[发明专利]热点话题提取方法、装置和服务器

摘要

本发明公开了一种热点话题提取方法、装置和服务器，属于计算机技术领域。所述热点话题提取方法包括：选择至少一个目标用户账户在预定时间窗口内发布的信息作为数据源；从所述数据源中提取至少两个词语，并将所述至少两个词语组成一个词表；计算所述词表中各词语的权值，并根据所述权值选择至少两个词语作为关键词；分别计算所述关键词中任意两个词语的相似度；根据所述相似度对所述关键词进行聚类，从而提取其中至少一类关键词作为热点话题；解决了已有方案提取的热点话题具有一定滞后性的问题；达到了可以实时提取词语作为热点话题，从而方便用户获取最新舆论热点的效果。

主权项

1.一种热点话题提取方法，其特征在于，所述方法包括：选择至少一个目标用户账户在预定时间窗口内发布的信息作为数据源；从所述数据源中提取至少两个词语，并将所述至少两个词语组成一个词表；计算所述词表中各词语的权值，并根据所述权值选择至少两个词语作为关键词；分别计算所述关键词中任意两个词语的相似度；根据所述相似度对所述关键词进行聚类，得到至少一个词簇，从而提取所述至少一个词簇中排在靠前的预定个数个词簇中的关键词作为热点话题；其中，所述计算所述词表中各词语的权值，包括：设所述预定时间窗口为j，所述词表中的词语i在所述预定时间窗口内的权值为Wi,j、词频为TFi,j，词频增长速度为Gi,j、逆文档频率为IDFi,j、所述预定时间窗口之前的时间窗口的个数为K以及在所述预定时间窗口之前的第k个时间窗口内的词语i的词频为TFi,k；所述词表中的词语i在所述预定时间窗口内的词频增长速度为：所述词表中的词语i在所述预定时间窗口内的权值为：Wi,j＝logGi,j+αlog(IDFi,j*TFi,j)；其中，所述i、j、k、K均为正整数，0<α<1；其中，所述根据所述相似度对所述关键词进行聚类，包括：将所述关键词按照所述权值的大小进行降序排名，并将排在首位的关键词作为初始词簇；依次计算各关键词与已有的词簇之间的距离；选择已有的词簇中与当前关键词之间的距离最近的词簇作为目标词簇；判断所述当前关键词与所述目标词簇之间的距离是否大于等于第四阈值；若是，则将所述当前关键词作为新的词簇；若不是，则将所述当前关键词并入所述目标词簇。