[发明专利]话题筛选和发布的方法、装置和服务器

说明书

本发明提供了一种话题筛选和发布的方法、装置和服务器；该话题筛选和发布的方法中，首先采集预设的多个平台的数据；根据预设规则，对采集到的数据中相同的话题的文本进行合并；通过平台的榜单数值对合并后的话题进行热度计算，得到每个话题的热度值；通过热度值对话题进行热度排序，得到热点话题榜单；根据话题的相关数据，对热点话题榜单进行聚类，根据聚类结果得到热点话题榜单中每个话题的话题热度；将话题热度最高的话题的内容进行重组，将重组的话题内容发布至多个平台。本发明实现了对热点话题的自动筛选和自动发布，提高了热点话题获取的准确性和时效性，同时消息的自动发布也节省了人力。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种话题筛选和发布的方法、装置和服务器。

背景技术

随着互联网技术的不断发展，互联网信息发布的数量庞大呈现指数式增长，并且对同一事件的类似报道非常多，用户想在有限的时间内阅读海量的信息是不现实的，怎样从海量信息中快速准确的获取关键的信息，是亟待解决的问题。

现有技术中基于传统的文本相似性计算，主要是利用文本本身特征向量或者关键词等的相似性聚类去重；该方法存在的缺点非常多，例如，对于海量文本处理速度慢、捕捉目标信息的效率低、网络文本格式多样、书写不规范、文本遗漏严重等，将导致最终得到的热点信息结果不准确，且时效性较差。

发明内容

有鉴于此，本发明的目的在于提供话题筛选和发布的方法、装置和服务器，以提高热点话题获取的准确性和时效性，同时实现话题的自动发布。

第一方面，本发明实施例提供了一种话题筛选和发布的方法，该方法包括：采集预设的多个平台的数据；该数据包括话题和该话题的相关数据；根据预设规则，对采集到的数据中相同的话题的文本进行合并；根据平台的榜单数值，对合并后的话题进行热度计算，得到每个话题的热度值；该榜单数值包括搜索量、阅读量和评论量；根据热度值，对话题进行热度排序，得到热点话题榜单；根据话题的相关数据，对热点话题榜单进行聚类，根据聚类结果得到热点话题榜单中每个话题的话题热度；将话题热度最高的话题的内容进行重组，将重组的话题内容发布至多个平台。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据预设规则，对采集到的数据中相同的话题的文本进行合并的步骤，包括：计算采集到的数据中，两两话题之间的相似度其中，l表示两个话题的文本中相同字符的个数，L1表示第一个话题的文本的字符总数，L2表示第二个话题的文本的字符总数；如果相似度大于或等于设定相似度阈值，则确定两个话题为相同话题，将两个话题的文本进行合并。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据平台的榜单数值，对合并后的话题进行热度计算，得到每个话题的热度值的步骤，包括：根据多个平台的榜单数值，对合并后的话题进行热度加权计算，得到热度指数；根据榜单数值，计算指定时间段内合并后的话题的热度趋势值；根据热度指数和热度趋势值，得到每个话题的热度值。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述热度趋势值为其中，R2表示指定时间段的起始时刻的榜单数值，R1表示指定时间段的终止时刻的榜单数值。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述热度值为Hd＝index*t，其中，index表示热度指数，t表示热度趋势值。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，将话题热度最高的话题的内容进行重组，将重组的话题内容发布至多个平台的步骤，包括：将话题热度最高的话题的内容进行重新编辑；模拟用户登录多个平台，在平台中发送重新编辑的话题内容。