[发明专利]一种讨论区集合中热点讨论区的预测方法

权利要求书

1.一种讨论区集合中热点讨论区的预测方法，其特征在于，包括下列步骤：

a)针对目标讨论区集合，确定待预测的时间窗口W_i+1；

b)获得目标讨论区集合内的各个讨论区在时间窗口W_i-1和时间窗口W_i内的特征向量，所述特征向量由显示讨论区受关注程度的多个属性组成，其中，W_i在时间上介于W_i-1和W_i+1之间；

c)在W_i内，以各个讨论区的特征向量作为数据对象对各个讨论区进行聚类分析，并以得到的一个或多个类中心作为W_i内的热点讨论区；

d)以各个讨论区在W_i-1内的特征向量作为输入并以W_i内的热点讨论区作为输出进行SVM学习；

e)以各个讨论区在W_i内的特征向量作为上述学习后的SVM的输入，输出目标讨论区集合在W_i+1内的热点讨论区。

2.如权利要求1所述的方法，其特征在于，所述时间窗口W_i-1，W_i和W_i+1具有相同或部分相同或不同的时间长度。

3.如权利要求1所述的方法，其特征在于，所述时间窗口W_i-1和W_i在时间上互相连续，W_i和W_i+1在时间上互相连续。

4.如权利要求1所述的方法，其特征在于，所述时间窗口W_i-1和W_i在时间上互相重叠，W_i和W_i+1在时间上互相重叠。

5.如权利要求1所述的方法，其特征在于，组成所述特征向量的属性包括文本倾向性值，其通过下述方法获得：

a)针对目标讨论区集合中的各个讨论区，获得讨论区内各个目标帖子中用户发表的文本内容；

b)用分词工具提取所述文本内容中的词语；

c)基于HowNet中文情感语料库为所述词语赋予感情值；

d)以所述感情值的总和作为该讨论区的文本倾向性值。

6.如权利要求5所述的方法，其特征在于，步骤c)通过下述方法为所述词语赋予感情值：

i.将所述词语和设定的词语库作匹配，获得所述词语的感情色彩因数，其中正负面感情色彩的词语的感情色彩因数的正负号相反；

ii.将所述词语前若干词语分别和设定的词语库作匹配，若存在否定词汇，则对于每一个否定词汇均对所述感情色彩因数取反；

iii.将所述词语前后若干个词语分别和设定的词语库作匹配，获得所述若干个词语的程度修饰因数；

iv.以上述感情色彩因数和程度修饰因数的乘积作为所述感情值。

7.如权利要求6所述的方法，其特征在于，所述词语库包括中文正面词汇集合、中文负面词汇集合、中文否定词汇集合和修饰程度分成多个级别的多个中文程度修饰词汇集合且各个程度修饰词汇集合中的词汇所对应的程度修饰因数和其修饰程度成正相关。

8.如权利要求6所述的方法，其特征在于，组成所述特征向量的属性还包括选自由主题帖数量、平均回帖数量、平均文本倾向性值、正面感情色彩文本的百分比以及负面感情色彩文本的百分比组成的集合的属性。

9.如权利要求1所述的方法，其特征在于，所述聚类方法为K-means聚类，所述SVM基于LIBSVM工具包。