熱點事件檢測方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種熱點事件檢測方法和裝置。
【背景技術(shù)】
[0002] 微博從誕生到如今，以驚人的速度發(fā)展著，國內(nèi)最大的兩大微博平臺新浪和騰訊 的注冊人數(shù)早已超過5億。尤其是在突發(fā)和熱點事件中，微博的影響規(guī)模和傳播速度超越 了普通博客和傳統(tǒng)的新聞媒體。目前，從海量微博數(shù)據(jù)中檢測熱點事件的方法主要為：獲取 海量微博數(shù)據(jù)，采用Canopy聚類算法或k-means聚類算法對海量微博數(shù)據(jù)進(jìn)行聚類，獲取 熱點事件。
[0003] 然而現(xiàn)有技術(shù)中，海量微博數(shù)據(jù)中的微博條數(shù)過多，且海量微博數(shù)據(jù)中由極大部 分微博與熱點事件毫無關(guān)系，對其進(jìn)行聚類，延長了獲取熱點事件的時間，降低了聚類獲取 熱點事件的效率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種熱點事件檢測方法和裝置，用于解決現(xiàn)有技術(shù)中獲取熱點事件的 時間長，效率低的問題。
[0005] 本發(fā)明的第一個方面是提供一種熱點事件檢測方法，包括：
[0006] 獲取社交網(wǎng)絡(luò)中當(dāng)前時間段內(nèi)的微博數(shù)據(jù)；
[0007] 對所述微博數(shù)據(jù)中的多條微博的內(nèi)容進(jìn)行分詞，統(tǒng)計分詞得到的各個詞在所述微 博數(shù)據(jù)中的出現(xiàn)次數(shù)；
[0008] 獲取社交網(wǎng)絡(luò)中歷史時間段內(nèi)所述各個詞在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)；所述歷 史時間段和所述當(dāng)前時間段的時間長度相等；
[0009] 對所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn) 行比較，確定所述微博數(shù)據(jù)中的熱詞；
[0010] 獲取所述微博數(shù)據(jù)中包括所述熱詞的微博；
[0011] 對包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點事件。
[0012] 進(jìn)一步地，所述對所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中 的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞，包括：
[0013] 計算所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù) 的比值；
[0014] 將所述比值大于第一閾值的相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞。
[0015] 進(jìn)一步地，所述對所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中 的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞，還包括：
[0016] 計算所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù) 的差值；
[0017] 所述將所述比值大于第一閾值相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞，包括：
[0018] 將所述比值大于第一閾值，且所述差值大于第二閾值的相應(yīng)詞確定為所述微博數(shù) 據(jù)中的熱詞。
[0019] 進(jìn)一步地，所述對包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點事 件，包括：
[0020] 對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點；
[0021] 根據(jù)所述初始類的數(shù)目和中心點對包括所述熱詞的微博進(jìn)行k-means聚類，確定 所述微博數(shù)據(jù)中的熱點事件。
[0022] 進(jìn)一步地，所述對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中 心點之前，還包括：
[0023] 查詢預(yù)設(shè)的詞表，確定所述熱詞在所述詞表中的序號；
[0024] 根據(jù)所述熱詞在所述詞表中的序號和所述熱詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)，確 定包括所述熱詞的微博對應(yīng)的微博向量；
[0025] 所述對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點，包 括：
[0026] 對所述微博向量進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點。
[0027] 本發(fā)明的另一個方面提供一種熱點事件檢測裝置，包括：
[0028] 獲取模塊，用于獲取社交網(wǎng)絡(luò)中當(dāng)前時間段內(nèi)的微博數(shù)據(jù)；
[0029] 分詞模塊，用于對所述微博數(shù)據(jù)中的多條微博的內(nèi)容進(jìn)行分詞，統(tǒng)計分詞得到的 各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)；
