[发明专利]热点事件检测方法和装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种热点事件检测方法和装置。

背景技术

微博从诞生到如今，以惊人的速度发展着，国内最大的两大微博平台新浪和腾讯的注册人数早已超过5亿。尤其是在突发和热点事件中，微博的影响规模和传播速度超越了普通博客和传统的新闻媒体。目前，从海量微博数据中检测热点事件的方法主要为：获取海量微博数据，采用Canopy聚类算法或k-means聚类算法对海量微博数据进行聚类，获取热点事件。

然而现有技术中，海量微博数据中的微博条数过多，且海量微博数据中由极大部分微博与热点事件毫无关系，对其进行聚类，延长了获取热点事件的时间，降低了聚类获取热点事件的效率。

发明内容

本发明提供一种热点事件检测方法和装置，用于解决现有技术中获取热点事件的时间长，效率低的问题。

本发明的第一个方面是提供一种热点事件检测方法，包括：

获取社交网络中当前时间段内的微博数据；

对所述微博数据中的多条微博的内容进行分词，统计分词得到的各个词在所述微博数据中的出现次数；

获取社交网络中历史时间段内所述各个词在历史微博数据中的出现次数；所述历史时间段和所述当前时间段的时间长度相等；

对所述各个词在所述微博数据中的出现次数和在历史微博数据中的出现次数进行比较，确定所述微博数据中的热词；

获取所述微博数据中包括所述热词的微博；

对包括所述热词的微博进行聚类，确定所述微博数据中的热点事件。

进一步地，所述对所述各个词在所述微博数据中的出现次数和在历史微博数据中的出现次数进行比较，确定所述微博数据中的热词，包括：

计算所述各个词在所述微博数据中的出现次数与在历史微博数据中的出现次数的比值；

将所述比值大于第一阈值的相应词确定为所述微博数据中的热词。

进一步地，所述对所述各个词在所述微博数据中的出现次数和在历史微博数据中的出现次数进行比较，确定所述微博数据中的热词，还包括：

计算所述各个词在所述微博数据中的出现次数与在历史微博数据中的出现次数的差值；

所述将所述比值大于第一阈值相应词确定为所述微博数据中的热词，包括：

将所述比值大于第一阈值，且所述差值大于第二阈值的相应词确定为所述微博数据中的热词。

进一步地，所述对包括所述热词的微博进行聚类，确定所述微博数据中的热点事件，包括：

对包括所述热词的微博进行canopy聚类，确定初始类的数目和中心点；

根据所述初始类的数目和中心点对包括所述热词的微博进行k-means聚类，确定所述微博数据中的热点事件。

进一步地，所述对包括所述热词的微博进行canopy聚类，确定初始类的数目和中心点之前，还包括：

查询预设的词表，确定所述热词在所述词表中的序号；

根据所述热词在所述词表中的序号和所述热词在所述微博数据中的出现次数，确定包括所述热词的微博对应的微博向量；

所述对包括所述热词的微博进行canopy聚类，确定初始类的数目和中心点，包括：

对所述微博向量进行canopy聚类，确定初始类的数目和中心点。

本发明的另一个方面提供一种热点事件检测装置，包括：

获取模块，用于获取社交网络中当前时间段内的微博数据；

分词模块，用于对所述微博数据中的多条微博的内容进行分词，统计分词得到的各个词在所述微博数据中的出现次数；

所述获取模块，还用于获取社交网络中历史时间段内所述各个词在历史微博数据中的出现次数；所述历史时间段和所述当前时间段的时间长度相等；

确定模块，用于对所述各个词在所述微博数据中的出现次数和在历史微博数据中的出现次数进行比较，确定所述微博数据中的热词；

所述获取模块，还用于获取所述微博数据中包括所述热词的微博；

聚类模块，用于对包括所述热词的微博进行聚类，确定所述微博数据中的热点事件。

进一步地，所述确定模块具体用于，

计算所述各个词在所述微博数据中的出现次数与在历史微博数据中的出现次数的比值；

将所述比值大于第一阈值的相应词确定为所述微博数据中的热词。

进一步地，所述确定模块具体还用于，计算所述各个词在所述微博数据中的出现次数与在历史微博数据中的出现次数的差值；