[发明专利]一种事件跟踪方法及系统

摘要

本发明提供一种事件跟踪方法及系统，适用于舆情信息处理。所述方法包括获取与事件相关的文档；根据所获取的文档数量确定所述事件的阶段个数；以及根据内容的相似程度对所获取的文档进行聚类，得到与所述事件的每个阶段对应的文档簇，其中文档簇的总数与所述事件的阶段个数相同。本发明无需人工参与，可以自动地进行事件跟踪并输出结果。与人工整理所耗费的人力和财力相比，节省了成本，并且提高了事件跟踪的效率与准确度。

主权项

一种事件跟踪方法，包括：步骤1)、获取与事件相关的文档；步骤2)、根据所获取的文档数量确定所述事件的阶段个数；步骤3)、根据内容的相似程度对所获取的文档进行聚类，得到与所述事件的每个阶段对应的文档簇，其中文档簇的总数与所述事件的阶段个数相同；对于每个文档簇，去除发布时间与该文档簇的平均发布时间的差值超过预定阈值的文档，之后再选择该文档簇的代表文档；其中，文档簇的平均发布时间为该文档簇中所有文档的发布时间的平均值；在步骤2)中，根据下式来确定事件的阶段个数：其中，n表示事件的阶段个数，t是所获取的与事件相关的文档的总数，m是预先设定的一个正整数，p是预先设定的将要显示给用户的事件阶段数量；在步骤3)中，选择文档簇的代表文档的方法包括下列子步骤：步骤a)、在每个文档簇中，按照发布时间从新到旧排列文档，选择前k个文档，其中，k为预先设定的正整数；步骤b)、在每个文档簇中，在所选择的k个文档中选取权威度最高的文档作为代表文档，其中，根据下式计算每个文档簇中的每个文档的权威度：Authority＝λ*DomainWeight+log(References)其中，Authority表示文档的权威度，DomainWeight是该文档的URL所属域名的权重，λ是该文档的URL和References的得分占比，References是该文档被其他文档转载的次数。