[发明专利]基于智慧校园信息服务平台的话题发现方法

权利要求书

1.一种基于智慧校园信息服务平台的话题发现方法，其特征在于，包括：

步骤1，建立智能校园信息服务平台，在互联网上校园主题的消息收集形成消息数据库；

步骤2，对该数据库中的消息文本进行文本预处理，文本预处理即为分词处理，包括语义歧义分析、未登录词提取、关键字提取和停用词处理；

步骤3，对预处理后的文本进行特征提取，其文本特征提取为独立评价方法，所述独立评价方法包括信息增益、X²统计量和文档频率算法，所述信息增益通过需要计算特征项权重大小来对文本类簇进行分类，其是通过下述公式(1)计算获取分类信息多的特征词，

$IG\left(t\right)=-\underset{i=1}{\overset{n}{\Σ}}P\left(c_i\right)\log P\left(c_i\right)+P\left(t\right)\underset{i=1}{\overset{n}{\Σ}}P\left(c_i\right|t)\log P\left(c_i\right|t)+P\left(\stackrel{\‾}{t}\right)\underset{i=1}{\overset{n}{\Σ}}P\left(c_i\right|\stackrel{\‾}{t})\log P\left(c_i\right|\stackrel{\‾}{t})---\left(1\right)$

其中，文本集合表示类别c_i的概率是P(c_i)，并且文本集合表示特征词t的概率是P(t)，P(c_i|t)包含特征词t文本属于预定义类别c_i，是如果特征词t不在文本内则文本属于类别c_i的概率，n是文本类别的数量；

所述X²统计量是用于评估特征项的重要水平，由特征项携带的文本信息的量通过量化来量化，其通过下述公式(2)来统计量，

$X^2(t_i,C_j)=\frac{N\×{(A\×D-C\×B)}^2}{(A+C)\×(B+D)\×(A+B)\×(C+D)}---\left(2\right)$

其中，N是提取的文本的数目，C_j是聚类，A是C_j中的文本的数目，并且C不是特征中的文本，B是特征项t_i外部的文本的数目C_j簇，并且D是不在特征项t_i中的C_j簇外部的文本的数量；

所述文档频率算法是通过包括多个文档来计算文档的数量以评估特征；

步骤4，将提取的特征词指定为知识表示模型；

步骤5，针对文本知识表示模型由计算机通过聚类算法来计算对象，用同一主题的文本一起形成一个主题库，该主体库即为热门话题库。