[发明专利]热点事件发现方法、装置、计算机设备和存储介质

权利要求书

1.一种热点事件发现方法，所述方法包括：

获取待处理网页的关键词向量，所述待处理网页包括网页地址数据流中的待处理地址对应的网页；

根据已处理网页的关键词向量与所述待处理网页的关键词向量，确定候选网页，所述候选网页包括与所述待处理网页存在相似性的所述已处理网页；

根据所述待处理网页与所述候选网页的相似度，确定所述待处理网页的事件；

当所述事件中的网页满足数量条件时，根据所述事件确定发现结果，所述事件中的网页满足数量条件包括事件中的网页的数量大于网页数量对应的热点阈值，以及事件中的网页的访问数量大于网页访问量对应的热点阈值。

2.根据权利要求1所述的方法，其特征在于，所述根据已处理网页的关键词向量与所述待处理网页的关键词向量，确定候选网页，包括：

根据已处理网页的关键词向量，生成已处理签名矩阵；

根据所述待处理网页的关键词向量，生成待处理签名矩阵；

根据所述已处理签名矩阵及所述待处理签名矩阵，从所述已处理网页中筛选与所述待处理网页存在相似性的候选网页。

3.根据权利要求2所述的方法，其特征在于：

所述已处理签名矩阵包括至少1个第一行条，各所述第一行条包括至少1个第一列向量；所述待处理签名矩阵包括至少1个第二行条，各所述第二行条包括至少1个第二列向量；

所述根据所述已处理签名矩阵及所述待处理签名矩阵，确定候选网页，包括：当存在与任一所述第一列向量具有相同映射结果的所述第二列向量时，根据所述已处理签名矩阵对应的所述已处理网页，确定候选网页。

4.根据权利要求2所述的方法，其特征在于，所述已处理签名矩阵或/及所述待处理签名矩阵为最小哈希签名矩阵。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待处理网页与所述候选网页的相似度，确定所述待处理网页的事件，之后还包括：

当所述事件中的网页不满足所述数量条件时，

若所述事件中的网页满足时间条件，则删除所述事件。

6.根据权利要求5所述的方法，其特征在于，所述若所述事件中的网页满足时间条件，则删除所述事件，包括：

若所述事件中最近加入的网页的加入时间，与当前时间的时间间隔大于噪音间隔阈值，则删除所述事件。

7.根据权利要求5所述的方法，其特征在于，所述若所述事件中的网页满足时间条件，则删除所述事件，包括：

若所述事件中最近加入的网页的加入时间满足时间条件，且所述事件中的网页数量小于删除阈值，则删除所述事件。

8.根据权利要求1所述的方法，其特征在于，所述根据所述待处理网页与所述候选网页的相似度，确定所述待处理网页的事件，包括：

根据所述待处理网页与所述候选网页的相似度，确定与所述待处理网页最相似的所述候选网页；

根据所述最相似的所述候选网页，确定所述待处理网页的事件。

9.根据权利要求8所述的方法，其特征在于，所述根据所述最相似的所述候选网页，确定所述待处理网页的事件，包括：

当所述最相似的所述候选网页与所述待处理网页的相似度大于或等于最小相似阈值时，将最相似的所述候选网页的事件，确定为所述待处理网页的事件。

10.根据权利要求8所述的方法，其特征在于，所述根据所述最相似的所述候选网页，确定所述待处理网页的事件，包括：

当所述最相似的所述候选网页与所述待处理网页的相似度小于最小相似阈值时，新增所述待处理网页的事件。

11.根据权利要求1所述的方法，其特征在于，所述获取待处理网页的关键词向量，包括：

实时获取网页地址数据流中的待处理地址；

提取所述待处理地址对应的待处理网页的关键词，形成关键词向量。