[發明專利]一種基于互聯網金融信息的熱點挖掘方法及系統

在審

• 申請號: 201910373114.3
• 申請日: 2019-05-06
• 公開（公告）號: CN110134847A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 黃仔琪;孫振起
• 申請（專利權）人: 北京科技大學
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/35;G06F16/335;G06F16/36;G06F16/383
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于互聯網金融信息的熱點挖掘方法，其特征在于，包括：

從網絡上抓取財經新聞；

提取每篇新聞的特征向量；

根據提取的特征向量進行聚類，得到多個新聞簇，其中，每個新聞簇對應一個熱點；

對每個新聞簇中的所有標題進行重要程度排序，并獲取重要程度最高的標題來描述相應新聞簇中的熱點話題。

2.根據權利要求1所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述從網絡上抓取財經新聞包括：

通過聚焦網絡爬蟲，從網絡上抓取與預先定義的財經主題相關的網絡頁面。

3.根據權利要求1所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，在提取每篇新聞的特征向量之前，所述方法還包括:

對每篇新聞內容使用結巴分詞法進行分詞和詞性篩選。

4.根據權利要求3所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述對每篇新聞內容使用結巴分詞法進行分詞和詞性篩選包括：

對新聞內容進行清洗，其中，清洗包括：去重、時間段過濾；

基于預先構建的用戶詞詞典，對清洗后的新聞內容文本進行結巴分詞并進行詞性標注；

基于預先構建的停用詞詞典、消除歧義詞詞典和保留單字詞典，過濾掉對話題無關且不影響聚類準確性的詞，篩選出具備目標詞性的詞，其中，所述目標詞性包括：名詞、動詞和簡稱詞性。

5.根據權利要求3所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述提取每篇新聞的特征向量包括：

根據詞性篩選結果，通過詞頻-逆文本頻率算法提取每篇新聞的特征向量。

6.根據權利要求1所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述提取每篇新聞的特征向量包括：

根據提取的特征向量進行DBSCAN聚類，得到多個新聞簇，其中，DBSCAN表示具有噪聲的基于密度的聚類方法。

7.根據權利要求1所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述對每個新聞簇中的所有標題進行重要程度排序，并獲取重要程度最高的標題來描述相應新聞簇中的熱點話題包括：

對每個新聞簇中的所有標題通過文本排序算法進行重要程度排序，并獲取每個新聞簇中重要程度最高的標題來描述該新聞簇中的熱點話題。

8.根據權利要求3所述的基于互聯網金融信息的熱點挖掘方法，其特征在于，所述方法還包括：

根據詞性篩選結果，通過詞嵌入模型進行詞向量訓練操作；

根據得到的詞向量，對每個新聞簇的詞匯進行K-均值聚類，得到多個相近詞詞簇，其中，K表示詞簇的數目。

9.一種基于互聯網金融信息的熱點挖掘系統，其特征在于，包括：

獲取模塊，用于從網絡上抓取財經新聞；

提取模塊，用于提取每篇新聞的特征向量；

第一聚類模塊，用于根據提取的特征向量進行聚類，得到多個新聞簇，其中，每個新聞簇對應一個熱點；

排序模塊，用于對每個新聞簇中的所有標題進行重要程度排序，并獲取重要程度最高的標題來描述相應新聞簇中的熱點話題。

10.根據權利要求9所述的基于互聯網金融信息的熱點挖掘系統，其特征在于，所述系統還包括：

篩選模塊，用于對新聞內容進行清洗，對清洗后的新聞內容使用結巴分詞法進行分詞和詞性；

訓練模塊，用于根據詞性篩選結果，通過詞嵌入模型進行詞向量訓練操作；

第二聚類模塊，用于根據得到的詞向量，對每個新聞簇的詞匯進行K-均值聚類，得到多個相近詞詞簇，其中，K表示詞簇的數目。