[发明专利]热点话题检测方法及装置

权利要求书

1.一种热点话题检测方法，其特征在于，所述方法包括：

基于预设实体知识库提取目标文本的关键句作为所述目标文本的摘要；

使用LSH算法计算所述摘要的文档指纹；

基于KNN算法对所述文档指纹进行聚类分析以确定所述目标文本的话题类别；

其中，所述预设实体知识库是基于知识图谱结构构建的知识库；

其中，“基于预设实体知识库提取目标文本的关键句作为所述目标文本的摘要”的具体步骤包括：

对所述目标文本进行分割得到若干个句子；

根据评分算法计算所述目标文本中每个句子的得分；

将每个句子按照得分进行排序，选取排名靠前的设定数量的句子作为摘要；

其中，“根据评分算法计算所述目标文本中每个句子的得分”的具体步骤包括：

按照下式计算句子的得分：

其中，α、β、γ、θ是预设的权重因子；f_g是句子seq_i中包含的所述实体知识库中实体的数量；seq_i是所述目标文本分割后得到的句子的集合中第i个句子，也是当前待评分句子；title是所述目标文本的标题；S(title,seq_i)表示句子seq_i与所述目标文本的标题的相似度；集合U是预设训练集中与所述目标文本相同内容源的文本的句子的集合；seq_u是所述集合U中第u个句子，S(seq_i,seq_u)是句子seq_i与句子seq_u的相似度；集合S是预设训练集中与所述目标文本不同内容源的文本的句子的集合；seq_s是所述集合S中第s个句子，S(seq_i,seq_s)是句子seq_i与句子seq_s的相似度。

2.根据权利要求1所述的热点话题检测方法，其特征在于，所述方法包括：

按照下式分别计算所述S(seq_i,seq_u)和所述S(seq_i,seq_s)：

其中，|{w_k│w_k∈titlew_k∈seq_i}|是在句子seq_i和所述目标文本的标题中同时出现的单词数量；|{w_k│w_k∈seq_iw_k∈seq_u}|是在句子seq_i与句子seq_u中同时出现的单词数量；|{w_k│w_k∈seq_iw_k∈seq_s}|是在句子seq_i与句子seq_s中同时出现的单词数量；f_i是句子seq_i的特征向量；f_t是所述目标文本的标题的特征向量；f_u是句子seq_u的特征向量；f_s是句子seq_s的特征向量；S(f_i,f_t)是特征向量f_i与特征向量f_t的相似度；S(f_i,f_u)是特征向量f_i与特征向量f_u的相似度；S(f_i,f_s)是特征向量f_i与特征向量f_s的相似度；|seq_i|是句子seq_i的单词数量；|title|是所述目标文本的标题的单词数量；|seq_u|是句子seq_u的单词数量；|seq_s|是句子seq_s的单词数量。