[發(fā)明專利]一種從微博中挖掘地震主題詞的方法和裝置

有效

• 申請?zhí)枺?/td>: 201710074352.5
• 申請日: 2017-02-10
• 公開（公告）號: CN106874448B
• 公開（公告）日: 2020-03-06
• 發(fā)明（設(shè)計）人: 張曉東;陳欣意;鄒再超;李林;蘇偉;劉峻明;朱德海;孫瑞志
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學(xué)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/33
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 湯財寶

1.一種從微博中挖掘地震主題詞的方法，其特征在于，包括：

S1、對含有地震詞匯的微博文本集中的每個微博文本提取特征詞，基于TF-PDF公式計算每個特征詞在該特征詞所在微博文本中的權(quán)重；

S2、基于微博文本對應(yīng)的活躍度、傳播力以及覆蓋度，獲得每個微博文本的影響力；以及

S3、基于各微博文本的影響力以及微博文本中各特征詞的權(quán)重，獲得各特征詞的流行度，按照各特征詞的流行度大小進(jìn)行降序排列，將排名靠前的特征詞作為地震主題詞；

其中，所述特征詞包括名詞、動詞、量詞、數(shù)詞以及時間詞；

所述步驟S1之前還包括：

采集一定時間范圍內(nèi)含有地震詞匯的微博文本，構(gòu)成微博文本集；以及

將含有特定詞匯、特定話題或特定標(biāo)題的微博文本、具有媒體認(rèn)證的博主發(fā)送的微博文本和單純轉(zhuǎn)發(fā)的微博文本從所述微博文本集中剔除；

其中，所述特定詞匯包括：中國地震臺網(wǎng)、中國地震局、統(tǒng)計以及新華社快訊中的一種或多種；

特定話題包括：最新消息、地震直播以及地震最新動態(tài)中的一種或多種；

特定標(biāo)題包括：地震快訊和快訊中的一種或多種。

2.如權(quán)利要求1所述的方法，其特征在于，所述步驟S1包括：

S1.1、對所述微博文本集中每個微博文本進(jìn)行分詞，并標(biāo)注每個詞匯的詞性，基于不同正則表達(dá)式，對應(yīng)提取每個微博文本中的不同詞性的詞匯組合；

S1.2、從步驟S1.2得到的所有詞匯組合中提取名詞、動詞、量詞、數(shù)詞以及時間詞，作為所述特征詞；以及

S1.3、利用空間向量模型將微博文本表示為向量，所述特征詞對應(yīng)向量中的特征項，基于TF-PDF公式計算每個特征詞在各微博文本中的權(quán)重；

其中，所述詞性至少包括名詞、數(shù)詞、量詞、位置詞、震級、時間詞、日期詞以及動詞。

3.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2包括：

基于微博文本的博主在該時間范圍內(nèi)，每天平均發(fā)微博數(shù)和轉(zhuǎn)發(fā)評論數(shù)之和，獲得該微博文本對應(yīng)的活躍度；

基于微博文本被轉(zhuǎn)發(fā)評論和被評論數(shù)之和，獲得該微博文本對應(yīng)的傳播力；

基于微博文本的博主的活躍粉絲數(shù)，獲得該微博文本對應(yīng)的覆蓋度；

基于地震發(fā)生的時間，分別設(shè)置對應(yīng)所述活躍度、傳播力以及覆蓋度的3個影響力參數(shù)；以及

基于微博文本對應(yīng)的活躍度、傳播力、覆蓋度以及3個影響力參數(shù)，獲得每個微博文本的影響力。

4.如權(quán)利要求1所述的方法，其特征在于，所述步驟S3中流行度的計算公式為：

其中，q(j,t)表示特征詞j在時間范圍t內(nèi)的流行度，D表示時間范圍t的微博文本集，p(d)為微博文本d的影響力，w_d,j代表微博文本d中特征詞j所具有的TF-PDF權(quán)重。

5.如權(quán)利要求2所述的方法，其特征在于，所述基于不同正則表達(dá)式，對應(yīng)提取每個微博文本中的不同詞性的詞匯組合，包括：

基于第一正則表達(dá)式，提取微博文本中的名詞、數(shù)詞或量詞的組合；

基于第二正則表達(dá)式，提取微博文本中的位置詞、震級或時間詞的組合；

基于第三正則表達(dá)式，提取微博文本中的動詞、名詞或量詞的組合；以及

基于第四正則表達(dá)式，提取微博文本中的日期詞或時間詞的組合。

6.如權(quán)利要求2所述的方法，其特征在于，所述TF-PDF公式為：

w_d,i＝tf_i*exp(df_i/D)

其中，w_d,i表示特征詞i在微博文本d中的權(quán)重，tf_i表示特征詞i在微博文本d中出現(xiàn)的頻率，df_i則表示微博文本集中包含特征詞i的微博文本數(shù)，D為微博文本集中微博文本的總數(shù)。

7.如權(quán)利要求2所述的方法，其特征在于，所述步驟S1.1前還包括：將繁體中文格式的微博文本轉(zhuǎn)換為簡體中文格式。