[發明專利]熱點事件監控方法、裝置、計算機裝置及可讀存儲介質

有效

• 申請號: 202010317174.6
• 申請日: 2020-04-21
• 公開（公告）號: CN111538891B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 黃晨;張蓓;劉屹;徐楠;萬正勇;沈志勇;高宏
• 申請（專利權）人: 招商局金融科技有限公司
• 主分類號: G06F16/9532
• 分類號: G06F16/9532;G06F16/9537
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明公開了一種熱點事件監控方法、裝置、計算機裝置及計算機可讀存儲介質，所述方法包括：從獲取到的涉及目標事件的新聞流中提取目標事件的關鍵詞流并對關鍵詞流進行過濾以構建關鍵詞集；根據關鍵詞集中的關鍵詞的時間戳將關鍵詞集切分為多個非固定大小的時間窗口；對每一時間窗口內的關鍵詞進行亂序處理，移除關鍵詞的時間戳并記錄每一時間窗口的時間跨度信息；基于預設緩存過濾器對經過亂序處理的時間窗口內的關鍵詞進行篩選與過濾；利用預設監測與更新機制對經過篩選與過濾處理的時間窗口內的關鍵詞進行監控，以得到關鍵詞集的事件特征關鍵詞。本發明可準確地選取能代表熱點事件的關鍵詞，進而提高篩選出涉及該熱點事件的新聞的準確度。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種熱點事件監控方法、裝置、計算機裝置及計算機可讀存儲介質。

背景技術

傳統的新聞熱點事件發現方法，一般是基于人為預定義關鍵詞對目標熱點新聞進行篩選，該種熱點事件發現方法存在時效性低的缺點。傳統由新聞流生成的海量關鍵詞的重要性的評估一般是采用TF-IDF算法來發現有價值的關鍵詞候選集，每個關鍵詞的重要性計算依賴于所有關鍵詞集合的統計特征結果，當新聞流生成海量關鍵詞時，時間計算復雜度和存儲空間復雜度均較高，對熱點事件發現的實時性產生較大的消極影響，且對新詞發現不夠友好，熱點事件新聞包含的最有價值的關鍵詞往往是之前新聞流未出現的，而TF-IDF算法無法準確捕捉該些新詞，進而難以準確選取最能代表熱點新聞的關鍵詞，從而導致篩選新聞的質量不高，很可能參雜其他不相關的新聞噪聲。

發明內容

有鑒于此，本發明提出一種熱點事件監控方法、裝置、計算機裝置及計算機可讀存儲介質，其可準確地選取能代表熱點事件的關鍵詞，進而提高篩選出涉及該熱點事件的新聞的準確度。

首先，為實現上述目的，本發明提出一種熱點事件監控方法，所述方法包括：

從獲取到的涉及目標事件的新聞流中提取所述目標事件的關鍵詞流，并利用預設過濾規則對所述關鍵詞流進行過濾，以根據過濾得到的多個關鍵詞構建關鍵詞集；

根據所述關鍵詞集中的關鍵詞的時間戳將所述關鍵詞集切分為多個非固定大小的時間窗口，其中每一所述時間窗口內的關鍵詞數量相等；

對每一所述時間窗口內的關鍵詞進行亂序處理，移除所述關鍵詞的時間戳并記錄每一所述時間窗口的時間跨度信息；

基于預設緩存過濾器對經過亂序處理的時間窗口內的關鍵詞進行篩選與過濾；及

利用預設監測與更新機制對經過篩選與過濾處理的時間窗口內的關鍵詞進行監控，以得到所述關鍵詞集的事件特征關鍵詞。

優選地，所述關鍵詞的時間戳記錄了所述關鍵詞的獲取時間，或記錄了所述關鍵詞所屬的新聞的發布時間。

優選地，述記錄每一所述時間窗口的時間跨度信息的步驟包括：

獲取所述時間窗口內的關鍵詞的時間戳所記錄的最大時間與最小時間，以根據所述最大時間與所述最小時間生成并記錄所述時間窗口的時間跨度信息。

優選地，所述基于預設緩存過濾器對經過亂序處理的時間窗口內的關鍵詞進行篩選與過濾的步驟包括：

將經過亂序處理的時間窗口內的關鍵詞依序插入所述預設緩存過濾器，以對所述時間窗口內的關鍵詞進行篩選與過濾；

其中，當所述預設緩存過濾器中的緩存位置被關鍵詞占滿時，若有不存在于所述緩存位置中的關鍵詞插入，則所述預設緩存過濾器將最下層的關鍵詞從所述緩存位置中移除并在最上層插入所述關鍵詞，若有已存在于所述緩存位置中的關鍵詞再次插入，則所述預設緩存過濾器將所述關鍵詞的位置調整為最上層。