《用于挖掘微博热点话题的装置及方法》由会员分享，可在线阅读，更多相关《用于挖掘微博热点话题的装置及方法（8页珍藏版）》请在金锄头文库上搜索。
1、用于挖掘微博热点话题的装置及方法专利名称：用于挖掘微博热点话题的装置及方法技术领域：本发明涉及互联网通信领域，特别是涉及一种用于挖掘微博热点话题的装置及方法。背景技术：在现有技术中，随着互联网的发展，微博成为人们获取信息、交流信息的重要渠道，大量网民在微博中发表自己的意见和爆料各类新闻，每天有成千上万的话题从微博上产生，如何更快速的从微博海量信息中获取网民热点将对了解社会发展形势、掌握舆论动态起到指导性作用。目前普遍采用的微博热点挖掘方法是通过对特定时间段内微博话题下的微博数量进行对比，通过数量排序得到最热微博话题，微博数量越多说明话题越活跃。但是，上述技术方案存在以下问题由于上述技术方案仅对
2、单一话题的微博数量进行统计，因此容易对水军暴力发布的话题误判为热点话题；并且，上述技术方案没有考虑为微博转发数和微博评论数对微博话题的因素，导致有些评论热烈的微博话题被忽略，此外，上述技术方案也没有考虑微博认证用户(即，加V用户)的因素，认证用户参与越多的事件越是热门话题，综上，现有技术中的上述技术方案并不能够全面准确的挖掘出微博热点话题。发明内容鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于挖掘微博热点话题的装置及方法。本发明提供一种用于挖掘微博热点话题的装置，包括采集模块，适于通过开放接口采集微博信息，其中，微博信息包括微博内容、以及微博参数；抽取模块，
3、适于对采集的微博内容进行分词，并抽取出热门关键词组；计算模块，适于对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；排序模块，适于对热门关键词组的热度值进行排序，获取微博热点话题排行；获取模块，适于获取微博热点话题排行中每个微博热点话题所涉及的微博内容；显示模块，适于根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。可选地，采集模块进一步适于通过一门户微博指定的开放接口采集该门户微博的微博信息。可选地，上述装置还包括分类模块，适于根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。可选地，上述抽
4、取模块进一步适于对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。可选地，上述抽取模块进一步适于从采集的各微博类别下的微博内容中提取一个或多个中心词；对从同一微博内容中提取的中心词进行排序，并将排序后的中心词进行组合，获取中心词组；统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。可选地，上述抽取模块进一步包括过滤子模块，适于根据垃圾词组数据库从中心词组中过滤垃圾词组。可选地，上述计算模块进一步适于对同一微博类别下涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取
5、各微博类别下热门关键词组的热度值。可选地，上述微博参数进一步包括以下一种或几种组合微博总转发数、微博总评论数、微博认证用户转发数、以及微博认证用户评论数。可选地，上述计算模块进一步适于根据以下公式分别获取各微博类别下热门关键词组的热度值热门关键词组的热度值=涉及热门关键词组的微博数量*微博数量权重系数+微博总转发数*总转发数权重系数+微博总评论数*总评论数权重系数+微博认证用户转发数*认证用户转发数权重系数+微博认证用户评论数*认证用户评论数权重系数。可选地，上述排序模块进一步适于对各微博类别下热门关键词组的热度值进行降序排序，分别获取各微博类别下的微博热点话题排行、以及总的微博热点话题排行。
6、本发明还提供了一种用于挖掘微博热点话题的方法，包括通过开放接口采集微博信息，其中，微博信息包括微博内容、以及微博参数；对采集的微博内容进行分词，并抽取出热门关键词组；对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；对热门关键词组的热度值进行排序，获取微博热点话题排行；获取微博热点话题排行之后，上述方法还包括获取微博热点话题排行中每个微博热点话题所涉及的微博内容；根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。可选地，上述采集微博信息进一步包括通过一门户微博指定的开放接口采集该门户微博的微博信息。可选地，采集微博
7、信息之后，上述方法还包括根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。可选地，上述对采集的微博内容进行分词，并抽取出热门关键词组进一步包括对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。可选地，上述对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组进一步包括从采集的各微博类别下的微博内容中提取一个或多个中心词；对从同一微博内容中提取的中心词进行排序，并将排序后的中心词进行组合， 获取中心词组；统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。可选
