[发明专利]基于微博内容的关键词挖掘方法及系统

摘要

本发明提供一种基于微博内容的关键词挖掘方法，对于所有微博文本经分词得到的所有词的集合中的每个词，基于该词在每个微博文本中出现的次数及该微博文本被转发的次数来计算该词的权重；并选取其权重大于预定阈值的词作为从该微博数据集中挖掘的关键词。该方法即考虑了词语在各个微博文本中出现的频率，又考虑了同一微博文本在微博数据集中转发情况对挖掘关键词的准确性的影响，因此提高了获取微博文本关键词的精确度。

主权项

1.一种基于微博内容的关键词挖掘方法，所述方法包括：步骤1，对于待分析的微博数据集中的每条微博文本进行分词，并统计每个词在该微博文本中出现的次数以及该微博文本被转发的次数；步骤2，对于经分词后得到的每个词，基于该词在每个微博文本中出现的次数及该微博文本被转发的次数来计算该词的权重；步骤3，选取其权重大于预定阈值的词作为从该微博数据集中挖掘的关键词；其中，在所述步骤2中，对于任一个词语t，其权重为：其中N为该微博数据集所包含的微博文本的总数，t_i是词语t在第i个微博文本中出现的次数，f_i是第i个微博文本被转发的次数，f_max是微博数据集中微博文本的最大转发数。