[发明专利]基于时间序列的话题发展聚类分析系统和方法

权利要求书

1.一种基于时间序列的话题发展聚类分析系统，其特征在于，包括：

数据采集部，采用预定采集周期从网络、微博上采集话题，所述话题包括话题URL、话题名称、累计阅读量时间序列，其中，所述累计阅读量时间序列为不同采集时间对应的话题累计阅读量构成的时间序列；

数据处理部，包括差分模块、第一判断模块、第一话题存储库和第二话题存储库，所述差分模块对每一个话题的累计阅读量时间序列进行前向差分得到每一个话题的话题热度时间序列，所述第一判断模块根据所述话题热度时间序列判断话题是否处于衰退期，将不处于衰退期的话题存储到第一话题存储库，将处于衰退期的话题存储到第二话题存储库；

时间序列距离计算部，包括分段模块、时间序列距离计算第一模块和时间序列距离计算第二模块，所述分段模块对每一个话题热度时间序列按照自然日进行分段，所述时间序列距离计算第一模块和时间序列距离计算第二模块分别计算各话题之间的分段欧式距离S-Euc和分段动态弯曲距离S-DTW；

话题聚类部，基于各话题之间S-Euc和S-DTW采用聚类方法对所有话题进行聚类，

其中，所述时间序列距离计算第一模块包括第一天数计数单元、第一判断单元、第一时间段划分单元、对齐单元和第一距离计算单元，所述第一天数计数单元计算任意两个话题的话题热度时间序列持续的天数；所述第一判断单元判断两个话题热度时间序列的持续的天数是否相同，如果相同，发送第一信号给对齐单元，如果不相同，发送第二信号给第一时间段划分单元；所述第一时间段划分单元接收到第二信号后，将两个话题热度时间序列分成三个时间段并发送第三信号给对齐单元，第一时间段为第一天至较短话题持续天数的前一天，第二时间段为较短话题持续天数的当天，第三时间段为较短话题持续天数的后一天至较长话题持续天数；所述对齐单元收到第一信号时，采用0填充对齐两个话题热度时间序列第一天和最后一天的数据，并发送第四信号给第一距离计算单元，所述对齐单元收到第三信号时，采用0填充对齐两个话题热度时间序列第一天的数据以及较短的话题热度时间序列最后一天的数据，并发送第五信号给第一距离计算单元；所述第一距离计算单元接收第四信号后，计算对齐后两个话题热度时间序列的S-Euc，所述第一距离计算单元接收第五信号后，按照第一时间段划分单元划分的三个时间段分段计算两个话题热度时间序列的时间序列距离，将三个时间段的时间序列距离相加得到两个话题的S-Euc，

其中，所述时间序列距离计算第二模块包括第二天数计数单元、第二判断单元、第二时间段划分单元和第二距离计算单元，其中，所述第二天数计数单元计算任意两个话题的话题热度时间序列持续的天数；所述第二判断单元判断两个话题热度时间序列的持续的天数是否相同，如果相同，发送第六信号给第二距离计算单元，如果不相同，发送第七信号给第二时间段划分单元；所述第二时间段划分单元接收到第七信号后，将两个话题热度时间序列分成两个时间段并发送第八信号给第二距离计算单元，第一时间段为第一天至较短话题持续天数当天，第二时间段为较短话题持续天数的后一天至较长话题持续天数；所述第二距离计算单元接收第六信号后，计算两个话题热度时间序列的S-DTW，所述第二距离计算单元接收第八信号后，按照时间段划分单元划分的两个时间段分段计算两个话题热度时间序列的时间序列距离，将两个时间段的时间序列距离相加得到两个话题的S-DTW。

2.根据权利要求1所述的聚类分析系统，其特征在于，还包括：聚类效果评价部，根据至少一个聚类效果评定指标确定最佳聚类个数，包括：轮廓系数评价单元，计算每一次聚类的轮廓系数，得到轮廓系数随聚类个数变化的曲线，将轮廓系数极大值或最大值对应的聚类个数作为最佳聚类个数，与轮廓系数极大值或最大值对应的聚类结果作为所有话题的聚类结果。

3.根据权利要求2所述的聚类分析系统，其特征在于，所述聚类效果评价部还包括聚簇紧密性评价单元，当轮廓系数极大值对应的聚类个数有多个时，选择聚簇紧密性大的聚类个数作为最佳聚类个数。