[發明專利]一種熱點數據處理方法及其設備

有效

• 申請號: 201611124269.6
• 申請日: 2016-12-08
• 公開（公告）號: CN108182191B
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 孫鐘前;李宏杰;唐柯;尹光宗;陳楊;呂遠方;韓耀慶;林孟光;方圓;霍然
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/955;G06F40/289;G06F40/284
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種熱點數據處理方法，其特征在于，包括：

獲取多個數據站點在第一預設時間段內存儲的當前原始數據集合，并記錄所述當前原始數據集合中各個數據站點對應的各當前原始數據間的關聯關系；

對所述各當前原始數據進行預處理，所述預處理包括分詞處理和分類處理；

分別提取預處理后的所述各當前原始數據的數據標題，并在所述各當前原始數據的數據標題中確定熱點數據的數據標題；

根據所述熱點數據的數據標題獲取所述熱點數據的數據標簽信息，所述數據標簽信息包含所述熱點數據的分詞處理結果、分詞處理結果中的關鍵字段和內容集合的數據標簽信息；

基于所述各當前原始數據間的關聯關系，在所述當前原始數據集合中獲取與所述數據標簽信息相關聯的第一原始數據；

獲取在所述第一原始數據中篩選的熱點數據，采用預設先驗詞庫以及所述熱點數據的關鍵字段對所述熱點數據進行延展調整處理，并對延展調整處理后的所述熱點數據進行輸出，所述延展調整處理包括數據內容篩選處理以及排序處理；

其中，所述采用預設先驗詞庫以及所述熱點數據的關鍵字段對所述熱點數據進行延展調整處理，包括：

依據預先訓練的先驗詞庫對所述熱點數據中的關鍵字段進行匹配，若檢測到所述熱點數據中的多個關鍵字段中存在多個先驗詞，確定所述熱點數據的數據內容的排序優先級最高；

若檢測到所述熱點數據中的多個關鍵字段中僅存在一個先驗詞，則對所述熱點數據的數據子標題進行向量化，并計算所述熱點數據的數據子標題的標題向量余弦夾角與數據標題的標題向量余弦夾角的相似度，若所述相似度大于預設相似度閾值，則確定所述熱點數據的數據內容的排序優先級次高；

若檢測到所述熱點數據中的多個關鍵字段中不存在先驗詞或僅存在一個不屬于先驗詞的關鍵字段，則獲取所述熱點數據的社交類因子作為熱點數據，并確定所述熱點數據的數據內容的排序優先級別最低；

若檢測到所述熱點數據僅存在一個關鍵字段且屬于先驗詞，則將所述熱點數據作為所述關鍵字段的后續延展內容。

2.根據權利要求1所述的方法，其特征在于，所述分別提取預處理后的所述各當前原始數據的數據標題，并在所述各當前原始數據的數據標題中確定熱點數據的數據標題，包括：

分別提取預處理后的所述各當前原始數據的數據標題；

采用預設過濾規則對所述各當前原始數據的數據標題進行過濾處理，以獲取至少一個數據標題；

分別計算所述至少一個數據標題中各數據標題對應的熱度信息；

根據所述各數據標題對應的熱度信息確定熱點數據的數據標題。

3.根據權利要求2所述的方法，其特征在于，所述預設過濾規則包括：

過濾分類處理結果屬于預設類別的第一數據標題；和，

過濾分詞處理結果屬于預設詞性搭配的第二數據標題；和，

過濾數據標題長度小于預設長度閾值的第三標題數據；和，

過濾屬于預設標題的第四標題數據；中的至少一種。

4.根據權利要求1所述的方法，其特征在于，所述獲取在所述第一原始數據中篩選的熱點數據，并對所述熱點數據進行輸出之前，還包括：

在預先存儲的歷史原始數據集合中獲取與所述數據標簽信息匹配相似度大于預設相似度閾值的第二原始數據；

其中，所述歷史原始數據集合為歷史獲取的所述多個數據站點在第二預設時間段內除所述第一預設時間段所存儲的數據集合。

5.根據權利要求4所述的方法，其特征在于，還包括：

獲取在所述第一原始數據和所述第二原始數據中篩選的熱點數據；

采用預設先驗詞庫以及所述熱點數據的關鍵字段對所述熱點數據進行延展調整處理，并對延展調整處理后的所述熱點數據進行輸出。