[发明专利]一种微博突发事件检测方法

权利要求书

1.一种微博突发事件检测方法,其特征在于，包括步骤：

降维处理：基于LSH算法对微博数据流中的词汇进行映射处理；

创建B-Sketch模型：获取特征变量：微博数据流中的总微博数的加速率S、微博数据流中的每个词在总词汇数的加速率X和微博数据流中的每个词语的加速率Y；

其中，所述S的获取方式为：通过等式一：得到；

所述X的获取方式为：通过等式二：得到；

所述Y的获取方式为：通过等式三：得到；

所述等式一、等式二和等式三中的K为微博数据流中的当前活跃事件的数目，a_k(t)为微博数据流中的事件加速率，p_k为事件中词的分布向量；

推测突发事件：根据所述特征变量，计算微博数据流中的事件加速率a_k(t)和事件中词的分布向量p_k，根据所述事件加速率a_k(t)判断所述事件是否为突发事件。

2.如权利要求1所述的方法，其特征在于，所述计算微博数据流中的事件加速率a_k(t)和事件中词的分布向量p_k的具体步骤包括：

构建目标函数f，f＝w_X·e_X+w_Y·e_Y，其中，e_X和e_Y分别为等式二和等式三的误差的平方和，w_X和w_Y分别为等式二和等式三中待调节的权重；

根据所述等式一、等式二和等式三将所述目标函数f最优化，计算出事件加速率a_k(t)和分布向量p_k。

3.如权利要求2所述的方法，其特征在于，所述推测突发事件之前，还包括步骤：动态生成一阈值，所述阈值为当前活跃事件的前N天的微博总数的平均值，N≥1。

4.如权利要求3所述的方法，其特征在于，所述根据事件加速率a_k(t)判断所述事件是否为突发事件的具体步骤包括：

比较所述事件加速率a_k(t)与所述阈值的大小，如果所述事件加速率a_k(t)大于所述阈值，则所述事件为突发事件。

5.如权利要求2所述的方法，其特征在于，所述降维处理具体为：将相似词汇映射到同一个哈希桶里，将每个桶里的所有词汇视为一个词，并采用COUNT-MIN算法估计概率最高的单词。

6.如权利要求5所述的方法，其特征在于，所述根据所述等式一、等式二和等式三将所述目标函数f最优化，计算出事件加速率a_k(t)和分布向量p_k的具体步骤包括：

e_X和e_Y的表达式分别为等式四和等式五：

等式四：

等式五：

其中，p_k,i≥0,1≤k≤K,1≤i≤N；

经过所述降维处理之后，特征变量S(t)不变，对特征变量X(t)设定H向量对特征变量Y(t)设定矩阵所述e_X和e_Y的表达式分别变换为：

其中，为哈希桶的概率分布；

通过所述目标函数f、等式一、等式二和等式三，将目标函数f最小化，计算出事件加速率a_k(t)和分布向量p_k。

7.如权利要求1至6中任一项所述的方法，其特征在于，所述降维处理之前，还包括去噪处理：筛选微博数据流中的停用词，并删除所述停用词。