8、地，将排序后的中心词进行组合，获取中心词组之后，上述方法还包括根据垃圾词组数据库从中心词组中过滤垃圾词组。可选地，上述对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值进一步包括对同一微博类别下涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度值。可选地，上述微博参数进一步包括以下一种或几种组合微博总转发数、微博总评论数、微博认证用户转发数、以及微博认证用户评论数。可选地，上述根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度
9、值进一步包括根据以下公式分别获取各微博类别下热门关键词组的热度值热门关键词组的热度值=涉及热门关键词组的微博数量*微博数量权重系数+微博总转发数*总转发数权重系数+微博总评论数*总评论数权重系数+微博认证用户转发数*认证用户转发数权重系数+微博认证用户评论数*认证用户评论数权重系数。可选地，上述对热门关键词组的热度值进行排序，获取微博热点话题排行进一步包括对各微博类别下热门关键词组的热度值进行降序排序，分别获取各微博类别下的微博热点话题排行、以及总的微博热点话题排行。本发明有益效果如下通过根据采集的微博内容进行热词计算，并根据获取的微博参数对计算出的热词进行热度计算，从而能够准确地判断出微博的
10、热门话题，使挖掘结果更能反映互联网舆论的客观事实。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中图I是本发明一个实施例的用于挖掘微博热点话题的装置的结构示意图2是本发明一个实施例的抽取模块的处理流程的示意图3是本发明一个实施例的微博参数和权
11、重系数对应关系的示意图4是本发明一个实施例的用于挖掘微博热点话题的方法的流程图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。为了快速挖掘微博上近期发生的热点话题，解决从海量微博数据中挖掘出微博热点的难题，本发明提供了一种用于挖掘微博热点话题的装置及方法，本发明实施例利用文本自动分类技术、热词计算技术、以及热度计算技术进行微博热点话题的挖掘。其中，文本自动分类是指利用机器学
12、习的原理依靠小样本学习后的模型参数对文本集(或其他实体或物件)按照一定的分类体系或标准进行自动分类标记；热词计算技术是指自动对实时采集的网页文本进行分词、分组归并，计算高频热点关键词，并按照预定义的词库和预设规则进行过滤，输出实时互联网热点词汇。热度计算技术是指自动对微博的转发数、评论数、加 V参与人数等参数进行统计计算，并按照预定义规则，输出话题的热度值。以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。根据本发明的实施例，提供了一种用于挖掘微博热点话题的装置，图1是本发明一个实施例的用于挖掘微博热点话题的装置的结构示意图
13、，如图1所示，根据本发明实施例的用于挖掘微博热点话题的装置包括采集模块10、抽取模块12、计算模块14、以及排序模块16，以下对本发明实施例的各个模块进行详细的说明。采集模块10，适于通过开放接口采集微博信息，其中，微博信息包括微博内容、 以及微博参数；上述微博参数可以包括以下一种或几种组合微博总转发数、微博总评论数、微博认证用户(即加V用户)转发数、以及微博认证用户评论数。在实际应用中，微博参数还可以包括微博博主信息、微博发布时间信息等。具体地，采集模块10可以通过一门户微博指定的开放接口采集该门户微博的微博信息。在实际应用中，不同的微博分类有不同的热门话题，不同分类的话题热度也不同， 例如
14、，财经领域微博的热门话题热度比娱乐八卦类微博的热门话题热度要低很多。这就需要对微博话题进行分类，使用户能够按照不同的微博分类查看微博热点。优选地，在本发明实施例中，为了够更有针对性的反映某一领域(例如，军事、政治、民生、社会、国际、 娱乐等)的微博热点话题，根据本发明实施例的用于挖掘微博热点话题的装置还包括分类模块，适于根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。以便其他模块在进行后续处理时，可以针对不同类型的微博分别进行热点话题的挖掘。如上所述，本发明实施例采用自动聚类的方法来微博分类，其中，自动聚类是指 由计算机按照被考察对象的内部或外部特征，根据一定的要求(例
15、如，类别的数量限制，同类对象的亲近程度等)，将相近、相似或相同特征的对象聚合在一起的过程。对微博内容进行自动分类可以分成汽车类微博、娱乐类微博、财经类微博等。抽取模块12，适于对采集的微博内容进行分词，并抽取出热门关键词组；基于分类模块的分类处理，抽取模块12需要对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。具体地，抽取模块12需要进行如下处理首先从采集的各微博类别下的微博内容中提取一个或多个中心词，也就是说，一个微博可能有多个中心词；随后，对从同一微博内容中提取的中心词进行排序，例如，一个微博抽出的中心词是bca，排序后变成abc ;在排序后，将中心词进
16、行组合，获取中心词组；其中，进行中心词组合是指根据C；将属于同一个微博内容的排序后的中心词进行组合，其中，为属于同一个文本标题的中心词的总个数， r彡且2彡！彡5，例如，组合公式为C +C+C，可以只保留2_5个中心词组；最后，抽取模块12需要统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。例如，抽取模块12在汇总统计分析所有的中心词组时，可以按小时统计中心词组的出现数量，找出热门关键词组，这些热门关键词组背后就是微博的热门话题。抽取模块12在汇总统计分析所有的关键词组时，可以形成一个热门关键词组排行榜，统计每个热门关键词组背后的微博数量并按微博数量降序排列。在本发明实施例中，抽取模块12还可以进一步包括过滤子模块，适于根据垃圾词组数据库从中心词组中过滤垃圾词组。例如，去掉如中奖、咨询类的垃圾词组，其中，上述垃圾词组数据库由运维人员在管
