚類確定微博熱門話題。

2.如權利要求1所述的確定微博熱門話題的方法，其特征在于，獲取意見領袖的微博包括：利用定向網絡爬蟲獲取意見領袖發表的微博，或采用關注模式獲取意見領袖發表的微博。

3.如權利要求1所述的確定微博熱門話題的方法，其特征在于，將所述有效句子用語義相近的較短的有效句子替代包括：

將所述微博句子集合中的有效句子進行正則匹配，將匹配相似的有效句子中較長的有效句子用較短的有效句子替代。

4.如權利要求3所述的確定微博熱門話題的方法，其特征在于，將所述微博句子集合中的有效句子進行正則匹配包括：

將較短的有效句子中每個字的前后加入通配符形成匹配條件，判斷較長的有效句子是否滿足所述匹配條件。

5.如權利要求3所述的確定微博熱門話題的方法，其特征在于，將所述微博句子集合中的有效句子進行匹配包括：遍歷所述微博集合，對所述微博集合中所有的有效句子進行兩兩匹配。

6.如權利要求1所述的確定微博熱門話題的方法，其特征在于，對所述新微博集合中的新微博的有效句子進行聚類確定微博熱門話題包括：

對所述新微博集合中各新微博進行遍歷，依次對所述各新微博設置編號作為微博的根，根據所述微博的根對所述各新微博中所包含的有效句子進行標號，包括若所述有效句子第一次出現，則將所述有效句子的標號設置為所述有效句子所在的新微博的根，否則將所述有效句子的標號設置為第一個出現所述有效句子的微博的根；

根據新微博的根以及各有效句子標號，確定所述新微博所屬的類別，所述類別至少包括祖先微博和從屬微博，其中所述祖先微博為所有的有效句子均第一次出現的新微博，所述從屬微博為所包括的有效句子標號除了為所述新微博的根之外其他的有效句子標號屬于同一祖先微博的根或所述祖先微博的下面的從屬微博的根的新微博；

查找各從屬微博的祖先微博，將祖先微博相同的新微博所對應的原微博進行合并確定微博熱門話題。

7.如權利要求6所述的確定微博熱門話題的方法，其特征在于，所述類別還包括噪聲微博，所述噪聲微博為從屬于不同祖先微博的新微博；

根據新微博的根以及各有效句子標號，確定所述新微博所屬的類別包括：

如果新微博中所有有效句子的標號相同，且均為所述新微博的根，則確定所述新微博為祖先微博；

如果新微博中有效句子標號除了所述新微博的根之外還有一個有效句子標號，則確定所述新微博屬于從屬微博，從屬于根為所述有效句子標號的新微博；

如果新微博中有效句子標號中除了所述新微博的根之外還有至少兩個不同的句子標號，且根為所述至少兩個不同的句子標號的至少兩個新微博是同一祖先微博的從屬微博，則確定所述新微博為從屬微博，且從屬于所述同一祖先微博，否則確定所述新微博為噪聲微博。

8.如權利要求1所述的確定微博熱門話題的方法，其特征在于，所述方法還包括：對所述新微博集合中的新微博的有效句子進行聚類確定微博熱門話題之后還包括：

對所確定的熱門話題所相關的新微博進行句子頻率統計，將出現頻率最高的有效句子作為所述熱門話題的標題。

9.如權利要求1所述的確定微博熱門話題的方法，其特征在于，所述方法還包括：對所述新微博集合中的新微博的有效句子進行聚類確定微博熱門話題之后還包括：

對所確定的熱門話題所相關的新微博進行統計，根據統計結果確定所述熱門話題的熱度，根據所述熱度對所述熱門話題進行排序。

10.一種確定微博熱門話題的裝置，其特征在于，包括：

微博獲取單元，用于獲取意見領袖的微博；

分句單元，用于對所述微博進行分句提取有效句子，將所述有效句子用語義相近的較短的有效句子替代，以獲得新微博形成新微博集合；

熱門話題確定單元，用于對所述新微博集合中的新微博的有效句子進行聚類確定微博熱門話題。