[發(fā)明專利]基于微博平臺(tái)的事件關(guān)鍵人物提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011498810.6
• 申請(qǐng)日: 2020-12-17
• 公開（公告）號(hào): CN112632998A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 曹娟;謝添;劉浩遠(yuǎn);徐朝喜
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)研究院;杭州中科睿鑒科技有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/242;G06F16/35;G06F16/953
• 代理公司: 杭州九洲專利事務(wù)所有限公司 33101
• 代理人: 韓小燕

1.一種基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于：所述事件關(guān)鍵人物包括事件中的關(guān)鍵人名，以及事件傳播過程中的關(guān)鍵微博用戶和信息源頭用戶，所述關(guān)鍵微博用戶包括重要傳播用戶、事件發(fā)展節(jié)點(diǎn)用戶、公眾指向用戶。

2.根據(jù)要求要求1所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述事件中的關(guān)鍵人名的提取方法，包括：

獲取事件微博；

對(duì)事件微博進(jìn)行人名識(shí)別和歧義人名修正，獲取事件中的關(guān)鍵人名。

3.根據(jù)權(quán)利要求2所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述對(duì)事件微博進(jìn)行人名識(shí)別和歧義人名修正，包括：

利用分詞工具對(duì)事件涉及的微博數(shù)據(jù)進(jìn)行分詞和詞性標(biāo)注，選取其中的人名，并將每個(gè)人名在整個(gè)事件微博中出現(xiàn)的次數(shù)作為其權(quán)重；

對(duì)選取的人名，如果出現(xiàn)在先驗(yàn)概率詞典中，則以對(duì)應(yīng)的先驗(yàn)概率調(diào)整其權(quán)重；

對(duì)調(diào)整權(quán)重后的人名，依照權(quán)重大小排序，選擇前k個(gè)作為事件中的關(guān)鍵人名；

所述先驗(yàn)概率詞典的生成方法如下：

通過利用分詞工具對(duì)大規(guī)模微博語(yǔ)料進(jìn)行分詞和詞性標(biāo)注處理；

統(tǒng)計(jì)所有歧義詞項(xiàng)出現(xiàn)次數(shù)和被標(biāo)注為人名的次數(shù)；

用標(biāo)注為人名的次數(shù)除以出現(xiàn)次數(shù)作為該歧義詞作為人名的先驗(yàn)概率，生成歧義人名的先驗(yàn)概率詞典。

4.根據(jù)權(quán)利要求1所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述重要傳播用戶的提取方法，包括：

獲取事件微博；

獲取該事件傳播過程中傳播熱度較高微博對(duì)應(yīng)的作者作為重要傳播用戶；

所述微博傳播熱度hot(w_i)的計(jì)算公式如下：

其中For(w_i)為微博w_i的轉(zhuǎn)發(fā)量，Com(w_i)為微博w_i的評(píng)論量，F(xiàn)an(u_i)為w_i對(duì)應(yīng)用戶u_i的粉絲量。

5.根據(jù)權(quán)利要求1所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述事件發(fā)展節(jié)點(diǎn)用戶的提取方法，包括：

使用single-pass聚類算法按照時(shí)間先后順序?qū)κ录婕暗奈⒉┻M(jìn)行聚類，并將每個(gè)類看作事件發(fā)展的一個(gè)階段或一個(gè)觀點(diǎn)，在每個(gè)類中選取熱度最高的微博對(duì)應(yīng)的用戶為當(dāng)前事件發(fā)展節(jié)點(diǎn)的用戶代表，作為事件發(fā)展節(jié)點(diǎn)用戶。

6.根據(jù)權(quán)利要求1所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述公眾指向用戶的提取方法，包括：

獲取事件涉及微博中被公眾用戶通知頻率最高的用戶，作為公眾指向用戶。

7.根據(jù)權(quán)利要求1所述的基于微博平臺(tái)的事件關(guān)鍵人物提取方法，其特征在于，所述信息源頭用戶的提取方法，包括：

獲取事件微博；

基于事件涉及微博發(fā)布的時(shí)間戳，獲取發(fā)布時(shí)間較早的事件涉及微博；

根據(jù)微博轉(zhuǎn)發(fā)量和評(píng)論量閾值過濾掉發(fā)布時(shí)間較早的事件涉及微博中轉(zhuǎn)發(fā)量和評(píng)論量較少的微博，將過濾后剩余的事件涉及微博用戶作為信息源頭用戶。