[0030] 所述獲取模塊，還用于獲取社交網(wǎng)絡(luò)中歷史時間段內(nèi)所述各個詞在歷史微博數(shù)據(jù) 中的出現(xiàn)次數(shù)；所述歷史時間段和所述當(dāng)前時間段的時間長度相等；
[0031] 確定模塊，用于對所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中 的出現(xiàn)次數(shù)進(jìn)行比較，確定所述微博數(shù)據(jù)中的熱詞；
[0032] 所述獲取模塊，還用于獲取所述微博數(shù)據(jù)中包括所述熱詞的微博；
[0033] 聚類模塊，用于對包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中的熱點事 件。
[0034] 進(jìn)一步地，所述確定模塊具體用于，
[0035] 計算所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù) 的比值；
[0036] 將所述比值大于第一閾值的相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞。
[0037] 進(jìn)一步地，所述確定模塊具體還用于，計算所述各個詞在所述微博數(shù)據(jù)中的出現(xiàn) 次數(shù)與在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)的差值；
[0038] 所述確定模塊將所述比值大于第一閾值相應(yīng)詞確定為所述微博數(shù)據(jù)中的熱詞中， 所述確定模塊具體用于，將所述比值大于第一閾值，且所述差值大于第二閾值的相應(yīng)詞確 定為所述微博數(shù)據(jù)中的熱詞。
[0039] 進(jìn)一步地，所述聚類模塊對包括所述熱詞的微博進(jìn)行聚類，確定所述微博數(shù)據(jù)中 的熱點事件中，所述聚類模塊具體用于，
[0040] 對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點；
[0041] 根據(jù)所述初始類的數(shù)目和中心點對包括所述熱詞的微博進(jìn)行k-means聚類，確定 所述微博數(shù)據(jù)中的熱點事件。
[0042] 進(jìn)一步地，所述聚類模塊對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的 數(shù)目和中心點之前，所述確定模塊還用于，查詢預(yù)設(shè)的詞表，確定所述熱詞在所述詞表中的 序號；
[0043] 根據(jù)所述熱詞在所述詞表中的序號和所述熱詞在所述微博數(shù)據(jù)中的出現(xiàn)次數(shù)，確 定包括所述熱詞的微博對應(yīng)的微博向量；
[0044] 所述聚類模塊對包括所述熱詞的微博進(jìn)行canopy聚類，確定初始類的數(shù)目和中 心點中，所述聚類模塊具體用于，
[0045] 對所述微博向量進(jìn)行canopy聚類，確定初始類的數(shù)目和中心點。
[0046] 本發(fā)明中，通過獲取社交網(wǎng)絡(luò)中當(dāng)前時間段內(nèi)的微博數(shù)據(jù)；對微博數(shù)據(jù)中的多條 微博的內(nèi)容進(jìn)行分詞，統(tǒng)計分詞得到的各個詞在微博數(shù)據(jù)中的出現(xiàn)次數(shù)；獲取社交網(wǎng)絡(luò)中 歷史時間段內(nèi)各個詞在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)；歷史時間段和當(dāng)前時間段的時間長度 相等；對各個詞在微博數(shù)據(jù)中的出現(xiàn)次數(shù)和在歷史微博數(shù)據(jù)中的出現(xiàn)次數(shù)進(jìn)行比較，確定 微博數(shù)據(jù)中的熱詞；獲取微博數(shù)據(jù)中包括熱詞的微博；對包括熱詞的微博進(jìn)行聚類，確定 微博數(shù)據(jù)中的熱點事件，通過先從社交網(wǎng)絡(luò)中當(dāng)前時間段內(nèi)的微博數(shù)據(jù)選出包括熱詞的微 博，對包括熱詞的微博進(jìn)行聚類，減少了聚類時的微博數(shù)量，縮短了獲取熱點事件的時間， 提高了聚類獲取熱點事件的效率。
【附圖說明】
[0047] 圖1為本發(fā)明提供的熱點事件檢測方法一個實施例的流程圖；
[0048] 圖2為本發(fā)明提供的熱點事件檢測方法又一個實施例的流程圖；
[0049] 圖3為canopy聚類算法的示意圖；
[0050]圖4為本發(fā)明提供的熱點事件檢測裝置一個實施例的結(jié)構(gòu)示意圖。
【具體實施方式】
[0051] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員 在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0052] 圖1為本發(fā)明提供的熱點事件檢測方法一個實施例的流程圖，如圖1所示，包括：
[0053] 101、獲取社交網(wǎng)絡(luò)中當(dāng)前時間段內(nèi)的微博數(shù)據(jù)。
[0054] 本發(fā)明提供的熱點事件檢測方法的執(zhí)行主體為熱點事件檢測裝置，熱點事件檢測 裝置具體可以為互聯(lián)網(wǎng)中的應(yīng)用服務(wù)器，或者設(shè)置在應(yīng)用服務(wù)器上的軟件或系統(tǒng)，用于檢 測社交網(wǎng)絡(luò)中用戶發(fā)表的各微博中的熱點事件。
[0055] 102、對微博數(shù)據(jù)中的多條微博的內(nèi)容進(jìn)行分詞，統(tǒng)計分詞得到的各個詞在微博數(shù) 據(jù)中的出現(xiàn)次數(shù)。
[005