[发明专利]一种基于小程序的事件热度趋势确定方法及系统

说明书

本发明公开了一种基于小程序的事件热度趋势确定方法及系统，通过小程序获取待检测事件的待检测当前访问数据和待检测分词数据，先根据待检测分词数据，在训练好的历史事件热度匹配模型中匹配待检测分词数据与历史事件分词数据进行匹配，从而得到目标热度变化曲线，并基于待检测当前访问数据在目标热度变化曲线中进行线段匹配，从而确定待检测当前访问数据在目标热度变化曲线中的目标时间区间，进而能够确定目标时间区间后的曲线，并根据曲线在目标热度变化曲线中的含义确定待检测事件的热度趋势，并传输给小程序，以使小程序基于热度趋势进行热度变化的显示和提醒，完成了基于小程序的事件热度趋势确定。

技术领域

本发明涉及电数字数据处理领域，尤其涉及一种基于小程序的事件热度趋势确定方法及系统。

背景技术

随着对前端开发的不断发展，手机软件的内存小型化、内容便捷化已经逐渐成为前端开发的发展方向。而小程序的出现能够基于已下载的应用进行功能拓展，且无需下载安装，构造了新的软件小程序开发环境和开发者生态。

而在小程序进行事件搜索时，基于人为对数据的分析，进行时间热度趋势的判断，常常会出现较大的误判，因此，存在小程序热搜事件的热度趋势判断准确度低的问题。

因此，亟需一种基于小程序的事件热度趋势确定策略，从而解决小程序热搜事件的热度趋势判断准确度低的问题。

发明内容

本发明实施例提供一种基于小程序的事件热度趋势确定方法及系统，以提高小程序热搜事件的热度趋势判断准确度。

为了解决上述问题，本发明一实施例提供一种基于小程序的事件热度趋势确定方法，包括：

通过小程序获取待检测事件的待检测当前访问数据和待检测分词数据；

将所述待检测分词数据输入到预设的历史事件热度匹配模型，获得所述待检测分词数据对应的目标热度变化曲线；其中，所述历史事件热度匹配模型通过将带有热度变化曲线数据的若干历史事件分词数据输入到深度神经网络中训练获得；

根据所述待检测当前访问数据，生成待检测线段，在所述目标热度变化曲线中，进行所述待检测线段的匹配，确定匹配度大于匹配阈值的目标线段，并获得所述目标线段对应的目标时间区间；

在所述目标热度变化曲线中，基于目标时间区间之后的时间段所对应的曲线，确定所述待检测事件的热度趋势，并将所述热度趋势传输给所述小程序，以使所述小程序根据所述热度趋势进行显示。

作为上述方案的改进，所述通过小程序获取待检测事件的待检测当前访问数据和待检测分词数据，包括：

接收由小程序传输的待检测事件的待检测当前访问数据和待检测分词数据；其中，所述待检测当前访问数据的生成，具体为：所述小程序采集用户当前访问待检测事件的访问数据生成待检测当前访问数据；所述待检测分词数据的生成，具体为：所述小程序采集用于描述待检测事件的文本数据，并对文本数据进行词向量计算，获得待检测分词数据。

作为上述方案的改进，所述小程序采集用于描述待检测事件的文本数据，并对文本数据进行词向量计算，获得待检测分词数据，包括：

所述小程序采集用于描述待检测事件的文本数据；

所述小程序基于自然语言处理技术对所述文本数据进行分词处理，获得若干词汇数据；

将各所述词汇数据分别输入到预设的词向量模型中进行计算，获得待检测分词数据。

作为上述方案的改进，所述待检测分词数据，包括：各所述词汇数据的词向量数据和每一词汇数据对应的各相似词向量数据；所述词向量模型，包括：

所述词向量模型对每一所述词汇数据进行词向量计算，获得每一所述词汇数据的词向量数据；

所述词向量模型根据每一所述词汇数据的词向量数据和余弦距离算法，获得每一词汇数据对应的各相似词向量数据；其中，每一所述词汇数据的词向量数据与所对应的各相似词向量数据之间的余弦距离小于余弦阈值；