[发明专利]一种微博关键事件获取方法和装置

说明书

技术领域

本发明涉及微博搜索技术，特别是指一种微博关键事件获取方法和装置。

背景技术

网络即时通讯(IM，Instant Messenger)工具发展到今天已经被大多数的网民所接受，成为用户必不可少的通信工具，不仅在平时的休闲娱乐中，而且在用户的工作中得到广泛的使用。特别是微博，由于其信息传递效率非常高，已经成为主流的IM工具。

微博的用户群庞大，微博传递的信息量也非常巨大。基于这巨大的信息量，可以统计出一段时间内网民关注度较高的事件和词语等。目前有两种统计关注度较高的事件和词语的方式：

一是、根据关键词的搜索频次的时间趋势可统计得到热词；对每日每条微博采用切词工具切词，统计出每日每个热词的词频，据此可绘制出热词的时间趋势图。其中，所述的热词即为关注度高的关键词。

一是，根据关键词的搜索频次的时间趋势可统计得到热词；获取重要官方媒体发布的每日微博或文章，统计出每日微博或文章标题中包含特定热词的微博或文章数量，该数值就是当天该热词的关注热度，据此可绘制出一段时间内特定热词的时间趋势图。

上述技术方案存在问题有：

一、上述方案中，由于微博内容出现的随机性会有大量的噪音热词。

二、根据微博转评数及浏览数确定的关键事件有可能是跟对应热词不相关的，也就是说带有指定热词的热门微博或文章并不一定是围绕该热词展开的；

三、上述两种方案只能统计出一段时间内热词的时间趋势图，而无法获取关键时间点发生的关键事件。

发明内容

有鉴于此，本发明的主要目的在于提供一种微博关键事件获取方法和装置，以实现微博系统中关键时间点的关键事件的获取。

为达到上述目的，本发明的技术方案是这样实现的：

一种微博关键事件获取方法，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；

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。

较佳的，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。

较佳的，所述根据搜索到的微博提取热词，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，并统计属于所述候选词性的词语的词频，将词频达到阈值的词语确定为候选词；

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。

较佳的，所述统计属于候选词性的词语的词频，将词频达到阈值的词语确定为候选词，包括：

统计每个属于候选词性的词语在所述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所述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。

较佳的，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M为预设值；

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M为预设值；

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。

较佳的，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：