技術領域

本發明涉及計算機技術領域，尤其涉及一種熱點事件檢測方法和裝置。

背景技術

微博從誕生到如今，以驚人的速度發展著，國內最大的兩大微博平臺新浪和騰訊的注冊人數早已超過5億。尤其是在突發和熱點事件中，微博的影響規模和傳播速度超越了普通博客和傳統的新聞媒體。目前，從海量微博數據中檢測熱點事件的方法主要為：獲取海量微博數據，采用Canopy聚類算法或k-means聚類算法對海量微博數據進行聚類，獲取熱點事件。

然而現有技術中，海量微博數據中的微博條數過多，且海量微博數據中由極大部分微博與熱點事件毫無關系，對其進行聚類，延長了獲取熱點事件的時間，降低了聚類獲取熱點事件的效率。

發明內容

本發明提供一種熱點事件檢測方法和裝置，用于解決現有技術中獲取熱點事件的時間長，效率低的問題。

本發明的第一個方面是提供一種熱點事件檢測方法，包括：

獲取社交網絡中當前時間段內的微博數據；

對所述微博數據中的多條微博的內容進行分詞，統計分詞得到的各個詞在所述微博數據中的出現次數；

獲取社交網絡中歷史時間段內所述各個詞在歷史微博數據中的出現次數；所述歷史時間段和所述當前時間段的時間長度相等；

對所述各個詞在所述微博數據中的出現次數和在歷史微博數據中的出現次數進行比較，確定所述微博數據中的熱詞；

獲取所述微博數據中包括所述熱詞的微博；

對包括所述熱詞的微博進行聚類，確定所述微博數據中的熱點事件。

進一步地，所述對所述各個詞在所述微博數據中的出現次數和在歷史微博數據中的出現次數進行比較，確定所述微博數據中的熱詞，包括：

計算所述各個詞在所述微博數據中的出現次數與在歷史微博數據中的出現次數的比值；

將所述比值大于第一閾值的相應詞確定為所述微博數據中的熱詞。

進一步地，所述對所述各個詞在所述微博數據中的出現次數和在歷史微博數據中的出現次數進行比較，確定所述微博數據中的熱詞，還包括：

計算所述各個詞在所述微博數據中的出現次數與在歷史微博數據中的出現次數的差值；

所述將所述比值大于第一閾值相應詞確定為所述微博數據中的熱詞，包括：

將所述比值大于第一閾值，且所述差值大于第二閾值的相應詞確定為所述微博數據中的熱詞。

進一步地，所述對包括所述熱詞的微博進行聚類，確定所述微博數據中的熱點事件，包括：

對包括所述熱詞的微博進行canopy聚類，確定初始類的數目和中心點；

根據所述初始類的數目和中心點對包括所述熱詞的微博進行k-means聚類，確定所述微博數據中的熱點事件。

進一步地，所述對包括所述熱詞的微博進行canopy聚類，確定初始類的數目和中心點之前，還包括：

查詢預設的詞表，確定所述熱詞在所述詞表中的序號；

根據所述熱詞在所述詞表中的序號和所述熱詞在所述微博數據中的出現次數，確定包括所述熱詞的微博對應的微博向量；

所述對包括所述熱詞的微博進行canopy聚類，確定初始類的數目和中心點，包括：

對所述微博向量進行canopy聚類，確定初始類的數目和中心點。

本發明的另一個方面提供一種熱點事件檢測裝置，包括：

獲取模塊，用于獲取社交網絡中當前時間段內的微博數據；

分詞模塊，用于對所述微博數據中的多條微博的內容進行分詞，統計分詞得到的各個詞在所述微博數據中的出現次數；

所述獲取模塊，還用于獲取社交網絡中歷史時間段內所述各個詞在歷史微博數據中的出現次數；所述歷史時間段和所述當前時間段的時間長度相等；

確定模塊，用于對所述各個詞在所述微博數據中的出現次數和在歷史微博數據中的出現次數進行比較，確定所述微博數據中的熱詞；

所述獲取模塊，還用于獲取所述微博數據中包括所述熱詞的微博；

聚類模塊，用于對包括所述熱詞的微博進行聚類，確定所述微博數據中的熱點事件。

進一步地，所述確定模塊具體用于，

計算所述各個詞在所述微博數據中的出現次數與在歷史微博數據中的出現次數的比值；

將所述比值大于第一閾值的相應詞確定為所述微博數據中的熱詞。

進一步地，所述確定模塊具體還用于，計算所述各個詞在所述微博數據中的出現次數與在歷史微博數據中的出現次數的差值；