[发明专利]一种微博关键事件获取方法和装置

权利要求书

1.一种微博关键事件获取方法，其特征在于，该方法包括：

根据预设条件搜索微博；

根据搜索到的所述微博提取热词；

在根据搜索到的所述微博提取热词的过程中，统计每个属于候选词性的词语在预设的第一时间段和预设的第二时间段内出现的次数，将所述出现的次数达到预设次数的属于候选词性的词语作为候选词；或者，统计每个属于候选词性的词语在预设的第一时间段和预设的第二时间段内出现的天数，当一天中至少M篇微博包含属于候选词性的词语时统计为一天，将所述出现的天数达到预设天数的属于候选词性的词语作为候选词，所述M为预设值；

根据所述热词，提取每个热词对应的每天的关键事件，并生成相应的事件标题；

统计每个所述热词的每日热度值，保存每个所述热词的每日热度值排名前N位的日期，并保存对应的所述关键事件的事件标题，所述N为预设值。

2.根据权利要求1所述微博关键事件获取方法，其特征在于，所述预设条件包括微博用户和微博发表时间；所述微博发表时间指示为所述预设的第一时间段和预设的第二时间段；所述微博用户指示为微博注册用户；

所述根据预设条件搜索微博为：搜索所述微博注册用户在所述预设的第一时间段和预设的第二时间段发表的微博。

3.根据权利要求1所述微博关键事件获取方法，其特征在于，所述根据搜索到的微博提取热词的过程中，所述方法还包括：

采用切词工具对搜索到的所述微博的文本内容进行切词；

对切词后所述微博的文本内容中的各个词语进行词性标注；

选择候选词性，以通过所述统计每个属于候选词性的词语在预设的第一时间段和预设的第二时间段内出现的次数或者出现的天数得到所述候选词；

对所述候选词进行热度值计算，将热度值大于阈值的所述候选词作为热词。

4.根据权利要求3所述微博关键事件获取方法，其特征在于，所述对候选词进行热度值H计算为：

H＝w1*f1(A1)+w2*f2(A1/A2)+w3*f3(B1)+w4*f4(B1/B2)；

所述A1为候选词在所述第一时间段内出现的天数，当一天中至少M篇微博包含候选词时统计为一天；

所述A2为候选词在所述第二时间段内出现的天数，当一天中至少M篇微博包含特定候选词时统计为一天；

所述B1为所述预设的第一时间段内包含候选词的所有微博的总转评数；

所述B2为所述预设的第二时间段内包含候选词的所有微博的总转评数；

所述w1、w2、w3、w4分别为所述A1、A2、B1、B2的权重；

所述f1、f2、f3、f4分别为将所述A1、A2、B1、B2归约到0-1的函数。

5.根据权利要求1或4所述微博关键事件获取方法，其特征在于，对候选词进行热度值计算，将热度值大于阈值的候选词作为热词之后，该方法还包括：

按照预设的分类，对包含特定热词的微博采用分类工具进行分类，基于分类结果计算所述特定热词的信息熵，将所述信息熵高于阈值的热词作为噪音热词进行过滤；

所述特定热词对应的所述分类结果包括：各个分类对应的包含所述特定热词的微博条数。

6.根据权利要求5所述微博关键事件获取方法，其特征在于，所述特定热词的信息熵H采用如下公式计算：

其中，所述p(i)＝si/S，所述S为包含所述特定热词的微博总条数；si为第i个分类对应的包含所述特定热词的微博条数。

7.根据权利要求6所述微博关键事件获取方法，其特征在于，所述根据热词，提取每个热词对应的每天的键事件包括：

将包含特定热词的、且在特定日内微博热度值最高的微博作为所述特定热词对应的特定日的关键事件；所述特定日属于所述预设的第一件时间段或预设的第二时间段。

8.根据权利要求7所述微博关键事件获取方法，其特征在于，所述微博热度值O1采用如下公式计算：O1＝w5*f5+w6*f6；

其中：所述w5为C的权重；所述w6为D的权重；所述f5为C归约到0-1的函数；所述f6为D归约到0-1的函数；所述C为包含特定热词的特定微博在特定日的转评数；D为包含特定热词的特定微博在特定日的内容聚焦度。